有关可靠度验证试验的sample size计算
有遇到两个公式:1.zero-failuretest
SampleSizen=ln(1-ConfidenceLevel)/ln(Reliability)
2.n=chi-square(1-ConfidenceLevel,2(r+1))/2ln(Reliability)其中r为允许失效数.
请问有没有知道这两个公式的priorassumption和其推导过程,以及他们适用的条件.
[本帖最后由fuckit于2009-1-815:01编辑] 本帖最后由xlfeng于2017-4-1909:59编辑
keegan发表于2013-12-1316:34
我刚才阅读了您的解答，我有一个地方不明白：为什么（1-p）^nM=1-C？而不是（1-p）^nM=C？
因为，我感觉...
我只想纠正一个概念：置信度和可靠度是两个不同的概念，1-C是置信度。和是否失效无关，只是说这一结果是否可信。
例如：质检总局发布公告，公牛插座非常可靠，使用10年的可靠度90%。也就是说，10年后，有90%的东西是好的。
但是由于某些职能部门存在有偿新闻的问题，吃回扣。因此，质检总局的话并不完全可信。可信度（置信度
）60%。也就是说，10次报道中，6次是真话，4次是假话。
我看不到附件，哪位能否有详细的选择，有工业通用的吗？ 根据一个外国网站整理的excel档；
根据失效样品数、置信度、可靠度、样品数互相计算；
应用卡方检验；
FCRn; 正疑问Samplesize在什么范围内比较合理呢，受益良多^^ 本帖最后由amyliu2009于2010-6-1717:04编辑
公式2我也贴个我的推导过程，不知道是否正确
条件一：R(t)=e^t/MTBF
LnR(t)=-t/MTBF
MTBF=-t/lnR(t)
条件二：MTBF=2T/(χ2(1-CL,2r+2))
所以:(-t)/(lnR(t))=2T/(χ2(1-CL,2r+2))
(-χ2(1-CL,2r+2))/(2lnR(t))=T/t
n=T/t=(-χ2(1-CL,2r+2))/(2lnR(t))
第1个问题 zero-failure，已推导完毕
你好，你第1个问题----------------------------------------------------------
zero-failuretest
SampleSizen=ln(1-ConfidenceLevel)/ln(Reliability)
---------------------------------------------------------
推导过程，加之查阅资料是很爽的一件事。
谢谢你给了一个很专业、很学术的问题。我花了1个半小时，学习了解了什么是“零失效问题”，并推导完公式。
推导完，忽然开朗，原来不过如此。但
建议：你下次提问题时，请把问题的背景做详细交代，今天虽然让我学到了许多背景知识，但是说实话，太花时间
----------------------------------------------------------------------------------------------------------------
详细推导请看附件。 第2个问题，请补充相关背景资料。
我会尽快推导。 谢谢txz06
我自己也查看些资料,以下是我得到的结果:
第一个公式是在Binomial分布的假设下推导Successtesting(zero-failure)的samplesize,在这个假设条件下不需要知道产品寿命分布,二项式分布假设试验结果只有两个:GO/NG.这样投入n个样本试验去验证可靠性R(时间T),成功的机率是:
P=confidencelevel
R^n=1-ConfidenceLevel
取对数:n=ln(1-ConfidenceLevel)/ln(R)
精确的计算公式可以通过二项式分布的公式推导 第二个公式:
在exponentialDistribution下:
θ(MTBF)=T/r
P≥CL
其中2T/chi-square(1-CL,2(r+1))为θ(MTBF)LowconfidenceBoundary(极微θL)
P[θL≤θ]≥CL
P≥CL
R(Lowconfidence)=exp(-t*chi-square(1-CL,2(r+1))/2T)
T=-t*chi-square(1-CL,2r+2)/2ln(R)
samplesizen=t/T=-chi-square(1-ConfidenceLevel,2(r+1))/2ln(Reliability)
(1楼的公式少了负号) 这帖子不错让论坛增加学术气息
回复 4楼 fuckit 的帖子
第一个公式是在Binomial分布的假设下推导-----------------------------------------------------------
是的。
回复 5楼 fuckit 的帖子
请你把原始paper贴出来。因为涉及到卡氏分布（χ2）的一般都不好搞。
-------------------------------------------------------------------
建议：数学公式之类的，还是不要在网页上打。
回复 5楼 fuckit 的帖子
chi-square:这个分布可不是一言两语能说明白的。要弄白它，必须先搞懂gamma分布
-----------------------------------------------------------------
再次谢谢你提了个相当好的问题 学习了