武器系统精度评估是一项复杂的工程，涉及了各种各样的信息，如何充分利用信息对其做出比较客观准确的评估一直是一个难题。Bayes小子样理论可以有效地融合定型试验前的各种信息，结合少量的定型试验信息评估系统的性能。本文主要针对弹点散布方差进行评估。首先，本文讨论了验前信息的一般性理论，包括验前信息的获取、验前信息的折合、多源验前信息的融合、无信息先验分布以及验前分布的表示等问题，使得Bayes小子样理论的运用有一个良好的基础。第三章中考虑到实际评估过程中，通常遇到的是具有多阶段试验信息的问题，此时精度参数的估计问题也是一个动态时变的问题。根据“先验”和“后验”的相对性原理，建立了弹点散布方差的动态修正Bayes估计模型。仿真结果表明，相对于传统矩估计，方差的动态修正Bayes估计明显提高了估计精度，解决了小样本带来的困难。第四章中讨论了Bootstrap法和BayesianBootstrap法在精度评估中的应用。对于多种信息源之下的验前信息，给出了先验分布的融合估计，并建议对动态修正Bayes参数估计模型进行自助调整，并给出具体方案。第五章中结合加权先验与信息论的思想将参数的动态修正Bayes估计方案进一步推广，有效又合理地利用现场试验之前的历史信息进行参数的统计推断。