Como un tipo de sensor magnético conocido por su alta fiabilidad y larga vida útil, los problemas de fiabilidad de los sensores de corriente Hall han atraído la atención en campos como la compatibilidad electromagnética. Sin embargo, todavía falta suficiente datos de fallos para la predicción de fiabilidad. Por lo tanto, se propone un método de predicción de fiabilidad de pequeña muestra basado en el método de Bayes mejorado. En primer lugar, los datos de vida útil de pseudo-fallo se obtienen a través de pruebas de degradación acelerada de sensores de corriente Hall sometidos a estresores de temperatura y humedad, y la vida se examina mediante la distribución de Weibull; luego, los datos ampliados utilizando el modelo de red neuronal BP se utilizan como información a priori, y la estimación de parámetros de la distribución de Weibull se obtiene mediante el método Bootstrap y muestreo de Gibbs; finalmente, se implementa el modelo acelerado de Peck para lograr la predicción de fiabilidad normal de temperatura-humedad de los sensores de corriente Hall bajo estrés, y se confirma la utilidad de la técnica de Bayes mejorada a través de la aplicación del modelo de proceso estocástico de Wiener.