本论文总共有五章.第一章是引言部分.第二章,我们将协方差惩罚原理应用于序约束统计推断领域.对于均值在线性不等式约束下的正态模型,我们得到了ORICP信息准则和ORICP*信息准则.模拟结果表明,ORICP和ORICP*选择序约束模型的效率很高且ORICP和ORICP*的表现要好于AIC和BIC.第三章,对于一般的约束模型,我们提出了ORIC信息准则.在适当的条件下,我们证明了ORIC选择正确的约束模型的概率趋于1.当参数是由估计方程定义时,通过使用经验似然,我们得到了ORICEL信息准则.模拟结果表明,ORIC信息准则的表现要好于只适用于简单序的Anraku信息准则.第四章,我们提出了一个计算高效,基于信息准则的聚类算法ORICC通过将序约束推断嵌入模型选择的框架中ORICC很好的解释了时间过程微阵列实验中所蕴含的序结构信息.另外我们提出了一个基于自助法的方法来评估ORICC聚类结果的可靠性.模拟结果表明,ORICC是稳健的且ORICC的聚类精度和计算效率都很高.为了实现聚类算法ORICC我们已经开发了软件包ORIClust.第五章,我们通过使用Kullback-Leibler损失函数,得到了指数族模型中的ORICP*信息准则.我们还讨论了如何用自适应的模型选择方法来选取约束模型.本文的研究得到了国家自然科学基金(No.10871037)和新世纪优秀人才支持计划(NCET-09-0284)的资助.