实时数据库被广泛应用于市场预测、制造工程监控、传感器网络、军事指挥系统等领域，这些应用产生的数据往往存在不确定性。而传统的实时数据库不能有效管理不确定数据，因此有必要将概率数据库技术与实时数据库技术进行有机集成。实时概率数据库系统将数据的不确定性与数据处理的实时性相结合。事务的调度处理是实时数据库的研究热点之一。在传统的确定实时数据库中，主要从实时事务的紧迫程度和重要性来考虑事务的调度策略，而一般概率数据库没有考虑数据处理与事务的实时性，仅用传统的数据库事务处理方法对事务进行处理。由于实时概率数据库中事务处理的数据具有不确定性，实时事务的优先级分派及实时事务处理应同时考虑事务处理结果的质量估计、事务的紧迫度以及重要性等信息。在事务预分析时，对事务处理结果的质量进行衡量是不现实的，考虑到事务处理结果与其处理数据之间的关系，提出了基于实时事务预分析对事务存取数据进行不确定度估算的方法。当不确定关系中数据量较大时，直接访问关系中元组来预估事务的存取数据集的不确定度将会耗费大量的时间。为了提高事务存取集不确定度估算的效率，提出一种新的直方图模型（称为P-histogram模型）来对不确定关系中的数据进行压缩，在该模型基础上能够迅速对事务数据存取集的不确定度进行估算，并且可以通过对P-histogram模型改进来提高该不确定度估算的准确性。在得到事务的数据存取集不确定度后，综合考虑事务的影响因素，提出了实时事务的虚结合和结合优先级分派策略。基于自行研发的实时概率数据库管理系统RTx-PDB，对实时事务的虚结合和结合优先级分派策略的性能进行了实验验证，结果表明本文提出的优先级分派策略在保证传统实时事务优先级分派策略性能的情况下，能使事务处理的结果集不确定度降低10%以上。