어떠한 부품에 대한 고장까지에 걸리는 분포가 알려져 있지 않거나 시험할 수 있는
시료갯수가 적으면 근원적인 고장에 이르는 분포의 정확한 특성을 결정하기에
데이터의 수가 충분하지 못하게 된다. 

그래서 이런 경우에는 고장률분포로 부터 예측하는 방법이 아닌
비모수적 데이터 분석 방법이 유용하게 사용된다.

먼저 비모수적 데이터 분석방법중의 하나인 Success-Run Test에 데해 알아보자.
Success-Run Test (무고장 시험)의 경우에는 알고자하는 부품의 신뢰성을 보증하기 위해 수행해야할
정해진 시험시간 만큼, 모든 부품들이 고장없이 임무 수행을 완료해야 한다.

즉, 어떠한 부품도 고장이 나서는 안되며 모두 임무를 완전하게 수행하기 때문에
시험방법이 Success-Run Test (무고장 시험)로 이름이 붙여졌다. Zero Failure Test라고도 한다.

Success-Run Test (무고장 시험)에서 고장없이 t 시간동안 임무를 완료한 각각 부품의 신뢰도는
양쪽 신뢰구간값 중에서 낮은 쪽인 신뢰구간 하한값으로 정의한다.

RL1(t) = (1-CL)1/(N+1) 으로 정의한다

    여기서, RL1(t) = 사용 목표 기간(t)에 대한 신뢰구간 하한값  
    CL = 소수점으로 표시한 신뢰수준(Confidence level),

               예를 들면 90%의 신뢰 수준의 경우 0.9로 나타낸다.
    N  = 시료수  
          *1. 시험기간(t)동안 고장없이 시험되어야 할 시료 수
          *2. 한 시료로써 고장없이 연속적으로 시험 완료되어야 할 목표 항목 수

시험 시료수가 많아지면 신뢰도는 높아지며, 주어진 신뢰구간에 대해 신뢰도를 높이면
시험해야할 시료수가 많아져야 하고, 주어진 시료갯수에 대해 신뢰도를 낮추면 신뢰수준은 증가한다.

고장없이 시험 완료한 시료개수(N)와 신뢰수준(CL)과의 관계를 그래프로 그려보면 다음과 같다,
시료수가 증가하는 것에 비해서는 신뢰도는 다소 서서히 증가됨을 알 수 있으며, 특히
시료수가 많아지면 더욱 현상이 뚜렷하다.

예를 들어, 신뢰수준 99.9%에서 신뢰도 99.9%를 확보하려면 N=6977개가 고장없이 시험을 마쳐야 한다.
그러므로 Success-Run Test(무고장 시험)는 비싸지 핞은 많은 부품을 손쉽게 시험할 수 있는 경우에
보다 실용적이다.