در جهانی که در آن زندگی می کنیم، هیچ چیز از جمله اشیا و موجودات باقی و ثابت نیستند و در نهایت فانی خواهند شد، بنابراین از جمله خواسته های بشر نیاز به دانستن وضعیت طول عمر موجودات و اشیا اطراف او است تا بتواند به طور بهینه از آن ها برای پیشبرد اهداف خود استفاده کند. این نیاز طبیعی بشر، امروزه منجر به ایجاد شاخه ای بزرگ و گسترده در تمامی علوم به نام قابلیت اعتماد یا بقا شده است. قابلیت اعتماد در رشته های مختلفی از جمله: علوم کامپیوتر، بیمه، اقتصاد، پزشکی، مهندسی، اپیدمیولوژی (Epidemiology) و کشاورزی کاربرد دارد. به طور کلی تحلیل بقا در علومی که به اشکال مختلف با مفاهیم طول عمر، زمان بقا یا زمان شکست مربوط می شود، کاربرد دارد به طور مثال در علم پزشکی مدت زمان زنده ماندن بیماران بعد از عمل جراحی یا مدت زمانی که سپری می شود تا گروه خاصی از افراد برای اولین بار مبتلا به بیماری خاصی شوند و همچنین در مهندسی، برای چرخه عمر ماشین آلات نیز از تحلیل بقا استفاده می شود. در واقع تحلیل بقا، مجموعه ای از روش های آماری تحلیل داده است که در آن متغیر مطلوب، زمان وقوع یک پیشامد خاص است. این پیشامد ممکن است مرگ، ظهور تومور، پیشرفت برخی بیماری ها، اختلال در تجهیزات، قطع تغذیه با شیر مادر و... باشد. علاوه بر این، این پیشامد می تواند یک پیشامد خوب نیز مانند ترک سیگار باشد. در این فرادرس ابتدا مروری مختصر بر تاریخچه نظریه قابلیت اعتماد و شاخه های آن داریم، سپس کمیت های مهم اندازه گیری قابلیت اعتماد را معرفی و مورد بحث قرار داده و ارتباط بین آن ها را به دست آورده و همچنین اهمیت و کاربرد هر یک را بحث می کنیم. بعد از آن به دلیل اهمیت مدل بندی داده های طول عمر سعی می کنیم شما را با مهم ترین توزیع های طول عمر و اهمیت و کاربرد هر یک آشنا کنیم و به برآورد تابع قابلیت اعتماد در حالت داده های کامل، سانسور شده و گروهی بپردازیم که مرحله بعد از مدل بندی است، همچنین برآورد ناپارامتری قابلیت اعتماد را نیز مورد بحث و بررسی قرار می دهیم. در پایان، به دلیل اهمیت مدل بندی داده های طول عمر گسسته، به گسسته سازی توزیع های طول عمر پیوسته معروف و پرکاربرد می پردازیم.
