在应用统计中，存在许多不可避免的因素，使得统计学家得到的数据是经过舍入的，例如测量仪器的精度问题或者计算机的存储机制和容量的限制等。对于来自连续分布的数据，观测数据通常必然是经过舍入得到的。尽管舍入数据在对连续变量的观测中普遍存在，并且舍入误差会确切无疑地影响到统计推断，但在大多数统计研究中都会忽略舍入误差的存在，认为得到的数据即为真实的数据。事实上，舍入误差对统计推断有很大的影响，特别是当样本量很大时。本文着重讨论了舍入误差在统计推断中的影响，并且寻找修正舍入误差的方法。　　有限正态混合模型是一类在统计研究中很重要的一类模型。它被广泛地应用于统计问题研究中。例如生物信息学，遥感应用，配药学研究以及经济或金融学中的建模问题等，在这些实际问题中都应用了有限混合正态模型。在这篇论文中，讨论了舍入误差对有限混合正态模型的影响。主要讨论的是已知混合模型中子总体的个数的混合正态模型。并且提出了一种方法用于处理含有舍入数据的混合正态模型中的未知参数估计问题。这个方法修正了舍入误差，得到模型中未知参数的相合估计，并且可以证明所得的估计具有渐近正态性。　　测量误差模型是一类特别的回归模型。这个回归模型中含有响应变量Y和解释变量x，其中x不能够被准确测量而是通过x的一个不准确的测量X来替代。在实际操作中，只有Y和X是可以被观测到的。测量误差模型是利用数据Y和X来推断Y和x的回归系数的一类模型。在这篇论文中，考虑在测量误差模型中不仅存在测量误差，同时还存在舍入误差的情况。本文提出了一个方法，给出测量误差模型中模型参数的估计。证明了通过这个方法得到的估计是相合的，并且具有渐近正态性。