近年来，随着科学技术的发展以及计算机的广泛应用，数据获取的技术和方法层出不穷，而越来越多的领域所得到的观测数据都具有函数型的特点。也正因如此，使得人们对函数型数据的理论及应用方面的研究成为当前统计领域的热点之一。但是在许多的实际问题中，由于人为或其他各种不可知因素，往往容易导致大量缺失数据的产生。例如在药物追踪、生存分析、可靠性寿命试验以及社会经济研究等领域都普遍存在着数据缺失的现象。因此对函数型缺失数据统计性质的研究具有很重要的实际意义，其研究结果逐渐备受学者们的关注。　　本学位论文主要研究随机缺失情形下基于函数型平稳遍历数据的非参数核回归估计的渐近性质，并得到了较满意的结果，主要内容如下:　　一、在随机缺失(MAR)机制下，利用著名的Nadarage-Watson核估计得到了平稳遍历条件下函数型数据非参数回归模型回归函数估计的依概率收敛性、渐近正态性;　　二、由渐近正态性，得到了相关的引理以及回归函数的近似（1-α）的置信区间;　　三、文章的最后给出了一个模拟分析，针对不同的缺失率比较了缺失数据下估计量的均方误差，并得到了满意的估计效果。