在诸如社会学、医疗、工业技术、经济学和流行病学等领域的时间数据的研究中，考虑到，部分研究对象其实际的失效时间可能超出观测时间的上限，为成本计，人们通常会采用删失的方法进行处理。这会造成删失数据的存在。如何处理和分析删失数据是失效时间数据分析中的主要内容。关于右删失数据(T,?)的研究，大多数都是基于独立删失（Independent censoring or Non-informative censoring）假定进行的,即失效时间和删失时间相互独立。但是在很多实际问题中，这种独立假设常常不成立。因此相依删失的研究十分必要。在相依删失数据下，必须对删失时间和失效时间的相依关系进行描述。假定删失时间和失效时间的相依关系可以由一个copula函数表示。失效时间和删失时间的联合分布可以表示为它们边际分布的copula函数，通过对这个联合分布函数进行讨论，可以对于不同模型进行统计推断。　　本研究主要对相依右删失数据进行了讨论。基于两种模型进行研究：指数分布模型、cox比例风险模型。基于失效时间变量和删失时间变量的copula模型采用截面似然（profile likelihood）的办法构造似然函数，利用迭代计算的方法对似然函数进行求解。同时为了说明方法的有效性，对copula函数和copula函数中的参数进行敏感性分析。模拟计算结果显示，统计推断的结果关于copula函数比较稳健，但是对于copula函数中的参数十分敏感。