Trước hết, hãy luôn nhớ rằng rác trong = rác ra; Vì vậy, nếu dữ liệu của bạn là rác thì số liệu thống kê của bạn sẽ là rác.
Trong tình huống này, dữ liệu tối ưu của bạn sẽ giống như Chạy giờ cho đến khi thất bại và toàn bộ dữ liệu của bạn đã thất bại. Với suy nghĩ này, bạn có thể muốn chọn một số bảo thủ từ bất kỳ số liệu thống kê nào bạn tính toán.
Vì bạn chỉ có thất bại kể từ ngày bán, điều này có thể bị lệch về MTTF cao hơn.
Vì không phải tất cả các sản phẩm của bạn đều thất bại nhưng bạn có thể nhìn vào một tập hợp con nhỏ hơn trong dân số của bạn, giả sử sáu tháng đầu tiên sản xuất. Phần lớn trong số này đã thất bại rất có thể (vì sản phẩm bạn đã bán tuần trước không nên thất bại trong tuần này, hy vọng).
Nếu tỷ lệ thất bại của bạn vẫn còn quá thấp thì bạn có thể phải cố gắng điều chỉnh dữ liệu để phân phối lưu ý rằng bạn chỉ có tỷ lệ phân phối thấp, tức là bạn phải ngoại suy từ tập dữ liệu thành một đường cong phù hợp.
Ví dụ: Phân phối Weibull sẽ hoạt động tốt ở đây và thường được sử dụng cho dữ liệu MTTF. Ý tưởng ở đây là để phù hợp với tỷ lệ dữ liệu của bạn đã thất bại với tỷ lệ tương ứng của phân phối. Nếu tỷ lệ sản phẩm trong bộ dữ liệu của bạn không thành công là 48,66% thì bạn sẽ phù hợp với xác suất đó trên phân phối giả định của bạn như được hiển thị bởi khu vực bóng mờ trong hình ảnh sau đây.
Điều này có thể khá chuyên sâu, tuy nhiên, đối với bất cứ điều gì ngoài phân phối theo cấp số nhân.
Một phương pháp ngoại suy khác là phân tích suy thoái