wykorzystuje się do tego tzw. czynnik Bayesa (wskaźnik, który jest obliczany na podstawie danych i oceniający szansę na to, że hipoteza nie jest prawdziwa).
Metody używane w statystyce bayesowskiej wymagają użycia informacji zdobytych a priori i danych empirycznych w celu wygenerowania rozkładu a posteriori, który z kolei posłuży do sformułowania wniosku statystycznego. Celem statystyki bayesowskiej jest ustalenie prawdopodobieństwa końcowego (prawdopodobieństwa a posteriori) dla testowanej hipotezy.
King i Minium w swoim podręczniku podają następujący przykład ilustrujący logikę wnioskowania bayesowskiego i różnicę pomiędzy nim a podejściem klasycznym: Pewna osoba budzi się w środku nocy z bólem głowy. W ciemności wybiera z apteczki jedną z trzech butelek z lekarstwem i zażywa tabletkę. Po pewnym czasie budzi się spocona, mając dreszcze i mdłości. Po włączeniu światła okazuje się, że w dwóch butelkach z apteczki była aspiryna, a w trzeciej trucizna. Jak można obliczyć prawdopodobieństwo, że dana osoba zażyła truciznę?