Muchos esquemas de cuantificación de incertidumbre (UQ) basados en probabilidades requieren una gran cantidad de datos muestreados para construir modelos de función de densidad de probabilidad (PDF) creíbles para parámetros inciertos. Desafortunadamente, la cantidad de datos recopilados sobre las palas de compresores de motores aéreos está mayormente limitada debido a las pruebas costosas y que consumen mucho tiempo. En este artículo, desarrollamos un método de caos polinómico basado en precondicionadores y orientado a datos (PDDPC) que puede manejar de manera eficiente la propagación de incertidumbre con cantidades limitadas de datos muestreados. La precisión del cálculo de un método PDDPC está estrechamente relacionada con el tamaño de la muestra de datos recopilados. Por lo tanto, se investiga la influencia del tamaño de la muestra en este método PDDPC utilizando una función de prueba no lineal. Posteriormente, consideramos los errores de fabricación reales en los ángulos de escalonamiento para las palas de compresores. Bajo tres condiciones de operación diferentes, se aplica el método PDDPC para investigar el efecto del error en el ángulo de escalonamiento sobre los resultados de UQ de múltiples parámetros aerodinámicos de una pala de compresor bidimensional. Los resultados muestran que a medida que aumenta el tamaño de la muestra de datos medidos, los resultados de UQ relacionados con el rendimiento aerodinámico obtenidos por el método PDDPC convergen gradualmente. Existe un tamaño de muestra crítico que asegura un análisis de UQ preciso de las palas de compresores. La información de probabilidad contenida en los datos de error de mecanizado se analiza a través de la divergencia de Kullback-Leibler, y se determina el tamaño de muestra crítico. Los resultados de la investigación pueden servir como una referencia valiosa para el análisis de UQ rápido y económico de palas de compresores en la ingeniería práctica.