这是一个常见问题，尤其是对于故障率低至$10^{-9}$. 为了解决这个问题，您需要做出假设、创建模型和/或合并其他形式的数据。

INL 的 Lee Cadwallader写道，

当某个组件（例如设计阶段的组件）不存在操作经验数据时，分析师有几种选择：

• 分解——将一个组件分解为其组成部分，然后将手册故障率分配给这些部分。如果分析人员对零件数据的准确性有信心，那么这种技术虽然乏味但很有用；如果零件上的数据不准确，则应使用其他技术。

• 分析师判断——可能需要基于系统可用性要求的逆向估计，或简单地对此类组件的一般故障率进行工程判断。

• 专家意见——从主题专家那里获得定性意见，并将这些意见结合起来，得出一个数量级的故​​障率。

• 特定于组件的技术——例如，管道的 Thomas 方法。

分解经常用于电子部件，部件故障率手册证明了这一点。

其他来源表明，可以使用行业数据或经验来告知或代替测试数据。

Weibull.com上讨论的其他技术包括

为了评估组件的磨损时间，可能需要进行长期测试。在某些情况下，100% 的占空比（每天 24 小时在道路磨损模拟器中运行轮胎）可以在几个月内提供有用的寿命测试。在其他情况下，实际产品使用可能是一天 24 小时，没有办法加快工作周期。可能需要施加高水平的物理应力以缩短测试时间。这是一种新兴的可靠性评估技术，称为 QALT（定量加速寿命测试），需要考虑被测材料的物理和工程特性。

需要注意的是，这个问题似乎与估计其他罕见事件（如小行星撞击和金融系统的灾难性故障——塔勒布的“黑天鹅”）的问题非常相似。. 众所周知，后者的比率被低估了。

仅通过 4,000 次试验无法证明错误率 < 1/1,000,000。您需要以某种方式选择错误（并行运行更多试验并且只观察导致错误的案例）或施加某种会增加错误机会的压力，然后从压力条件推断到正常条件。

无论如何，这就是遗传学家会做的事情......

一般来说，你不能。我会非常警惕那些声称能够证明$1/10^6$仅给出错误率$4000$测试。通常，这些技术涉及在某个地方做出独立性假设，这是无法可靠验证的：这只是信仰的飞跃。这些有缺陷的推理导致了安全关键系统领域的严重失败。

在某些特殊情况下，您可以使用如此有限数量的测试来证明所需的可靠性水平，例如，通过考虑有关情况的物理因素。但它们很少见，而且这种推理很脆弱。