飞思卡尔半导体公司
事件的频率来确定置信区间。
故障率和卡方之间的关系
分布如下：
新产品，他们已经把总共1000份上
每个高温保存试验500小时，其
对应的累计装置小时将50万
器件小时。供应商B已经在业务数
多年来对同一产品，并已累计50万测试
份为每10小时，在相同的条件下的一个部
在线老化测试，总共5000000设备小时。该
相应的故障率，为60％的置信水平
供应商A将1833配合，厂商B将有FIT
率183适合。
表1.卡方表
卡方分布函数
60 ％的置信水平
号失败
0
1
χ
2数量
1.833
4.045
6.211
8.351
10.473
12.584
14.685
16.780
18.868
20.951
23.031
25.106
27.179
90 ％的置信水平
号失败
0
1
2
3
4
5
6
7
8
9
10
11
12
χ
2
QUANTITY
4.605
7.779
10.645
13.362
15.987
18.549
21.064
23.542
25.989
28.412
30.813
33.196
35.563
l
L1
其中：
λ
=
L1 =
χ
2 =
α
=
D.F. =
r =
t =
+
x
2
a
， D.F.
2t
故障率
下一面置信下限
卡方功能
风险， （1-置信水平）
自由度= 2（ R + 1）
失败的次数
器件小时
飞思卡尔半导体公司...
卡方值的60％和90 ％置信区间
长达12故障示于表1中。
如该表中，当没有发生故障时，一个
估计该卡方分布区间为索取。
这个间隔估计然后可以用于求解该
故障率，如上所示的等式中。如果没有失败
发生，故障率估计的仅仅一个功能
累积装置小时。这种估计可能会有所不同dramati-
美云作为额外的设备时间积累。
作为显示设备时的影响力的一种手段
在故障率值，一个图形化的代表性没有失败
累计器件小时与故障率化
在适合测量示于图1 。
两个潜在的供应商之间最好的描述性的例子
正好说明这一点。如果供应商A被引入
2
3
4
5
6
7
8
9
10
11
12
109
108
107
故障率， [适合]
106
105
104
1,000
100
10
1
0.1
1
10
100
1,000
104
105
106
107
108
109
累积器件小时， [T]
图1.描写的影响在没有故障的累计器件小时
，故障率作为衡量适合。
1–4
为
www.motorola.com/semiconductors
产品，
更多有关该
转到： www.freescale.com
摩托罗拉传感器设备数据
