图3-4据理论集合空间分布示意图 　　例如U可以表示疾病空间，而每个Ai可以是一类疾病，各类疾病之间是可以交叉的（同时得多种疾病），但是各类疾病本身是不同的。 　　证据理论定义了多个函数值来描述证据及规则的不确定性，其中包括：分配函数、信任函数和似然函数，分别定义如下。 　　・ 基本概率分配函数m：2U→[0,1]。 　　　 m(Φ) = 0 空的为零 　　　Σm(A) = 1 全空间的和为1　　（A属于U） 　　基本概率分配函数是在U的幂集2U 上定义的，取值范围是[0,1]。 　　基本概率函数的物理意义是： 　　　若A属于U，且不等于U，表示对A的精确信任度 　　　若A等于U，表示这个数不知如何分配 　　・ 信任函数Bel：2U →[0,1]。 　　　 　　A的信任函数为：包含于A中的所有集合的概率分配函数值之和。 　　根据定义有：Bel(Φ) ＝m(Φ) = 0 　　　Bel(U)＝Σm(B) = 1（B属于U） 　　信任函数Bel类似于概率密度函数，表示A中所有子集的基本概率分配数值的和。表示对A的总信任度。 　　・ 似然函数Pl：2U →[0,1] 　　　 　　A的似然函数为Pl(A)：与A的"与"不为零的所有集合的概率分配函数值之和。 　　根据定义有：0 ≤ Bel(A) ≤ Pl(A) ≤1 　　可见Bel是Pl的一部分。 　　称Bel(A)和Pl(A)是A的下限不确定性值和上限不确定性值。因此可用区间（Bel(A)，Pl(A)）来表示A的不确定性度量。