在统计决策理论中，针对不同的已有信息，人们提出了有很多种决策准则，如：Bayes准则，Neyman-pearson准则，极大后验准则，序贯准则。其中，除Neyman-pearson准则外，其它决策准则都需要知道各种假设发生的先验概率，但Neyman-pearson准则只是适合于二元决策。在Bayes决策当中，需要知道损失系数，各种假设发生的先验概率和先验概率密度函数。当先验概率未知时，二元决策问题可用Minimax准则获得最坏先验概率时的Bayes决策。本文将Minimax准则推广到一般的多元Bayes判决中，给出一般的多元Minimax方程组，并给出了特殊情况下如何求解Minimax方程的方法。当先验概率密度函数形式已知，但具体的函数参数未知时，文献[23]给出了决策方法．本文也讨论了当先验概率和先验概率密度函数参数都未知时的Minimax决策算法，分别给出的数值例子显示本算法可行。在最后，讨论了当能不断的接收到观测数据，并且观测之间是独立的，如何根据数据对先验概率做出估计，最后的例子显示估计是收敛的。