在1967年以前，若局中人拥有私人信息，其他局中人对特定局中人的支付函数类型不确定，即信息非对称的情境下，博弈因结构特征不确定而无法进行。1967年，匈裔美国经济学家J.C.海萨尼（John C.Harsanyi，1920-05-29～2000-08-09）提出了处理不完全信息博弈的方法，即海萨尼转换法。他引入虚拟局中人的概念，即“自然”，假定“自然”首先行动决定所有局中人的类型和行动，而每个局中人仅仅知道自己的类型，而不知道其他局中人的类型，从而把不完全信息博弈转换成不完美信息博弈。海萨尼转换是处理不完全信息博弈的标准方法。每一个局中人在知道自己类型的前提下，对其他局中人的类型进行推断，从而得到其他局中人采取某策略的概率和期望收益。

2011年，英国学者A.de宝拉（Áureo de Paula）和X.唐（Xun Tang）运用实证的方法对不完全信息静态博弈的交互效应信号进行研究，对不完全信息静态博弈模型进行拓展，研究表明当局中人的行为不仅影响自身的收益，也影响他人收益时，存在战略上的交互效应。然而，由于局中人依赖于当前环境获得信息，信息价值与总量将基于环境，即每个个体虽独立获取信息，但私人信号并非独立，可能具有相关性，因此一部分局中人具有采取某一行动的激励。在这样的信号干预下，可能存在多种均衡。

不完全信息静态博弈的经典模型包括不完全信息古诺模型、不完全信息情况下的公共产品提供模型、一级密封价格拍卖、不完全信息下的斗鸡博弈、不完全信息下的性别战博弈等。对多种模型结果分析发现，完全信息博弈的混合战略均衡是不完全信息博弈贝叶斯均衡的极限。

以古诺模型为例，其研究的是厂商如何根据对手产量的决定自己的产量和价格，进而实现利润最大化。与完全信息相比，在不完全信息状态下，低成本企业的产量更低，高成本企业的产量更高，原因是企业不知道对手成本的高低，只能根据生产预期的最优产量生产，因此产量与完全信息相比出现偏离。对于公共品的自愿提供问题，在完全信息状态下，其博弈类型和博弈结果取决于每个局中人提供公共品的成本，而不完全信息下不同成本的主体的公共品供给区域小于完全信息下的供给区域，说明效率更低。

不完全信息静态博弈放宽了完全信息静态博弈的条件限制，使博弈可以在广泛和更接近现实情境的条件下进行使用。