在许多应用领域,如人口统计学、医学、生物学、流行病学、经济学以及社会学等,都存在对某给定事件发生的时间进行估计的问题,我们把这里的某事件发生的时间称为失效时间数据。然而,常常因为客观条件的限制而无法得到这些数据的准确观测值,只能观测到其所在的区间。统计学中一般称这类数据为区间删失数据,简称区间数据。　　 本文主要讨论的是采用“无偏转换”的思想来构造区间删失情况下函数的均值估计,即Eh(T),其中h(T)是关于随机删失变量T的连续函数。当函数h(T)=T时,就是区间删失数据的均值估计。在区间数据中,往往不是对简单的删失变量本身做处理,而是经常碰到函数h(T)的情形,例如,在加速失效模型中函数h(T)=logT;当函数h(T)=T时,就是区间数据任意阶原点矩的估计问题。　　 当随机变量T非负,函数h(T)连续时,运用“无偏转换”思想构造Ⅰ型、Ⅱ型区间删失数据下Eh(T)的估计:分别记为h*(V,δ)和h**(U,V,,δ1,δ2)。值得注意的是,在区间数据情况下,如果对“无偏转换”所构造的均值估计不作限制,可能会出现估计量方差不存在的情况。当h(0)＜∞时,只需对T和V的分布在自变量趋向无穷大的性质进行限制;对一般的函数h(·),可能出现h(0)=∞的情况,这时需对T和V的分布在自变量为0的性质加以限制。本文就这个问题对模型(Ⅰ)和模型(Ⅱ)进行了讨论,并得出在不同情形下,Eh(T)方差有限的估计量,以及估计量的强相合性和渐近正态性。之后,运用无偏转换思想构造的估计量对线性回归模型的参数进行了估计。最后通过模拟计算验证了模型(Ⅰ)和模型(Ⅱ)下估计量的效果。