मध्यम-रैंक सेट सैंपलिंग का उपयोग करते हुए तनाव-शक्ति मॉडलिंग का विश्लेषण इसके चित्रण के साथ

यह अध्ययन तनाव–शक्ति विश्वसनीयता मॉडल के अनुमान पर केंद्रित है, विशेष रूप से पहले मॉडल में सूत्र: पाठ देखें, जहाँ शक्ति चर सूत्र: पाठ देखें और तनाव चर सूत्र: पाठ देखें समान वितरण का पालन करते हैं, और दूसरे मॉडल में सूत्र: पाठ देखें, जहाँ शक्ति चर सूत्र: पाठ देखें और तनाव चर सूत्र: पाठ देखें भिन्न वितरण होते हैं। पहले मॉडल में, हम मानते हैं कि तनाव चर सूत्र: पाठ देखें और शक्ति चर सूत्र: पाठ देखें सामान्यीकृत समानांतर वितरण का पालन करते हैं। इसके विपरीत, दूसरे मॉडल में, शक्ति चर सूत्र: पाठ देखें को सामान्यीकृत समानांतर वितरण होने का अनुमानित किया गया है, जबकि तनाव चर सूत्र: पाठ देखें वेइबुल वितरण का पालन करता है। यह शोध विभिन्न परिदृश्यों की जांच के लिए मध्य-रैंक सेट सैंपलिंग (MRSS) तकनीक का उपयोग करता है, इस धारणा पर काम करते हुए कि मॉडल में चर स्वतंत्र हैं। अधिकतम संभाव्यता तकनीक का उपयोग करके और MRSS डिज़ाइन को लागू करके, हम दोनों मॉडलों के लिए विश्वसनीयता अनुमानों को प्राप्त करते हैं, यह ध्यान में रखते हुए कि शक्ति और तनाव चर शायद समान या भिन्न सेट आकार रख सकते हैं। विभिन्न अनुमानों की सटीकता और स्पष्टता को मान्य करने के लिए एक सिमुलेशन अध्ययन किया गया है। अधिकांश मामलों में, सिमुलेशन के परिणाम यह दर्शाते हैं कि पहले मॉडल के लिए विश्वसनीयता के अनुमान दूसरे मॉडल की तुलना में अधिक सटीक हैं। इसके अलावा, पहले मॉडल की विश्वसनीयता हमेशा दूसरे मॉडल के विश्वसनीयता अनुमान से अधिक होती है। अवधारणाओं को स्पष्ट करने के लिए जीवित बचने वाले डेटा का उपयोग किया गया है, जो सैद्धांतिक निष्कर्षों के सत्यापन की अनुमति देता है।