| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11页 |
| 表清单 | 第11-12页 |
| 1. 引言 | 第12-19页 |
| ·不确定度概述 | 第13页 |
| ·研究背景 | 第13-14页 |
| ·研究现状 | 第14-16页 |
| ·贝叶斯原理 | 第15-16页 |
| ·信息熵原理 | 第16页 |
| ·其他方法 | 第16页 |
| ·方法评述与课题提出 | 第16-17页 |
| ·课题的来源及主要研究内容 | 第17-19页 |
| 2. 小样本测量不确定度理论基础 | 第19-28页 |
| ·小样本测量不确定度评定 | 第19-25页 |
| ·贝叶斯方法 | 第19-20页 |
| ·信息熵方法 | 第20-23页 |
| ·蒙特卡罗方法 | 第23-25页 |
| ·测量不确定度控制 | 第25-28页 |
| ·控制概述 | 第25-26页 |
| ·常规控制图 | 第26页 |
| ·模型控制图 | 第26-28页 |
| 3. 基于小样本的贝叶斯先验分布的研究 | 第28-42页 |
| ·贝叶斯方法概述 | 第28-32页 |
| ·贝叶斯先验分布的研究方法 | 第29-31页 |
| ·贝叶斯先验分布的研究现状及方法评述 | 第31-32页 |
| ·基于分位数和Bootstrap的贝叶斯先验分布的研究 | 第32-35页 |
| ·概率权重矩 | 第33-34页 |
| ·分位数函数的矩 | 第34页 |
| ·贝叶斯分位数函数的先验分布的计算 | 第34-35页 |
| ·先验分布的不确定度的评定 | 第35-39页 |
| ·最佳估计值和标准差 | 第36-37页 |
| ·基于Bootstrap的区间估计 | 第37-38页 |
| ·实例 | 第38-39页 |
| ·先验分布的不确定度的控制 | 第39-41页 |
| ·基于分位数的不确定度控制 | 第40页 |
| ·基于GUM常规方法的不确定度控制 | 第40-41页 |
| ·结论 | 第41-42页 |
| 4. 基于小样本的贝叶斯后验分布的研究 | 第42-55页 |
| ·贝叶斯后验分布的概述 | 第42-43页 |
| ·基于MCM的贝叶斯后验分布的研究 | 第43-47页 |
| ·分布传播原理 | 第44-45页 |
| ·各影响量PDF的确定 | 第45页 |
| ·仿真次数M的确定 | 第45-47页 |
| ·基于MCM的不确定度评定 | 第47-48页 |
| ·最佳估计值和标准不确定度的确定 | 第47-48页 |
| ·扩展不确定度的确定 | 第48页 |
| ·基于MCM的不确定度控制 | 第48-54页 |
| ·MCM概率分布的特性和特征值 | 第48-49页 |
| ·控制图控制限的确定 | 第49页 |
| ·基于MCM的模型控制图步骤 | 第49-50页 |
| ·案例 | 第50-53页 |
| ·两种控制图的比较 | 第53-54页 |
| ·小结 | 第54-55页 |
| 5. 结束语 | 第55-57页 |
| ·研究成果 | 第55-56页 |
| ·研究展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |