在轴承制造和检测过程中，经常需要对试验数据进行处理和分析，以评价和评估未经试验轴承的性能指标。研究一个分布未知同时样本数据个数很少的总体，经典的统计理论将受到很大的限制，而非统计原理不会受到这些限制。 以粗集理论和神经网络理论为基础，运用粗集理论建立轴承振动影响因素的知识表达系统，结合属性重要性原理比较并评价了不同性质的加工质量指标对轴承振动的影响程度。根据粗集理论对样本数据的分析结果，建立了轴承振动的神经网络试验模型。 运用模糊数学中的聚类识别法，在对铁姆肯公司大型圆锥滚子轴承93825性能试验前的测量数据进行分析和处理后，将轴承进行合理的分类，为轴承性能试验前轴承生产线生产新产品的能力评估提供参照。 运用信息熵法、自助法和灰自助法对滚子标准件长度重复测量数据进行对比分析，参数评估精度均达到97％以上。 研究表明：用非统计理论处理小样本和离散的试验数据，可以准确地描述未经试验的总体。可以将非统计理论作为统计理论分析的一个补充。