在區間設限資料下，有二種不同型態的訊息設限。一種是因個人特質所引起的設限，如年紀大者易產生副作用，不適合繼續採用原用之治療方法，促使受試者提早退出試驗，此種因個人特質所引起的設限，在本論文稱之為異質訊息區間設限。另一種是患者因疾病的徵兆影響回診頻率，進而影響設限區間之長短的訊息區間設限，簡稱為相依訊息區間設限。

針對非訊息區間設限資料，Turnbull(1976)提供無母數方法，建構出存活機率之自我一致性估計量。然而，當資料中含有訊息設限資料時，Turnbull方法會高估存活機率。針對相依訊息區間設限資料，Finkelstein et al.(2002)已提供此種訊息區間設限資料之存活機率的估計方法。而針對異質訊息設限資料，僅有Link(1989)針對右設限資料採用隨機效果(frailty model)的方式，修正Kaplan-Meier存活函數估計量；尚未有學者對異質訊息區間設限資料，提供修正的估計式。故本論文針對此種訊息區間設限資料，對Turnbull存活機率估計方法做適度之修正，並藉由統計模擬研究其準確性。

由模擬結果顯示，在異質訊息設限下，修正的估計式所得估計值比Turnbull自我一致估計式來得準確。但是在高訊息設限比例時，其偏誤無法修正的非常令人滿意，因此仍有待進一步修正。

Finkelstein, D.M., Goggins, W.B, and Schoenfeld, D.A. (2002). Analysis of failure time data with dependent interval censoring. Biometrics 58, 298-304.
Kaplan, E.L., and Meier, P. (1958) Nonparametric Estimation From Incomplete Observation. Journal of the American Statistical Association 53, 457-481.
Link, W.A. (1989). A Model for Informative Censoring. Journal of the American Statistical Association 84, 749-752.
Turnbull, B.W. (1976). The empirical distribution with arbitrarily grouped censored and truncated data. J. Roy.
Statist. Soc. ser. B 38, 290-295.