开展寿命数据分析工作时，往往需要选择合适的参数估计方法对寿命数据进行参数估计以及可靠性计算。通常情况下，可以选择使用极大似然法（Maximum Likelihood Estimation，MLE)、秩回归方法（Rank Regression，也称最小二乘法）进行寿命数据分析。

秩回归法（最小二乘法），对于可线性化的函数来说，是一种非常好用的方法。也是工程上使用较多的方法。其原因之一是该方法的计算较为简单，计算速度较快、直接。通过计算都能够计算得到参数估计值。另外，秩回归法可以衡量所选的分布的拟合优度。秩回归方法适用于完整故障时间数据集（没有删失、没有区间删失的数据）。

极大似然法具有大样本特性，也正因如此，很多时候默认都选择极大似然法方法进行寿命数据分析、评估。极大似然法是一种渐近无偏估计方法，随着样本量的增大，估计值会逐渐收敛并接近准确值。这也意味着样本量越大，通过极大似然法得到的估计值越精确。反之，如果样本量较少，那么估计值偏差较大。那么，什么情况才算是大样本呢？一般认为样本量需要超过20甚至更多。

两种方法的优劣具体表现在以下几个方面：

第一、MLE在小样本情况下偏倚较大，但随着样本量的增大，逐渐接近真实值。

第二、LSE比MLE的估计方差要大。

第三、LSE比MLE的p值精确度要高。

第四、LSE比MLE对于参数估计的精确度要低。

第五、对于删失情形，LSE的可靠度较低，在极端情况下不可用，而MLE甚至在极端情况下可靠度也较高。

总之，如果样本量较小且删失不是特别严重，最好使用LSE，否则，一般情况下首选MLE。

此外，要注意对于3参数威布尔分布或其他3参数分布计算。MINITAB软件求似然函数的最大值时所用的方法是Newton- Raphson算法，对于3参数威布尔分布或其他3参数分布计算，对于某些数据来说，似然函数有时会出现无解的情况，因此一般的极大似然估计方法就不适用了。此时， MINITAB软件会利用修正算法固定一个参数的值，然后找到另两个参数的极大似然估计。