现代统计学主要分为两大学派:频率学派以及贝叶斯学派。贝叶斯统计的特点在于贝叶斯统计模型中往往包含先验的知识,先验信息的引入表现了我们对客观世界的认知,即我们在建模过程中加入了自身已有的认知,这种信息的引入能使得模型能更好的刻画现实情况,同时在一定程度上减小了解空间的范围。此外,随着数据获取技术以及高性能计算技术的不断提升发展,越来越多生物医药、基因工程领域的数据开始出现在统计学习研究中,现代生存分析研究正是将不断发展的统计学方法与生物基因数据相结合的热门研究领域,同时也反映出统计学在“大数据”时代举足轻重的地位。在传统的生存分析研究中,我们总是假设只要跟踪观测时间足够长,每一研究对象均会经历研究人员所关心的事件。但是,在现实生活中,研究对象组内往往存在一定比例的个体不会经历这些事件,即这些个体的事件发生时间为无穷大。并且在许多实际场合,例如临床试验中,我们往往仅了解到研究对象在某一时间区间之内发生事件,即事件发生时间是区间删失的。因此,研究发展基于区间删失数据的统计方法是十分有意义的。在本文中,我们基于分组区间删失数据建立非混合治愈模型,并运用贝叶斯统计中的M-H算法(Metropolis-Hastings procedure)进行参数估计。通过仿真模拟,我们实现对所提方法准确性的评估。此外,我们搜集一组关于戒烟的数据集,使用该数据集来实现模型方法的实例分析。