把未知性条件下的选择转换为风险条件下的选择。在风险条件下，B尽管不晓得A的类型，但可以知道不同类型
的分布几率。将未知性条件下的选择转换为风险条件下的选择，称为海萨尼转换(the Harsanyi transformation)。提出
1967年，海萨尼（John Harsanyi)，表示所有老定义下具有不完全信息的博弈都可以在不更改其精髓的情形下被从新模型化为一个完全但不完美的信息博弈，这一切只需要添加一个由自然在不同规则集合中执行选择的初始行动即可。在老的定义中，博弈论学家常表示不完全信息博弈是不可分析的，而海萨尼的创见致使这一切有所更改。老的定义是如此描述的：在完全信息博弈中，全体参与人都知道博弈的规则，否则这一博弈就是一个不完全信息博弈。
即使海萨尼未表示老的定义是有困难的，但实际上民众的看法已经发生了改变，当下觉得在原有定义中，被转换后的博弈才是不完全信息博弈。在博弈中，其中有参与人也许对博弈的支付并没有十分清楚，但对支付依旧有适当的了解的。一般情形下，采取主观概分布来表明信息。也就是基于几率对执行分组构建各种博弈支付，可以形成一个特定的支付集合。比如甲与乙选择策略时，可以如此考虑，甲选择某一种策略时，乙选择策稍有几种，乙的这些策略按发生的几率执行分组。一般构建一个博弈树就可以较好地表达这一切。海萨尼教义的看法核心在于假定所有的参与人均为有共同的认识，对于策略采取发生的几率是一个共同知识。隐含的意思也就是：参与人对于自己的猜测起码是少许公开了的。在对一个博弈的信息结构执行划分的时机，并没有尝试决定参与人能从其它参与人的行动中推断出些什么东西。先验几率是作为博弈规则的一部分存在，所以，一个参与人务必是持相关于其它参与人类型的先验信念，同期，在观察到他们的行动后，就要假定他们遵循着均衡的举动，然后更新自己的信念。基本内容
在假定局中人拥有私人信息的情形下，其余局中人对特定局中人的支付函数类型是不清楚的。假使一部分局中人不晓得另一部分局中人的支付函数，或支付函数不是共同知识，局中人就不晓得他在同谁博弈，博弈的规则是没有定义的。因此在1967年以前，博弈论专家觉得此时博弈的结构特质是不确定的，无法执行分析。海萨尼提出了一种处理不完全信息博弈的方法，即引入一个虚拟的局中人——“自然”。自然首先行动，它决定每个局中人的特质。每个局中人知道自己的特质，但不晓得别的局中人特质。该种方法将不完全信息静态博弈变成一个两阶段动态博弈，第一个阶段是自然N的行动选择，第二阶段是除N外的局中人的静态博弈。该种转换被称为“海萨尼转换”，这个转换把“不完全信息”转变形成完全但不完美信息，进而可以用分析完全信息博弈的方法执行分析。
“不完美信息”指的是，“自然”做出了它的选择，但其余参与人并没有知道它的具体选择是什么，仅知道各种选择的几率分布。
应用
依照海萨尼的方法，所有参与人的真实类型均为给定的。其余参与人尽管不清楚某一参与人的真实类型，但知道这些或许显现的类型的分布几率，而且该种几率是公共知识。用上例来看，公共知识不仅代表着B企业知道A企业高阻拦成本与低阻拦成本的分布几率，而且代表着A也清楚B知道这一几率。通过海萨尼转换，不完全信息博弈变成了完全但不完美信息博弈(games of complete but imperfect information)。这里的不完美信息，就是指其余参与人只知道某一参与人某些方面类型的分布几率，而不晓得该参与人在这些方面的真实类型。
在上述转换的基础上，海萨尼提出了贝叶斯纳什均衡(Bayesian Nash equilibrium)。对此，可以作如下解释：在不完全信息静态博弈中，参与人同期行动，没有机会观察到别人的选择。给定其余参与人的战略选择，每个参与人的最优战略依靠于自己的类型。受于每个参与人仅知道其余参与人相关类型的分布几率，而不晓得其真实类型，因此，他不或许知道其余参与人事实上会选择什么战略。但是，他能够正确地预期到其余参与人的选择与其各自的相关类型之间的关系。所以，该参与人的决策目标就是：在给定自己的类型，以及给定其余参与人的类型与战略选择之间关系的条件下，致使自己的期望效用最大化。贝叶斯纳什均衡是一种类型依靠型战略组合。在给定自己的类型和其余参与人类型的分布几率的条件下，该种战略组合致使每个参与人的期望效用高达了最大化。回到上面提及的市场进入的例子。在这个例子里，对于考验者B来看，原垄断者A在阻拦成本方面，存在着两种机会：高成本或低成本。B不晓得A的阻拦成本究竟是高是低，但他知道A在这两种不同阻拦成本下会做出的选择，以及不同阻拦成本（类型）的分布几率。假定高成本的几率为x，则低成本的几率为(1-x)。假使A的阻拦成本高，A将默许B进入市场；假使A的阻拦成本低，A将阻拦B进入市场。在这两种情形下，如表7-10所示，B进入的支付函数分别是得到40和失去10。所以，B选择进入所得到的期望利润为40x+(-10)(1-x)，选择不进入的期望利润为0。简单的计算显示，当A阻拦成本高的几率大于20%时，考验者B选择进入得到的期望利润大于选择不进入的期望利润。此时，选择进入是B的最优选择。此时的贝叶斯纳什均衡为，考验者B选择进入，高成本原垄断者选择默许，低成本原垄断者选择阻拦。在动态博弈中，行动有先后次序，后行动者可以通过观察先行动者的举动，来得到相关先行动者的信息，进而确认或修正自己对先行动者的分析。
如上所述，在不完全信息条件下，博弈的参与人知道其余参与人或许有哪几种类型，也知道不同的类型与相应战略选择之间的关系。但他们并没有知道其余参与人的真实类型。在不完全信息静态博弈中，我们是通过海萨尼转换，即通过假定其余参与人知道某一参与人的所属类型的分布几率，来得出博弈的贝叶斯纳什均衡结果的。而在不完全信息动态博弈中，困难变得愈加简单。博弈开始时，某一参与人既不晓得其余参与人的真实类型，也不晓得其余参与人所属类型的分布几率。他导致对这一几率分布有自己的主观分析，即有自己的信念。博弈开始后，该参与人将依据他所观察到的其余 。具体方法
（1）一个虚拟的参与人“自然”，自然首先决定参与人的类型，赋予各参与人的类型向量 ， 其中 t=(t1....tn)，
（2）自然告知参与者i自己的类型，却不告诉其余参与者的类型；
（3）参与者同期选择行动，每一参与者i从可行集Ai中选择行动方案 ；
（4）各方得到收益Ai(a1......ai,ti) 。
借助于第一步和第二步中虚构的参与者“自然”的行动，我们可以把一个不完全信息的博弈表述为一个不完美信息的博弈。海萨尼转换是处理不完全信息博弈的标准方法。
分析
海萨尼转换是处理不完全信息博弈的标准方法。一般地，“自然”在博弈开始的时机选择参与人的类型，参与人的某个类型包含表征类型的各个特质如策略空间、信息集、得益函数等，这些又称为该类型参与人所拥有的个人信息。
不完全信息代表着博弈各方中起码有一个参与人有多个类型。
通过海萨尼转换，博弈开始时，所有参与人相关“自然”的行动有统一的信念，即都知道所有参与人类型的几率分布函数P(t1，t2，…，tn)，此即“海萨尼公理”。
解析
举例来看，某一市场原来被A企业所垄断。当下B企业考虑能否进入。B企业知道，A企业能否允许它进入，取决于A企业阻拦B企业进入所花费的成本。假使阻拦的成本低，那么，正如下表后两列所表明的，A企业的占优战略是阻拦，博弈有重复刨去的占优战略均衡——A阻拦，B不进入。假使阻拦的成本高，那么，正如表7-10前两列所表明的，A企业的占优战略是默许B进入，博弈有重复刨去的占优战略均衡——A默许，B进入。B企业所不晓得的，是A企业的阻拦成本是高是低。这里，某一参与人本人知道、其余参与人则不晓得的信息称为私人信息。某一参与人所拥有的全部私人信息称为他的类型。在上述例子中，阻拦成本就是 A的私人信息。高阻拦成本和低阻拦成本则是两种不同的类型。
海萨尼转换后的市场进入博弈
A高成本 低成本默许 阻拦 默许 阻拦
B 进入 40，50 -10，0 30，100 -10，140
不进入 0，300 0，300 0，400 0，400
显然，在这里，B所遇到的，是未知性条件下的选择困难。由于B不仅不晓得A的类型（是高依旧低），而且不晓得不同类型的分布几率。
依照海萨尼的方法，所有参与人的真实类型均为给定的。其余参与人尽管不清楚某一参与人的真实类型，但知道这些或许显现的类型的分布几率，而且该种几率是公共知识。用上例来看，公共知识不仅代表着B企业知道A企业高阻拦成本与低阻拦成本的分布几率，而且代表着A也清楚B知道这一几率。
参考资料
[1]博客园 http://www.cnblogs.com/william_fire/articles/182217.aspx[2] 有效营销 http://www.em-cn.com/article/2007/147843_7.shtml