对于不同的测试条件（电压），我必须评估存在辐射的电气设备的 MTTF。
对于每个电压，我只能测试几个单元（通常为 5 个），失败的单元数量范围从 0（低电压）到可能 5（高电压）。
因此，这是一个可能具有非常高的“正确”审查的生存分析案例（例如，在辐照结束时，可能只有一个单元发生故障，其他 4 个单元会正常）。我不是统计学家，所以想请教一下。
我正在使用 R 和“生存”包来处理数据。根据我的理解，R 计算 Kaplan-Meier 估计量并尝试将得到的经验分布拟合到 Weibull 故障模型（我正在使用带有 dist="weibull" 的 survreg，这是此类设备的故障模型）
我的问题：
我可以计算 MTTF（我使用 Weibull 分布的平均值和 Weibull 拟合产生的参数），但我有点迷失了获得 MTTF 的 95% 置信区间。
应用于 survreg(...) 的返回的 vcov() 函数提供了 Weibull 参数的方差和协方差，但我认为由于未集成的 Kaplan-Meier 估计量（参见：Greenwood 公式）存在额外的不确定性到整个事情。
我不知道如何将所有部分放在一起；R（在生存包或其他地方）有设施来实现这一点吗？或者您能否提供有关如何集成所有错误源的指南？