Weibayes 估计值
有两种可能的方法可以获取 Weibayes 分析：
• 没有失效（所有观测均右删失）并且已选中首选项 Weibayes 仅适用于零失效数据，则显示 Weibayes 报表。请参见无失效数据的 Weibayes 示例。
• 有极少的失效。显示完整的“寿命分布”报表。拟合 Weibull 分布。在“参数估计值 - Weibull”报表中，选择“固定参数”选项。然后选择“固定参数”报表中的 Weibayes 选项。请参见有一个失效数据的 Weibayes 示例。
无失效数据的 Weibayes 示例
您有一种大体上可靠的产品的相关数据，其中 30 个经过 1,000 个小时的测试后未出现失效。您想要预测 2,000 个小时下的失效概率。
1. 选择帮助 > 样本数据库，然后打开 Reliability/Weibayes No Failures.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间并点击 Y，事件时间。
4. 选择删失并点击删失。
5. 选择频数并点击频数。
6. 将似然选作“置信区间方法”。
7. 点击确定。
特殊的“寿命分布”报表随即显示。Weibayes 和 Weibull beta 应已被选定。
8. 键入 1.5 作为已知的 Weibull β 值。
对本例而言，值 1.5 是合适的。
9. 点击更新。
10. 在“分布刻画器”中，为“时间”键入 2000。
图 3.18 零失效的“寿命分布”报表
从“分布刻画器”中，您可以看到在 2,000 个小时处，保守概率为 24.6058%。这意味着失效概率的单尾 95% 保守置信限为 24.6058%。
有一个失效数据的 Weibayes 示例
假定您还使用相同的数据，但这次在 800 个小时的时候出现了一个失效。您仍想预测 2,000 个小时下的失效概率。
1. 选择帮助 > 样本数据库，然后打开 Reliability/Weibayes One Failure.jmp。
2. 选择分析 > 可靠性和生存 > 寿命分布。
3. 选择时间并点击 Y，事件时间。
4. 选择删失并点击删失。
5. 选择频数并点击频数。
6. 将似然选作“置信区间方法”。
7. 点击确定。
“寿命分布”报表随即显示。
8. 选择“比较分布”图中的 Weibull 分布。
9. 点击“参数估计值 - Weibull”旁边的红色小三角并选择固定参数。
10. 选择“固定参数”报表中的 Weibayes 和 Weibull beta。
11. 键入 1.5 作为已知的 Weibull β 值。
12. 点击更新。
13. 在“分布刻画器”中，为“时间”键入 2000。
14. 悬停在 Y 轴顶部上方。光标将变为手形工具。将该轴向下拖动，直到最高处的值达到 0.5。
图 3.19 一个失效的“寿命分布”报表
在“分布刻画器”中，实线显示 MLE。虚线显示 Weibayes 保守限值。您可以看到在 2,000 个小时处，保守概率为 36.3351%。这意味着失效概率的单尾保守 95% 置信限为 36.3351%。