Uppsatsen ämnar utvärdera olika estimatorers egenskaper för att beräknamedelvärdesskattningar för delvis censurerad miljödata erhållen från Sveriges LantbruksUniversitet (SLU). Detta undersöks genom en simuleringsstudie i vilken data har simuleratsfrån en χ2 fördelning där censureringsgrad och frihetsgrader har varierats. Därefter har deerhållna medelvärdesskattningarna utvärderats med hjälp av estimatorns medelkvadratfel(MSE) samt bias. Vidare har medelvärdesberäkningar gjorts på erhållen data från SLU. Allasimuleringar har gjorts i R, för medelvärdesberäkningar har tilläggspaketet “Nondetects AndData Analysis for environmental data” (NADA) använts. De estimatorer som utvärderats ärMaximum Likelihood (MLE), Regression on order statistics (ROS), Kaplan-Meier samtsubstitution. Resultaten visar att MLE samt ROS ger konstant bättre MSE och bias när dataantas följa en lognormalfördelning oavsett grad av censurering samt skevhet på data än vidnormalfördelningsantagande. Vid hög skevhet på data ger substitution resultat nära det sannamedelvärdet oavsett grad av censurering. De mest väntevärdesriktiga estimatorerna finnesvara ROS under lognormalantagande samt substitution när data är skevt fördelad, för ickeskevdata rekommenderas ROS med lognormalantagande, oavsett censureringsgrad.