生存分析是一种在多种行业使用的统计方法。例如，在制造业方面，它用于分析机器寿命；在金融方面，它被用来分析偿还房屋的时间抵押贷款；就保险业而言，它适用于分析保险和证券权利到期所需的时间。但是生存函数的数据是根据时间的流逝而产生的，一般来说很难获得完整的数据，所以在生存分析中，经常用到的数据类型是删失数据。
　　本文介绍了一般逐步Ⅱ型删失数据，一般逐步Ⅱ型删失数据包括逐步Ⅱ型删失数据，Ⅱ型删失数据，双边删失数据，所以灵活性和适应性比其他删失数据更强，使用也更广泛。本文还介绍了广义指数分布和广义逆指数分布，它们在寿命预测和可靠性分析中被广泛使用，还分析了几个模型下参数估计的意义，讨论了生存分析中，广义逆指数分布和一般逐步Ⅱ型删失数据的合适性。
　　本文主要研究基于一般逐步删失数据的广义指数分布和广义逆指数分布的统计推断问题。文章一共包括以下几部分；第一章介绍了指数分布，广义指数分布和广义逆指数分布的特点，并且详细介绍了各种删失模式；第二章研究了基于逐步Ⅱ型删失数据广义指数分布参数的点估计，用到的方法有极大似然估计和贝叶斯估计，在进行数据模拟时，用Metropolis-Hasting抽样方法来得到贝叶斯估计值；第三章研究了基于一般逐步Ⅱ型删失数据广义指数分布参数的点估计，推导了未知参数的极大似然估计和贝叶斯估计，并进行数据模拟，与第二章逐步Ⅱ型删失数据进行比较：第四章研究了基于一般逐步Ⅱ型删失数据的广义逆指数分布未知参数参数的估计值，推导了参数的极大似然估计，渐近置信区间和贝叶斯估计；第五章应用于两组真实的数据集，进行分布和数据的合适行测定；第六章进行文章总结和展望。