Este documento propone un método de inferencia bayesiana para problemas con tamaños de muestra pequeños. Se propone un tipo general de prior no informativo para formular el posterior bayesiano. Se muestra que este tipo de prior puede representar una amplia gama de priors, como priors no informativos clásicos y priors asintóticamente localmente invariantes, y puede derivarse como los estados límite de priors conjugados normales-inversa-Gamma, lo que permite evaluaciones analíticas de posteriores y predictores bayesianos. Se compara el rendimiento de diferentes priors no informativos bajo tamaños de muestra pequeños utilizando la verosimilitud que combina tanto el ajuste como el rendimiento predictivo. Se utiliza la aproximación de Laplace para evaluar la verosimilitud. Se utilizó un problema realista de confiabilidad de fatiga para ilustrar el método. A continuación, se presenta una aplicación real de vida útil de disco de aero motor con dos muestras de prueba, y se comparan los resultados con el método existente.