为数据建立数学模型是应用概率与数理统计分析处理数据的基础，分析数据的常用方法是首先人为地主观地指定一个模型，然后根据此模型分析数据，这种方法有以下缺点：1、因为直接指定待选模型而忽略数据特征，2、为了简化计算的原因而没有考虑模型本身的不确定性。所得结果不稳定，易产生偏差。本文以数据分析中的模型选择问题为主要研究内容，在模型建立问题中引入贝叶斯方法，结合模型先验信息，数据特征，考虑不同的数学模型。由于整个模型空间是未知的，因此，在建立模型时把模型看作是一个随机变量，每个模型都有一个先验概率，利用贝叶斯公式和全概率公式，在较宽的模型范围内考虑模型的选择问题，克服了模型本身的不确定性。并利用层次分析法在一定程度上解决了模型选择过程中计算难问题。由数据实证表明，用贝叶斯方法所得结果比一般方法更具合理性和可操作性，更有说服能力，取得了较好的效果!