在研究一些产品可靠性的时候,通常把产品分为可修产品和不可修产品。可修产品是指当产品失去规定的功能后可以通过检修恢复其功能;而当产品失去规定的功能后检修是不可能的,并且产品发生失效后被废弃,则称该产品为不可修产品。如果不可修产品失去了规定的功能,则称产品发生失效。因此对于成比例失效模型统计推断的研究正在引起广泛的关注。Kamps(1995)提出了广义次序统计量(GOS)的概念。GOS是各种常用的次序统计量的推广。因此可以把常见的各种形式次序统计量的分布理论统一到GOS的分布理论。本文讨论的内容是成比例失效模型基于广义次序统计量的统计推断方法研究。本文首先介绍了成比例失效模型、失效率、可靠度函数、逐次定数截尾样本、上记录值、广义次序统计量、广义推断以及替换方法的基本概念。接着研究了成比例失效模型基于广义次序统计量的推断方法研究,利用概率积分变换和指数分布的无记忆性把广义次序统计量转化为独立同分布的随机变量,从而可以构造准样本和枢轴量。然后利用广义统计推断方法得到成比例失效模型参数的广义枢轴量,并通过逆估计方法来求解参数的点估计。然后以Weibull分布为例,得到相应的结果,并后续再推导得到Weibull分布相应的可靠性特征的广义置信区间。在此基础上,分别考察成比例失效模型基于逐次定数截尾样本和上记录值的推断方法,并依然以Weibull分布为例,分别得到相应具体的结果。最后对广义Pareto分布基于广义次序统计量的推断方法进行研究,并考察基于完全样本的广义Pareto分布参数的广义置信区间以及点估计,再与最大似然估计以及M估计方法通过Monte Carlo模拟方法进行点估计的比较,得到我们的点估计方法即逆估计方法是好的;再通过90%和95%分位数模拟得到我们方法的置信区间的模拟覆盖率,并与基于M估计的boostrap方法(Ye的方法)进行比较,得出我们的方法不论是尺度参数还是形状参数,模拟的覆盖率相比较Ye的方法,更接近名义的覆盖率。当形状参数ζ<0的时候,我们方法的区间长度相比Ye的方法要更接近真实参数的值。继续考察广义Pareto分布基于上记录值的点估计推断方法,并依然与最大似然估计方法比较,得出我们方法(逆估计方法)要好;然后通过90%和95%分位数模拟得到我们方法的广义置信区间的模拟覆盖率,和名义覆盖率相比较基本一致,表明我们的方法是有效的。