该表估计失效时间的最佳拟合模型。加速寿命试验模型的形式为：

Y = 截距 + 系数(X) + 尺度 (e)

其中：

·    Y：对数失效时间（Weibull、指数分布、对数正态和对数 Logistic）和极值分布、正态分布和 Logistic 分布的失效时间。

·    截距：对数失效时间或当变换后的加速变量和误差项的百分位数是 0 时的失效时间（取决于分布）。

·    系数：与 X 关联的回归系数。

·    X：变换后的加速变量。

·    尺度：尺度参数。对于 Weibull 分布，尺度 = 1.0/形状。

·    e：误差项。

应检查模型假设（分布、相等形状（Weibull 和指数分布）或相等尺度（其他分布）和变换）是否适合于数据。使用概率图检验模型的假定。这些诊断图可评估在温度上升的情况下模型的合适程度。然而，工程知识是验证在设计温度条件下模型是否合适的唯一方法。

由于在设计条件下失效时间的预测具有不确定性，因此应在具有更多信息（如现场数据）时定期进行评估。

估计法:极大似然
分布:   Weibull
与加速变量的关系:   常规加速
 
回归表
 
                                          95.0% 正态置信区间
自变量      系数    标准误      Z      P      下限      上限
截距    -17.0990   4.13633  -4.13  0.000  -25.2061  -8.99195
温度    0.755405  0.157076   4.81  0.000  0.447542   1.06327
形状    0.996225  0.136187                0.762071   1.30232
 
对数似然 = -191.130
                                                          

对于电子设备数据，在假定使用 Arrhenius 变换的 Weibull 分布情况下，该表提供了最佳拟合模型的估计值。估计模型为：

log(Y) = -17.0990 + 0.755405 X + (1.0/0.996225) * e

其中：

·    Y：电子设备的失效时间

·    X：[11604.83/(温度 + 273.16)]（Arrhenius 变换）

·    e：误差项（此处是位置 = 0 以及尺度 = 1 的极值分布。）