由于在农学和生物、医学等领域,抽样比较困难(例如:破坏性大,耗时长,成本高等),因此排序集抽样就应运而生.排序集抽样所得到的样本不仅蕴含样本信息,而且还包含先验信息,必然导致排序集抽样方法比简单随机抽样方法能获得较多的信息,故在相同样本容量条件下能降低估计量的方差,从而提高统计推断精度.经验似然是一种行之有效的非参数统计方法,利用它在构造置信区间时,无需估计渐近方差.而经验贝叶斯方法则是频率派与贝叶斯派的结合产物,在统计推断上有其独特的优势.正是如此,本论文针对排序集抽样,分别在平衡和非平衡情形下,主要利用分块经验似然,刀切经验似然和经验贝叶斯等方法,开展以下工作:(1)分别研究平衡和非平衡排序集抽样下非参数单总体分布函数的经验似然比置信区间.在理论上证明基于平衡排序集样本要比相同样本容量下简单随机抽样所构造经验似然比置信区间更短,并探讨非平衡排序集抽样下分布函数的刀切经验似然比置信区间的抽样配置问题.最后,通过随机模拟,比较两种不同抽样方法的置信区间长短,来体现排序集抽样方法的优越性;(2)在平衡排序集抽样情形下,利用分块经验似然方法研究两总体一般差异问题,克服传统经验似然方法所得到的经验似然比统计量的渐近分布为非标准卡方分布这一缺陷.并在非平衡排序集抽样情形下,巧妙地利用刀切经验似然方法来研究两总体一般差异问题,得到两样本经验似然比统计量具有渐近标准卡方性,并构造出其差异的经验似然比置信区间.通过随机模拟,衡量基于排序集抽样下所提出分块经验似然和刀切经验似然方法的优劣性;(3)基于多层平衡排序集抽样样本,利用分块经验似然方法研究总体的均值问题,构造出其渐近置信区间,在理论上证明基于多层平衡排序集样本要比相同容量下单层排序集抽样和简单随机抽样所构造经验似然比置信区间都要短,通过随机模拟比较它们的置信区间的长短.此外,利用分块经验似然方法,研究矩估计方程的估计问题,得到非参数似然估计量的渐近正态性;(4)基于平衡排序集抽样下,借助非参数密度核估计量,利用经验贝叶斯方法构造刻度指数族分布参数的经验贝叶斯检验函数,获得其收敛速度.并通过随机模拟,展现排序集抽样方法下经验贝叶斯方法在检验问题的效果.本论文尝试将排序集抽样与经验似然和经验贝叶斯方法相结合,并将其应用到单总体乃至两总体之中,此外,也拓宽到总体分布参数的经验贝叶斯推断之中.通过本文的研究,丰富了抽样理论、经验似然和经验贝叶斯方法,具有较重要的理论价值和现实意义。