رکوردها در یک دنباله از مشاهدات مقادیری هستند که از مشاهدات ماقبل خود بزرگتر (کوچکتر) باشند. اجرای نمونه گیری دنباله ای تا کسب تعدادی مشخص از داده های رکوردی، در مقالات به روش نمونه گیری معکوس معروف است. در این حالت امید ریاضی زمان انتظار زمان انتظار بین دور رکورد نامتناهی است و تعدد داده های رکوردی مستخرج نیز محدود است. یکی از راهکارها برای مقابله با این مشکل، استفاده از طرح نمونه گیری تکراری به روش معکوس است. در این طرح با به کارگرفتن روش نمونه گیری معکوس ابتدا در مرحله اول k₁ رکورد را استخراج نموده و نمونه گیری را در این مرحله متوقف می سازیم. سپس در مرحله دوم با در نظر گرفتن نمونه ای مستقل از نمونه اول، k₂ رکورد بعدی را استخراج می نماییم و همین روند را تا رسیدن به تعداد رکوردهای مورد نظر ادامه می دهیم. در این مقاله حالتی را در نظر می گیریم که تعداد رکوردهای مستخرج در هر مرحله ثابت و همگی برابر k باشند. نتایج کلی برای چند رده مختلف از توزیع های مهم آماری به دست آمده و برخی از توزیع های مهم طول عمر از جمله توزیع نمایی، بر نوع دوازده و وایبول برای تشریح نتایج به دست آمده مورد استفاده قرار گرفته اند.

در این مقاله الگوی طول عمر برمبنای سیستم‌های سری با تعداد مؤلفه‌های تصادفی از خانواده توزیع‌های سری توانی در نظر گرفته شد. ابتدا  نتایج نظری پایه به‌دست آمده  که در ادامه از آن‌ها در مسئله بهینه‌سازی تعداد مؤلفه‌ها در سیستم‌های سری استفاده شده است. متوسط طول عمر سیستم، تابع هزینه و زمان کل آزمایش به عنوان معیارهای بهینه‌سازی تعداد مؤلفه‌ها مورد استفاده قرار گرفته‌اند. مسئله با جزئیات برای حالتی که طول عمر مؤلفه‌های سیستم دارای توزیع وایبل و تعداد مؤلفه‌ها دارای توزیع هندسی، لگاریتمی یا پواسن بریده‌شده در صفر باشد، بررسی  و نتایج به صورت تحلیلی و عددی بیان شده است. در پایان با ارائه یک مثال، از نتایج به‌دست آمده برای تحلیل داده‌های واقعی استفاده شده است.