قابلیت به عنوان توانایی یک سیستم یا مؤلفه برای انجام کار مورد انتظار آن سیستم، تحت وضعیت های بیان شده و در یک دوره زمانی خاص است. از جمله مدل هایی که برای محاسبه ی قابلیت سیستم به کار می رود، مدل های تنش-مقاومت است. این مدل ها، حیات یک مؤلفه را که دارای مقاومت تصادفی x است و تحت تنش تصادفی y قرار می گیرد، توصیف می کند. هرگاه تنش به کار گرفته شده بیشتر از مقاومت آن مؤلفه باشد، مؤلفه ی مورد نظر خراب می شود و هرگاه y<x مؤلفه کار خواهد کرد. پارامتر(y<x) قابلیت سیستم نامیده می شود. اخیراً گوپتا و کندو (۱۹۹۷)[21]، حالت خاصی از توزیع وایبل نمایی شده را که توسط مودهولکار و همکاران (۱۹۹۵) [39] معرفی شده بود، در نظر گرفتند و آن را توزیع نمایی نمایی شده نامیدند. آن ها نشان دادند که توزیع نمایی نمایی شده به عنوان جایگزین مناسبی برای توزیع های گاما و وایبل و حتی لگ نرمال است و در خیلی موارد و به طور کاملاً مؤثر در تحلیل داده های چوله مثبت به جای گاما، وایبل و لگ نرمال به کار می رود. از این ویژگی توزیع نمایی نمایی شده نیز می توان برای تولید نمونه ی تصادفی از توزیع گاما، وایبل و همچنین نرمال استفاده کرد. افرون (۱۹۷۹) روش بوت استرپ را که مبتنی بر ایده ی باز نمونه گیری از مشاهدات است، برای برآورد اریبی، واریانس و توزیع نمونه ای آماره ها ارائه کرد. در این تکنیک تنها با یک روش خیلی ساده می توان تقریباً هر آماره ای از توزیع داده های نمونه را تخمین زد. بوت استرپ در واقع تخمین ویژگی های (مثل واریانس) یک تخمین زننده با استفاده از اندازه گیری همین ویژگی ها در یک توزیع تقریبی از کل داده های نمونه است. یک انتخاب استاندارد برای توزیع تقریبی، توزیع تجربی داده های مشاهده شده است. در این پایان نامه مقاله ی گوپتا و کندو را مورد بررسی قرار می دهیم و بر آنیم که با استفاده از روش باز نمونه گیری بوت استرپ، پارامترهای توزیع نمایی نمایی شده را برآورد نموده، همچنین r=p(y>x)را برآورد نماییم