对于处在系统内部的元件,往往不能直接观测到它的生存时间。但是系统的生存时间是由元件决定的,如果系统的内部串并联构造已知,就可以通过系统的生存时间去推测元件的寿命。以往的研究大多是基于完全数据对系统内部元件寿命进行统计推断,试验者需要记录下试验中每一个系统的失效时间。而现实情况当中,完全数据难以收集且耗费的成本巨大。本文引入了逐阶Ⅰ型区间删失,试验中只需要在事先特定的时间点观测失效系统的个数并且移除部分尚在工作的系统。这样不仅能够减少对于系统的损耗从而降低试验成本。也能够缓解试验者试验过程必须寸步不离的困扰,同时也大大减少了需要记录的数据。本文基于系统与元件之间的关系讨论了在已知系统结构的情况下,当观察数据为逐阶Ⅰ型区间删失时元件的生存时间。本文先根据极大似然估计,矩估计,最小二乘估计对寿命服从指数分布的元件的参数作出了估计,之后两次使用?-方法构造出权重,从而对参数作出加权最小二乘估计。对于参数估计量方差无显式表达的估计方法,利用bootstrap法给出置信区间。之后,在不同样本量和不同删失比例情况下,本文对一个寿命服从指数分布且为3-元件系统的内部元件做出了数值模拟,利用R语言,通过牛顿迭代估计出参数值。结果指出,几种参数估计当中极大似然估计的效果更好,其次是矩估计,最小二乘估计和加权最小二乘估计效果不甚理想。对于同一种方法,样本量越大,模拟的效果更好。而在估计方法和样本量固定的情况下,删失比例随着时间增大比删失比例随着时间减小的效果更好。然后在特定样本量、删失比例和系统构造的情况下,利用非参数极大似然方法,不假定元件寿命服从的具体分布,而是根据系统寿命和元件寿命之间的函数关系,根据观测到的系统失效时间,通过反函数估计出元件的可靠性,使用Kolmogorov-Smirnov检验了非参数估计的合理性。并且再次使用?-方法给出了元件可靠性的渐进性质,从而给出非参数的区间估计。最后,本文综合比较了几种方法的优势和不足。