非参数分布分析(右删失)
该分析根据部分单元被移除或仍在运行(右删失)的寿命数据估计生存情况,无需假定 Weibull、对数正态或其他分布。输入失效时间或删失时间以及一个删失列。它使用 Kaplan-Meier 估计和 Greenwood 置信限。输出包括 Kaplan-Meier 表、带置信区间的中位寿命、修正均值和生存图。
最后审阅
核心要点
非参数分布分析(右删失)使用 Kaplan-Meier 法,不假定任何分布,直接根据含右删失单元的寿命数据估计产品的生存曲线和中位寿命。
用途
非参数分布分析(右删失)不假定 Weibull、对数正态或任何其他分布,直接根据寿命数据估计产品的生存曲线。它可处理观察停止时已被移除或仍在运行的单元(右删失)。当没有任何分布拟合良好或不想依赖某种分布时,可用它读取给定寿命下的生存率和中位寿命,也可用来核对参数拟合。
主要功能
- 在每个观测时间给出 Kaplan-Meier 生存估计,并附标准误和置信限。
- 每个时间点的风险集数量、失效数和删失标记。
- 带置信区间的中位寿命,以及均值估计。
- 失效数和右删失单元数。
- 带置信带的 Kaplan-Meier 生存图。
统计方法
在删失列中,等于删失值的行为右删失,其余每一行均为失效。Kaplan-Meier 估计为 S(t) = Π (1 − dⱼ / rⱼ),对所有失效时间 tⱼ ≤ t 求积,其中 dⱼ 为 tⱼ 时的失效数,rⱼ 为紧接 tⱼ 之前仍处于风险中的单元数。删失单元在其删失时间离开风险集,且不引起阶跃,因此它在该时间之前算作存活,此后不再计入。曲线只在失效时间处下降。
标准误为 S(t) 乘以 Greenwood 和 Σ dⱼ / (rⱼ(rⱼ − dⱼ)) 的平方根。置信限采用 Greenwood 公式的指数(log-log)形式,使其保持在 0 和 1 之间。中位数是 S(t) 首次降到 0.5 或以下的时间;其置信区间从下限带首次降到 0.5 或以下的时间,延伸到上限带首次降到 0.5 或以下的时间(Brookmeyer-Crowley 法)。如果曲线或置信带始终未达到 0.5,则中位数或其置信限无法估计。
Mean(corrected) 是 Kaplan-Meier 阶梯曲线从 0 到最大观测时间之间的面积(受限均值):到第一个时间点之前 S = 1,之后每个估计值保持到下一个所列时间。如果最大的观测值是删失的,曲线尚未降到 0,真实均值更大,因此工具会添加警告。最后一次失效之后,估计值保持不变:数据对该时间之后的失效没有任何说明。
输入字段和选项
字段 | 说明 |
Variable | 必填。失效时间,或对被移除或仍在运行的单元为删失时间。 |
Use censoring column | 必填。等于删失值的行为右删失;其余每一行均为失效。每一行都需要有值。 |
Censoring value | 删失列中用于标记删失单元的值。默认为 0,因此 1 = 失效。 |
Confidence level (%) | 用于生存率和中位数的置信限。默认为 95;范围 50 至 99.99。 |

图 1 — 示例的选项:80 °C 下绕组的试验时间(Temp80),删失列为 Cens80,删失值为 0。
输出说明
- Censoring table — 未删失(失效)值和右删失值的个数。
- Characteristics — Mean(corrected) 和 Median,以及中位数的置信限。
- Notes — 例如,因最大观测值被删失而使均值被低估,或中位数无法估计时的提示。
- Kaplan-Meier table — Time、Number at Risk、Number of Events、Censored、Survival Probability、Standard Error 和置信限。
- Kaplan-Meier Survival Plot — 带置信带的阶梯状生存曲线。
- 通过 Download 导出 PDF。

图 2 — 50 个绕组的 Characteristics、Kaplan-Meier 表的开头以及生存图:中位寿命 55 小时(95% CI 51 至 62)。
计算示例
一位可靠性工程师在 80 °C 下测试 50 个涡轮发动机绕组。37 个失效,13 个在失效前被移除。工程师希望在不假定任何分布的情况下,了解有多少绕组能存活到给定寿命,以及中位寿命是多少。他们设置 Variable = Temp80、Use censoring column = Cens80 和 Censoring value = 0,并保持 95% 置信水平。
中位寿命为 55 小时,95% 置信区间为 51 至 62 小时。估计的生存率在 50 小时为 0.66(95% CI 0.51 至 0.77),在 60 小时为 0.40(0.27 至 0.53)。表在每次失效处下降,例如在 51 小时有四个绕组同时失效,从 0.66 降到 0.58。最后一次失效发生在 74 小时;此后所有剩余绕组都被移除,因此曲线保持在 0.258,数据无法说明这些绕组本来会在何时失效。Mean(corrected) 为 63.7 小时,并带有提示:由于最大观测值(105 小时)被删失,该均值被低估。
对工程师而言,55 小时的中位数是最直接的答案,且不假定任何模型。对同一数据拟合 Weibull(Distribution Overview Plot 或 Parametric Distribution Analysis),50 小时的生存率为 0.66,与 Kaplan-Meier 估计一致,但 60 小时为 0.53,而此处为 0.40,中位数为 62.6 小时。这一差异显示了 Weibull 模型与数据的分歧之处,而报告哪个中位数,取决于是否信任模型在其与数据吻合的区域之外的结果。
常见问题
什么是 Kaplan-Meier 估计?
Kaplan-Meier 估计是一种非参数生存曲线 S(t),计算方法是对直到 t 的所有失效时间求 (1 - d/r) 的乘积,其中 d 为某一时间的失效数,r 为紧接其之前仍处于风险中的单元数。删失单元离开风险集而不引起阶跃,因此曲线只在失效时间处下降。
何时应使用非参数而不是参数分布分析?
当没有任何分布拟合良好或不想依赖某种分布时,使用非参数 Kaplan-Meier 分析读取给定寿命下的生存率和中位寿命。它也可用来核对参数拟合,显示 Weibull 等模型与数据的分歧之处。
如何求得中位寿命及其置信区间?
中位数是生存估计首次降到 0.5 或以下的时间。其置信区间从下限带首次降到 0.5 或以下的时间,延伸到上限带首次降到 0.5 或以下的时间(Brookmeyer-Crowley 法)。如果曲线或置信带始终未达到 0.5,则中位数或其置信限无法估计。
为什么 Kaplan-Meier 均值被标注为低估?
Mean(corrected) 是 Kaplan-Meier 阶梯曲线直到最大观测时间的面积。如果最大的观测值是删失的,曲线尚未降到 0,真实均值更大,因此会添加警告。最后一次失效之后,估计值保持不变,因为数据对该时间之后的失效没有任何说明。
