Bayes方法是现代统计推断的一个重要方法，它渗透了统计研究的几乎所有领域。传统的Bayes方法的一个重要问题是如何确定先验分布。当参数的先验信息积累不是足够多时，若对先验分布作了与实际情况不相符的人为假定时，所得到的Bayes解的性质会很差，经验Bayes(Empirical Bayes，简称为EB)方法就是针对这一问题而提出的，它的实质是利用历史样本对先验分布或其重要特征作出估计，本文第一章对此作了简单的回顾。本文用经验Bayes方法讨论了正态分布位置参数的经验Bayes估计与检验问题。 主要工作如下： 1.讨论了尺度参数已知时，正态分布位置参数的经验Bayes估计问题，在平方损失下，构造了正态分布位置参数的经验Bayes估计，在较一般的条件下，证明了EB估计的渐近最优性，并获得了其收敛速度及下限。 2.讨论了尺度参数未知时，正态分布位置参数的经验Bayes估计问题，在平方损失下，利用了正态分布参数(θ，σ<2>)的充分统计量导出了Bayes估计，进而利用Kernel，函数构造了正态分布位置参数的经验Bayes估计，在较一般的条件下，证明了EB估计的渐近最优性，并获得了其收敛速度及下限。 3.讨论了尺度参数已知时，正态分布位置参数的经验Bayes检验问题，在平方损失下，构造了正态分布位置参数的经验Bayes检验函数，在较一般的条件下，证明了EB估计的渐近最优性，并获得了其收敛速度。 4.讨论了尺度参数未知时，正态分布位置参数的经验Bayes估计问题，在平方损失下，利用了正态分布参数(θ，σ<2>)的充分统计量导出了Bayes检验函数，进而利用Kernel，函数构造了正态分布位置参数的经验Bayes检验函数，在较一般的条件下，证明了EB估计的渐近最优性，并获得了其收敛速度。