对于传统小样本估计方法由于面临数据不足的问题从而无法准确的估计参数，工程上常用Bayesian Bootstrap方法对小样本下的性能参数进行估计；但是该方法对于具体问题是具有局限性的，本文介绍了一种改进的 Bayesian Bootstrap方法，该方法的优点在于不仅将原来的样本量进行了自助扩充，而且通过引入深度函数来降低了异常点的影响。从而有效的缩短了置信区间，提高了预测精度。最后通过具体实例验证了该方法的实用性和有效性。