脉冲计量领域中取样示波器校准的评定标准是进行不确定度评定与表示，不确定度评定方法直接决定了不确定度评定的质量，传统的不确定度评定方法是在《不确定度评定与表示指南》即GUM中规定的线性传递方法，该方法是依据不确定度传播原理，因此需要估计出输入量的数学模型，而数学模型的确定又是根据泰勒级数展开来近似确定，随着越来越多的人使用该方法，人们发现线性传递方法在处理复杂模型时十分困难，表现在计算量非常大，而且由于数学模型是近似确定的，使得结果不准确；B类标准不确定度在自由度的计算上带有很强的主观性，也使得计算结果不准确；另外很多时候人们更希望获得指定概率下的包含区间，而不是标准不确定度，而线性传递方法直接获得的结果是标准不确定度，而不是包含区间，包含区间虽然可以通过标准不确定度按照一定方法计算得到，但是这只是在测量模型为对称的情况下才成立，如果输入量或测量模型的非对称性很严重时，就不能通过标准不确定度来获得包含区间了，并且此时计算偏导数也成为了一个非常困难的问题。基于以上这些因素，人们开始研究线性传递方法以外的方法，来完成测量不确定度的评定，蒙特卡罗方法即MCM已经被证明是线性传递方法的一个很好的代替方法，MCM弥补了线性传递方法的不足，即MCM不需要模拟输入量的分布，不需要计算复杂的偏导数，可以直接获得输出量指定概率下的包含区间以及标准不确定度。本文在实验系统平台的基础上，对MCM做了深入的理论研究与实际应用。首先介绍了与本课题相关的课题背景，以及相关概念，本文还对传统的线性传递方法进行了理论研究，指出线性传递方法存在的不足。其次对MCM进行了深入的理论研究，研究了MCM的发展、基本原理以及使用MCM应该注意的一些关键问题：输入量分布的确定、伪随机数的产生、样本容量M值的确定方法。自适应MCM作为MCM的一种改进，本文也对自适应MCM进行了研究，并使用编程实现了该算法。另外本文研究了如何使用MCM验证线性传递方法，并举例证明，最终得到了MCM的适用范围大于线性传递方法，可以使用MCM验证线性传递方法。最后通过搭建实验平台，完成数据采集，获得应用MCM计算测量不确定度所需要的数据，在此基础上首先进行MCM计算测量不确定度的仿真实验,其次进行MCM计算测量不确定度真实数据实验，通过实验证明了MCM可以很好地完成测量不确定度的评定工作，应用MCM扩展了我国测量不确定度评定方法，有助于提高我国脉冲参数国家基准。