可靠性统计方法可以划分为三个发展阶段。
第一个阶段是统计学的工程应用。
这一阶段的主要特征是对产品发生的故障数据进行统计分析，即通过收集产品的故障数据，按组成产品的各单元发生故障的频数高低判明一个产品中的薄弱环节，为改进产品定位到某个单元或某个单元的故障模式。要提高这个单元的可靠性，还要进行深入的故障分析，才能找到故障的根本原因，聚焦到具体的设计、工艺参数，但是这一段已经不是可靠性统计方法的范畴了。这一阶段的可靠性理论基础是统计学，实践中强调的是故障数据收集、分析和反馈的及时性与有效性。在全球工业化快速发展的初期，可靠性统计方法应用十分普遍，因为工业品的批量化生产和使用，产品发生的故障数据也是惊人的，此时只要运用有效的管理手段将这些数据收集起来，统计学家可以迅速判明一个产品中哪个部分可靠度最差，而如何提高其可靠度的工作则留给了产品设计工程师。
第二个阶段是构建可靠性专业的理论话语。
这一阶段的主要特征是以可靠度的概率定义为基础，建立了以概率论为基础的可靠性指标体系，构建了可靠性作为一门独立专业所必要的理论话语。现代概率论是上个世纪30年代建立起来的一门数学分支，概率的提法很古老，但是概率论成为数学很年轻。所谓可靠性专业的理论话语，就是搞可靠性研究和应用的人建“群”了，有自己的符号语言了，群里的人说的话，群外边的人听不懂了。比如平均故障间隔时间、可靠寿命、使用寿命等术语，如果没有学过可靠性专业知识，仅凭字面理解，往往要搞错。这个特征标志着可靠性专业诞生了，这个有共同的理论话语的“群”，在学术上的正式称呼是“可靠性学术共同体”。可靠性专业独有的术语进入工程实践，使得可靠性工作不仅仅是统计学的简单应用了。可靠性理论中著名的浴盆曲线就是在这一时期通过大量的故障统计数据得到的。如果哪一类产品通过使用数据得到了浴盆曲线中的早期故障期，就表明企业的可靠性工作没起作用，因为这些早期故障不应该出现在用户使用中。
第三个阶段是构建可靠性专业的自洽性。
随着工业化、市场化的发展，企业和用户均难以接受产品在使用中出现大量的故障，因此需要在产品交付市场前做一些有效的工作。可靠性统计方法给出的解决方案是做统计试验，比如工程中常用的可靠性鉴定试验和验收试验，通过试验考核可靠性指标，把故障暴露在交付用户前，达到一定的可靠性指标才能交付用户。可靠性统计试验通过模拟产品的实际使用条件证明产品的可靠性指标，是可靠性理论与工程实践相结合的产物，它使可靠性专业进入了“有指标、可验证”的自洽性逻辑循环，极大地丰富了可靠性专业的实践话语。
在可靠性统计方法指导下，可靠性工程实践取得了长足的进步和发展。
但可靠性统计方法存在三个方面的弱点：
一是可靠性统计方法只能给出产品可靠性水平的评估结果，不能明确指明产品可靠性的改进方向。可靠性统计方法无论是基于产品的实际使用数据还是基于统计试验数据，都无法指出影响产品可靠性的根本原因。它只能关注产品的故障时间数据，无法关注产品内部是如何工作的或如何故障的，因此可靠性统计方法能给出的仅仅是产品可靠性水平高低的结论。如果在实践中要进一步提高产品可靠性水平，必须辅以有效的故障分析，找到引起故障的根本原因，再从设计、制造、使用和维护方面采取有针对性的改进措施。这一过程依赖于产品设计、制造和使用维护过程中的经验积累，而与可靠性统计方法的关联性不大了。
二是可靠性统计方法的应用必须等到产品经过试验或使用后得到故障数据，才能给出可靠性评估结果，这不能满足在产品研发早期进行可靠性分析评估的实践需求。
三是在相当多的情况下，故障数据难以满足统计学中大数定律的约束，使得可靠性统计方法给出的评估结果的可信度难以自圆其说。这三个方面的问题牵引着可靠性理论必须进一步发展。
作为可靠性工程师，如果只掌握了可靠性统计方法，则只能面对有大量的故障数据的情况，而工程实际中缺乏有效的数据是常态，这样的可靠性工程师在企业就容易被边缘化。
