最小平方估計量 (Least squares estimates, LSXY) 是使用一般的迴歸分析方法來計算出並畫出機率線，此線通常是將資料或是資料的對數和對應的百分位數畫出。
最大概似估計量 (Maximum likelihood estimates, MLE)使用最大概似函數計算出，這是一個根據現有樣本和數據的機率分佈找出最有可能的估計量。
下列是兩個方法的主要優點：
最小平方估計量 (LSXY)
- 此法在機率圖上的表現會比較好，因為是根據資料點所畫出的配適線。
- 在樣本數小時進行可靠度和倖存分析，LSXY 會比 MLE 要來的正確，MLE 會高估 Weibull 分佈的形狀參數 (shape parameter)和低估其他分佈的尺度參數 (scale parameter)。因此，MLE 會高估低的百分位數。
最大概似估計量 (Maximum likelihood, MLE)
- 在進行可靠度和倖存分析時，若有很多的 censored data，MLE 會比 LSXY 準確。
- 分佈的參數估計會比 LSXY 還要精確。
- 在進行可靠度和倖存分析時，若沒有任何失效 (failures) 數據，MLE 可以讓您進行分析。當只有一個失效數據和一些 right censored 觀測值，MLE 可能會存在。
- MLE 有良好的數學特性。
如果可以，兩種方法都應該要嘗試。如果結果一致，那麼對您的結論會更有幫助。如果不一致，您可以根據您的問題考慮使用比較保守的估計量或是考慮兩個方法的優點來選擇！
參考文獻：
Robert Abernathy (1996). The New Weibull Handbook, 2nd Edition. Dr. Robert B. Abernethy.
