Gamma分布是统计学中最重要的分布之一,在环境学、水文学、保险学等方面都有重要应用。Gamma分布的均值估计是最基本的统计问题,尽管已经有大量的科研人员针对gamma分布均值的区间估计做了很多研究,这个区间估计统计问题也日趋成熟。但是实际生活中常常会面临数据集中存在大量零值的现象,也就是零膨胀问题。有一些观测值被记录为零,而另一些观测值是右偏的。除了数据的零部分,数据集中的正值可能遵循gamma分布。针对这种情况下的均值估计问题,如果简单忽略零值,会造成极大的偏差,由此本文研究了零膨胀gamma分布均值的置信区间的构造问题。作者基于Parametric Bootstrap(PB)方法、fiducial方法和method of variance of estimates recovery(MOVER)方法,将gamma分布和二项分布结合在一起,提出了三种构建零膨胀gamma分布均值的置信区间的不同方法。首先,本文通过Monte Carlo模拟将三种方法与Muralidharan和Kale提出的asymptotic normal(AN)方法进行性能评估比较,从区间覆盖率、左错误率和右错误率三个指标综合来看,发现本文提出的三种方法,均优于现有的AN方法,其中fiducial方法表现较好。其次,本文将提出的三种方法进行鲁棒性检验,蒙特卡洛模拟结果表明,fiducial方法和MOVER方法优于PB方法,尤其地,fiducial在处理小样本数据时,区间覆盖率依旧接近名义水平。最后,本文在同一台电脑上针对三种方法的计算效率进行了比较,程序运行时间结果表明fiducial方法和MOVER方法的计算效率在样本容量增大时显著地优于PB方法。从区间覆盖率、左右错误率、鲁棒性、计算效率等多个指标综合来看,fiducial方法适用于处理零膨胀gamma分布均值的区间估计问题。值得注意的一点是,与PB方法和MOVER方法相比,fiducial方法更适合处理小样本数据。为了检验本文所提方法的适用性和普遍性,三种方法分别被应用到一组印度Jalgaon气象站6月至9月(122天)的降雨量数据集和一组针对HIV儿童联合治疗的免疫反应数据集,案例结果表明三种方法对应的置信区间相差不大,均值都包含于置信区间内。