在统计中,排序数据的统计分析是很有用的工具,占重要地位。它的应用领域非常广泛,包括市场调查,社会政治研究,质量评价等；特别地,通过排序数据的研究,可以很容易地了解到消费者对不同产品的属性及组合的偏好程度,和消费者对设备,服务等的满意度。因此,对排序数据的研究具有实际意义。对于如何在两者选择其一的模拟,或者更一般地,偏好数据的模拟,在心理学上已经成为一个重要研究课题之一。研究偏好数据有很多方法,其中一个最古老的方法就是配对比较方法。Thurstone对配对比较数据提出了一类模型,产生了很大的影响。1931年,他又提出Thurstone模型也适合于排序数据(排序数据可以通过变换得到配对比较数据)。在配对比较方法的基础上,Maydeu-Olivares提出Thurstone模型(尤其是Thurstone V模型)。简单来说,Thurstone V模型是有二分结构的均值向量和协方差阵的多元正态密度函数,对于处理排序数据,估计Thurstone模型需要计算高维正态密度函数积分。而计算这个高维积分是相当困难的,为了不计算正态分布的高维积分,本文给出三种处理方法：采用随机逼近蒙特卡罗(SAMC)算法；将偏好假定为极值分布,以及将偏好假定为负极值分布,并通过赛马数据实例分析,分别对参数估计并计算AIC的值来对这三种处理方法进行比较。