统计学是一门收集、整理和分析数据的方法科学,然而由于设备的精准度不够或者人为失误,会对收集数据的完整性和准确性造成影响,其中,数据删失成为最受关注问题之一,而在数据完整性受损的情况下进行统计推理和计算也渐渐成为了统计学的研究热点之一。随着数据时代来临,数据分析成为大众研究的重点,在数据删失的情况下进行统计分析更是学者们研究的焦点,并且在环境学领域、医学领域和经济学领域有着重要的应用,其中环境学领域的删失问题以其删失数据的数目已定且删失数据值小于特定的检测限度的特点更为典型。以往的统计学家对于删失数据的处理大多是以丢弃法和替代法为主,把带有删失情形的数据删掉,或者仅用检测限度替代,所得结果准确性相对较低。这两种传统方法对于单样本删失问题有着结果精度低的缺陷,在环境学领域中的两样本删失问题上这一缺陷更加凸显。由于环境指标大多右偏,且用伽马分布拟合效果佳,为了解决环境指标在删失情况下的比较问题,本文以伽马分布为研究对象,着重研究在多重检测限度下的两个独立伽马分布的均值差和两个上百分位数差的置信限的确定问题。基于立方根变换和fiducial推断方法,提出了构造两伽马样本均值差置信区间和上容忍限差的置信上限的简单方法。通过蒙特卡洛模拟对所提方法的性能进行了评价,并与参数自助(Parametric Bootstrap)方法进行了比较,覆盖率结果表明fiducial方法要优于参数自助方法,fiducial方法即使在小样本、高删失比率的情况下也能提供更精确的结果。