该文讨论当观察数据来自污染分布F(x)=(1-α)F<，1>(X)+αF<，2>(x)时的非参数推断问题。第一章绪论介绍了该问题的起源、发展和应用。经二章是该文的主要部分，将讨论这样的问题<，2>(x)已知，而α、F<，1>(x)未知，在没有参数假设的条件下，如何对α、F<，1>(x)作出估计。第三章则假定得到K个(K≥2)独立同分布的样本，分别来自(1-α<，i>F<，1>(x)+α<，i>F<，2>(x)，i=1，…，K，α<，i>已知，而未知，该章给出的估计，并证明了估计的优良性。第四章的基本假设与第二章相同，并进一步假定存在某个可测函数M(x)，使μ<，1>=∫M(x)dF<，1>(x)已知，且∫M(x)dF<，1>(x)≠∫M(x)dF<，2>(x)，以此构造出α、F<，1>(x)的估计。第五章讨论来自污染分布的数据被截断情形下的参数估计问题，将分别讨论随机截断和第一，第二类截断这三种不同截断。在讨论随机截断时，提出了一种基于Kaplan-Meier估计的非参数均值估计方法，并证明了强收敛性。第六章讨论以污染分布为背景分布的Edgeworth展开，在一些宽松的正则条件下，得到了比传统分布展开更精确的结果。