دو سیستم موازی  را در نظر بگیرید بطوریکه هر کدام از دو مولفه با طول عمرهای مستقل نمایی تعمیم‌یافته تشکیل شده‌اند. در این مقاله، بر اساس پارامترهای شکل و مقیاس موجود در توزیع طول عمر یکی از سیستم‌ها، ناحیه‌ای معرفی می‌شود بطوریکه اگر بردار پارامترهای مقیاس سیستم دیگری در این ناحیه قرار گیرد، آنگاه ترتیب تصادفی نسبت درستنمایی میان طول عمر دو سیستم برقرار است. همچنین تعمیمی از این نتیجه به حالتی که طول عمرهای مولفه‌ها از توزیع وایبول نمایی‌شده پیروی می‌کنند نیز ارائه شده است. 

یکی از مهم‌ترین چالش‌ها در بحث داده‌های سانسور فزاینده نوع دو، تعیین طرح برداشت است. طرح برداشت می‌تواند ثابت باشد یا به صورت تصادفی، برطبق  توزیع احتمال گسسته‌ای، انتخاب شود. در این مقاله ابتدا، دو توزیع توأم گسسته برای برداشت‌های تصادفی تحت توزیع طول عمر وایبل دو پارامتری معرفی می‌شوند. روش‌های پیشنهادی مبتنی بر  فواصل نرمالیده  آماره‌های مرتب سانسور فزاینده نوع دو نمایی است. همچنین  امید ریاضی زمان مورد انتظار تحت روش‌های پیشنهادی به دست آمده  است. برآورد پارامترها بر اساس روش‌های ماکسیمم درستنمایی، کمترین توان های دوم و ماکسیمم حاصل‌ضرب فاصله‌ای حاصل می شوند. در ادامه، با استفاده از روش‌های  شبیه‌سازی مونت کارلو،  الگوهای برداشت پیشنهادی با الگوهای برداشت یکنواخت گسسته، دوجمله‌ای و طرح‌های برداشت ثابت از لحاظ اریبی، مجذور میانگین مربع خطای برآوردگرها و امید ریاضی زمان کل مورد انتظار آزمایش مقایسه می شوند. همچنین، نسبت امید ریاضی زمان مورد انتظار تحت سانسور فزاینده نوع دو نیز به، حالت بدون برداشت بررسی می‌شود. سرانجام، عملکرد رهیافت‌های پیشنهادی، در یک مجموعه داده  واقعی  نشان داده می‌شود.

در این مقاله، تحت نمونه‌های سانسور فزاینده پیوندی بهبود یافته، برآورد بیزی پارامتر قابلیت اعتماد چندمؤلفه‌ای با مؤلفه‌های مقاومت غیر یکسان در توزیع گومپرتز تعمیم‌یافته یکه، بررسی می‌شود. این مسئله در سه حالت مختلف حل شده است. در حالت اول، فرض می‌شود که متغیرهای تنش و مقاومت دارای پارامترهای غیر مشترک نامعلوم هستند. در حالت دوم  فرض می‌شود که متغیرهای تنش و مقاومت دارای دو پارامتر مشترک و یک پارامتر غیر مشترک هستند به‌طوری‌که همه این پارامترها نامعلومند. در حالت سوم، فرض می‌شود که متغیرهای تنش و مقاومت دارای دو پارامتر مشترک معلوم و یک پارامتر غیر مشترک نامعلوم هستند. در هر کدام از این حالت‌ها، برآورد بیزی پارامتر قابلیت اعتماد چندمؤلفه‌ای با مؤلفه‌های مقاومت غیر یکسان، به‌دست می‌آیند. در نهایت با روش شبیه‌سازی مونت کارلو عملکرد برآوردهای مختلف با هم مقایسه شده و نتایج روی یک سری داده واقعی پیاده‌سازی می‌شوند.

در این مقاله، استنباط ناپارامتری در سیستم‌های منسجم  k  مولفه‌ای هنگامی که داده‌های طول عمر سیستم، سانسور شده فزاینده نوع دو هستند مورد مطالعه قرار گرفته است. در این سیستم‌های منسجم، فرض می‌شود ساختار و اثر مشخصه سیستم مشخص هستند. بر اساس داده‌های طول عمر سیستم سانسور شده فزاینده نوع دو، بازه‌های اطمینان ناپارامتری برای چندک‌های توزیع طول عمر مولفه‌ها محاسبه شده‌ است. همچنین، حدود تحمل برای توزیع طول عمر مولفه‌ها نیز مورد بررسی قرار گرفته است. بازه‌های اطمینان ناپارامتری برای چندک‌ها و حدود تحمل بر اساس دو روش، روش تابع توزیع و روش ماتریس آمیخته W محاسبه شده است. برای تشریح بیشتر روش‌های بازه‌های اطمینان معرفی شده، سه مثال عددی ارائه و مورد بررسی قرار گرفته است.

در این مقاله، ویژگی‌های آنتروپی تسالیس طول عمر سیستم‌های منسجم با استفاده از مفهوم اثر مشخصه مورد بررسی قرار می‌گیرد. نتایج براساس این فرض است که توزیع طول عمر مؤلفه‌های سیستم‌ مستقل و همتوزیع هستند. به طور خاص، یک فرمول برای محاسبه آنتروپی تسالیس سیستم‌های منسجم ارائه شده است که برای مقایسه سیستم‌هایی با اثر مشخصه یکسان مورد استفاده قرار می‌گیرد. همچنین، کران‌هایی برای آنتروپی تسالیس طول عمر سیستم‌های منسجم ارائه می‌شود. این کران‌ها به خصوص زمانی که سیستم دارای تعداد زیادی مؤلفه یا ساختار پیچیده است، بسیار مفید هستند. در نهایت، یک معیار برای انتخاب سیستم ارجح از بین سیستم‌های منسجم بر اساس آنتروپی تسالیس نسبی ارائه می‌شود.

در این مقاله، معیار  اکستروپی باقیمانده تجمعی موزون پویا به عنوان تعمیمی از معیار اکستروپی باقیمانده تجمعی موزون معرفی می‌شود. ارتباط معیار پیشنهادی با معیارهای قابلیت اعتماد از قبیل میانگین باقیمانده عمر موزون، تابع نرخ خطر و گشتاور شرطی مرتبه دوم مورد مطالعه قرار می‌گیرد. همچنین، خواص مشخصه‌سازی، کران‌های بالا و پایین، نامساوی‌ها و ترتیب‌های تصادفی براساس اکستروپی باقیمانده تجمعی موزون پویا و تاثیر تبدیل خطی بر آن ارائه خواهد شد. سپس، یک برآوردگر ناپارامتری به روش تجربی برای معیار معرفی‌شده ارائه و خواص مجانبی آن مطالعه می‌گردد. در انتها، به ارائه کاربردی از اکستروپی باقیمانده تجمعی موزون پویا در انتخاب توزیع مناسب داده‌ها توسط یک مجموعه داده‌ واقعی پرداخته می‌شود.