非參數分配分析(右設限)
該分析根據部分單元被移除或仍在執行(右設限)的壽命資料估計存活情況,無需假定 Weibull、對數常態或其他分配。輸入失效時間或設限時間以及一個設限欄。它使用 Kaplan-Meier 估計和 Greenwood 信賴限。輸出包括 Kaplan-Meier 表、帶信賴區間的中位壽命、修正平均值和存活圖。
最後審閱
核心要點
非參數分配分析(右設限)使用 Kaplan-Meier 法,不假定任何分配,直接根據含右設限單元的壽命資料估計產品的存活曲線和中位壽命。
用途
非參數分配分析(右設限)不假定 Weibull、對數常態或任何其他分配,直接根據壽命資料估計產品的存活曲線。它可處理觀察停止時已被移除或仍在執行的單元(右設限)。當沒有任何分配配適良好或不想依賴某種分配時,可用它讀取給定壽命下的存活率和中位壽命,也可用來核對參數配適。
主要功能
- 在每個觀測時間給出 Kaplan-Meier 存活估計,並附標準誤和信賴限。
- 每個時間點的風險集數量、失效數和設限標記。
- 帶信賴區間的中位壽命,以及平均值估計。
- 失效數和右設限單元數。
- 帶信賴帶的 Kaplan-Meier 存活圖。
統計方法
在設限欄中,等於設限值的欄為右設限,其餘每一列均為失效。Kaplan-Meier 估計為 S(t) = Π (1 − dⱼ / rⱼ),對所有失效時間 tⱼ ≤ t 求積,其中 dⱼ 為 tⱼ 時的失效數,rⱼ 為緊接 tⱼ 之前仍處於風險中的單元數。設限單元在其設限時間離開風險集,且不引起階躍,因此它在該時間之前算作存活,此後不再計入。曲線只在失效時間處下降。
標準誤為 S(t) 乘以 Greenwood 和 Σ dⱼ / (rⱼ(rⱼ − dⱼ)) 的平方根。信賴限採用 Greenwood 公式的指數(log-log)形式,使其保持在 0 和 1 之間。中位數是 S(t) 首次降到 0.5 或以下的時間;其信賴區間從下限帶首次降到 0.5 或以下的時間,延伸到上限帶首次降到 0.5 或以下的時間(Brookmeyer-Crowley 法)。如果曲線或信賴帶始終未達到 0.5,則中位數或其信賴限無法估計。
Mean(corrected) 是 Kaplan-Meier 階梯曲線從 0 到最大觀測時間之間的面積(受限平均值):到第一個時間點之前 S = 1,之後每個估計值保持到下一個所列時間。如果最大的觀測值是設限的,曲線尚未降到 0,真實平均值更大,因此工具會新增警告。最後一次失效之後,估計值保持不變:資料對該時間之後的失效沒有任何說明。
輸入欄位和選項
欄位 | 說明 |
Variable | 必填。失效時間,或對被移除或仍在執行的單元為設限時間。 |
Use censoring column | 必填。等於設限值的欄為右設限;其餘每一列均為失效。每一列都需要有值。 |
Censoring value | 設限欄中用於標記設限單元的值。預設為 0,因此 1 = 失效。 |
Confidence level (%) | 用於存活率和中位數的信賴限。預設為 95;範圍 50 至 99.99。 |

圖 1 — 範例的選項:80 °C 下繞組的試驗時間(Temp80),設限欄為 Cens80,設限值為 0。
輸出說明
- Censoring table — 未設限(失效)值和右設限值的個數。
- Characteristics — Mean(corrected) 和 Median,以及中位數的信賴限。
- Notes — 例如,因最大觀測值被設限而使平均值被低估,或中位數無法估計時的提示。
- Kaplan-Meier table — Time、Number at Risk、Number of Events、Censored、Survival Probability、Standard Error 和信賴限。
- Kaplan-Meier Survival Plot — 帶信賴帶的階梯狀存活曲線。
- 透過 Download 匯出 PDF。

圖 2 — 50 個繞組的 Characteristics、Kaplan-Meier 表的開頭以及存活圖:中位壽命 55 小時(95% CI 51 至 62)。
計算範例
一位可靠度工程師在 80 °C 下測試 50 個渦輪發動機繞組。37 個失效,13 個在失效前被移除。工程師希望在不假定任何分配的情況下,瞭解有多少繞組能存活到給定壽命,以及中位壽命是多少。他們設定 Variable = Temp80、Use censoring column = Cens80 和 Censoring value = 0,並保持 95% 信賴水準。
中位壽命為 55 小時,95% 信賴區間為 51 至 62 小時。估計的存活率在 50 小時為 0.66(95% CI 0.51 至 0.77),在 60 小時為 0.40(0.27 至 0.53)。表在每次失效處下降,例如在 51 小時有四個繞組同時失效,從 0.66 降到 0.58。最後一次失效發生在 74 小時;此後所有剩餘繞組都被移除,因此曲線保持在 0.258,資料無法說明這些繞組本來會在何時失效。Mean(corrected) 為 63.7 小時,並帶有提示:由於最大觀測值(105 小時)被設限,該平均值被低估。
對工程師而言,55 小時的中位數是最直接的答案,且不假定任何模型。對同一資料配適 Weibull(Distribution Overview Plot 或 Parametric Distribution Analysis),50 小時的存活率為 0.66,與 Kaplan-Meier 估計一致,但 60 小時為 0.53,而此處為 0.40,中位數為 62.6 小時。這一差異顯示了 Weibull 模型與資料的分歧之處,而報告哪個中位數,取決於是否信任模型在其與資料吻合的區域之外的結果。
常見問題
什麼是 Kaplan-Meier 估計?
Kaplan-Meier 估計是一種非參數存活曲線 S(t),計算方法是對直到 t 的所有失效時間求 (1 - d/r) 的乘積,其中 d 為某一時間的失效數,r 為緊接其之前仍處於風險中的單元數。設限單元離開風險集而不引起階躍,因此曲線只在失效時間處下降。
何時應使用非參數而不是參數分配分析?
當沒有任何分配配適良好或不想依賴某種分配時,使用非參數 Kaplan-Meier 分析讀取給定壽命下的存活率和中位壽命。它也可用來核對參數配適,顯示 Weibull 等模型與資料的分歧之處。
如何求得中位壽命及其信賴區間?
中位數是存活估計首次降到 0.5 或以下的時間。其信賴區間從下限帶首次降到 0.5 或以下的時間,延伸到上限帶首次降到 0.5 或以下的時間(Brookmeyer-Crowley 法)。如果曲線或信賴帶始終未達到 0.5,則中位數或其信賴限無法估計。
為什麼 Kaplan-Meier 平均值被標註為低估?
Mean(corrected) 是 Kaplan-Meier 階梯曲線直到最大觀測時間的面積。如果最大的觀測值是設限的,曲線尚未降到 0,真實平均值更大,因此會新增警告。最後一次失效之後,估計值保持不變,因為資料對該時間之後的失效沒有任何說明。
