混凝土强度评定标准差未知统计方法在小样本情况下，可以采用以下几种方法进行计算：
一、贝叶斯估计法
贝叶斯估计法是一种常用的统计方法，适用于小样本情况。该方法基于先验信息和样本数据，通过贝叶斯公式计算出后验概率分布，从而得到参数的估计值。
1. 确定先验分布：根据已有的知识或经验，为混凝土强度评定标准差设定一个先验分布。常见的先验分布有正态分布、均匀分布等。
2. 样本数据：收集混凝土强度评定数据，得到样本均值和样本方差。
3. 计算后验分布：根据贝叶斯公式，结合先验分布和样本数据，计算混凝土强度评定标准差的后验分布。
4. 后验估计：从后验分布中，选取一个合适的参数值作为混凝土强度评定标准差的估计值。
二、极大似然估计法
极大似然估计法是一种基于样本数据估计参数的方法，适用于小样本情况。该方法通过寻找似然函数的最大值，得到参数的估计值。
1. 确定概率分布：根据混凝土强度评定数据的特征，选择合适的概率分布，如正态分布、对数正态分布等。
2. 构建似然函数：根据选定的概率分布，构建似然函数。
3. 求解似然函数的最大值：利用数值方法（如梯度下降法、牛顿法等）求解似然函数的最大值，得到参数的估计值。
4. 标准差估计：根据参数的估计值，计算混凝土强度评定标准差的估计值。
三、经验公式法
经验公式法是一种基于经验数据估计参数的方法，适用于小样本情况。该方法通过分析已有数据，建立参数与样本数据之间的关系，从而得到参数的估计值。
1. 收集已有数据：收集与混凝土强度评定相关的已有数据，如混凝土配合比、施工工艺等。
2. 分析数据：对已有数据进行统计分析，找出参数与样本数据之间的关系。
3. 建立经验公式：根据分析结果，建立参数与样本数据之间的经验公式。
4. 标准差估计：根据经验公式，计算混凝土强度评定标准差的估计值。
四、最小二乘法
最小二乘法是一种常用的参数估计方法，适用于小样本情况。该方法通过最小化残差平方和，得到参数的估计值。
1. 建立模型：根据混凝土强度评定数据的特征，建立参数与样本数据之间的线性模型。
2. 计算残差：根据模型，计算样本数据与预测值之间的残差。
3. 最小化残差平方和：利用数值方法（如梯度下降法、牛顿法等）求解残差平方和的最小值，得到参数的估计值。
4. 标准差估计：根据参数的估计值，计算混凝土强度评定标准差的估计值。
在实际应用中，可以根据具体情况选择合适的统计方法进行混凝土强度评定标准差的计算。需要注意的是，在小样本情况下，参数估计的精度可能会受到一定的影响，因此在计算过程中应尽量提高样本数据的代表性。