近年来，带有随机效应的零过多泊松模型受到很多研究者的重视，为了方便，他们常假定随机效应服从正态分布，但是，这种假定在实际问题中未必合理，因此，为了避免该问题的产生，论文不再假定随机效应服从某具体分布，而是假定其服从Dirichlet过程，进而探讨相应统计模型的Bayes估计和有关诊断问题.　　论文首先详细研究了基于Dirichlet过程的零过多泊松随机效应模型，采用stick-breaking先验作为随机效应的先验，构造Gibbs抽样器且运用MCMC方法探讨了模型参数以及随机效应分布的估计问题;接着，论文基于两个拟合优度统计量对模型的合理性进行了评价，通过贝叶斯因子、伪贝叶斯因子和DIC(离差信息准则)对模型进行了比较研究，同时利用K-L距离和Cook后验均值距离探讨了影响点诊断问题.然后，为了更合理地刻画时间因素对计数数据的影响，论文在前面模型的基础上引入了未知光滑函数得到相应的半参数随机效应模型并对其进行了研究，其中未知光滑函数利用立方B样条进行处理，类似的，也分别研究了模型的Bayes估计、拟合优度统计量和影响诊断统计量等一系列问题，最后，基于随机模拟的方法，论文详细研究了不同随机效应假定以及不同先验参数情形下Bayes估计方法和相关统计量的有效性;另外，论文针对一组实际制药数据，还分别研究了文中两种统计模型的拟合情况，得到了参数的估计、随机效应分布、半参数模型中未知函数的估计以及相应统计量等一系列结果.