數據的概率（即壽命）是從似然函數l（y | model）獲得的。 它是條件概率使用模型參數的最大似然估計值對模型進行估計。 數據沒有這種可能性。 另一方面，您可以將非參數估算值（即Kaplan-Meyer乘積矩）用於邊際概率。 您還可以假設使用參數估計的分佈模型。
看到可靠性與生存>壽命分佈。 KM估計會自動顯示。
剩餘概率圖中的Y軸是概率標度軸。 例如，如果您擬合Weibull分佈，則Y軸為Weibull比例軸；如果您擬合對數正態分佈，則Y軸為正標度軸。 殘差概率圖是這樣建立的，因此，如果模型成立的假設成立，則殘差應大致呈直線出現。
標記的x位置的計算方式與我對其他帖子的回答相同回复：參數生存擬合平台的標準化殘差
如果檢查類型不簡單，則標記的y位置通常沒有明確的公式。 但是，將y位置視為這些點上分佈的非參數估計。
對於第二個問題，我想您想計算在任意時間（不在數據表中）的任意設置的故障概率。 如果我的理解正確，則可以選擇以下選項之一：
1）保存概率公式，使用協變量設置和時間值添加新行。 讀出公式列中該行的數字。
2）通過提供設置和時間，使用平台中的菜單“估計生存概率”直接進行計算。 提交設置後，請在報告中查看結果。
注意，兩個都在給定時間計算概率，因此檢查是無關緊要的。
