本论文结合当前武器装备小子样试验分析与评估的特点，以Bayes方法为小子样统计推断与融合理论的研究主线，重点研究了适应于Bayes方法工程运用的若干共性问题。并在武器装备的精度和可靠性评估两个方面展开了应用研究。 首先，研究了验前信息处理中的若干共性问题，如验前信息的分类、验前信息的获取、验前分布的表示、验前信息的相容性检验、验前信息的可信性分析以及多源验前信息的融合等。提出了一种基于信息似然比的计算验前信息可信度的新方法。 然后，研究了Bayes统计推断在工程运用中的若干共性问题。首次将验前费用和试验费用引入到损失函数中，分析了样本容量大小、验前信息可信度以及Bayes决策风险三者之间的关系；理论上推导样本容量大小与验前信息可信度的关系不等式，从而为小子样条件下，找到验前信息可信度的保证下限提供了理论依据；进而提出了一种“次优样本量”的新概念，并由此得到了一种确定试验样本量的优化策略。另外，针对当前试验分析与评估中所存在的“异总体”问题，还研究了动态分布参数的建模和Bayes估计。 接着，将Bootstrap方法运用到Bayes小子样统计推断与融合理论中，结合工程实际重点研究了以下几个方面的问题，即：基于Bootstrap的获取验前分布方法、基于随机加权法的获取验前分布方法、Bootstrap方法和随机加权法的小样本比较以及验前分布的自助融合估计方法等。 最后，在武器装备的精度和可靠性评估两个方面完成了应用研究。第一，以××—××C型常规子母弹的精度评估为背景，进行了Bayes小子样圆概率偏差(CEP，Circular Error Probability)评定方法研究。第二，结合“十五”武器装备预先研究项目，进行了小子样大型复杂系统的Bayes可靠性评估方法研究，创造性地研制了一种系统Bayes可靠性评估(SBRA，Systems Bayesian Reliability Assessment)软件，以提高小子样大型复杂系统的可靠性评估水平。