广义推断是利用广义检验变量和广义枢轴量对兴趣参数进行统计推断的方法,它在样本量较小时和模型中存在讨厌参数时均有着良好的表现。近年来其被不断的应用于各类统计问题当中。本文主要讨论广义推断方法在几类常见参数模型中的应用,所用到的模型包括双参数指数分布模型,线性混合效应模型,基于截尾数据的广义逆指数分布模型等。本文通过构造兴趣参数的广义枢轴量得到了其广义置信区间和假设检验问题的广义p值,并通过蒙特卡罗（MC）方法进行模拟比较,主要结果如下:（1）.研究了基于广义推断的双参数指数分布均值、分位数和生存概率的区间估计问题。讨论了均值和分位数的广义置信限,利用MC方法与精确置信限、近似置信限进行了比较,结果发现我们所给出的方法得到的置信限更接近于精确置信限;并解决了精确置信限无法给出显示解的问题;同时也给出了该分布均值、分位数和生存概率其广义置信区间的覆盖率和区间长度,结果表明与近似置信区间相比,广义置信区间的覆盖率更接近名义水平,且区间长度较短。（2）.研究了线性混合效应模型中兴趣参数的统计推断问题。通过构造带有两个方差分量的线性混合效应模型中各个兴趣参数的广义枢轴量来研究兴趣参数的广义置信区间和广义p值检验,通过蒙特卡罗模拟方法给出了置信区间的覆盖率及其平均长度还计算了犯第一类错误概率和检验的功效,同时将所得的结果与其他方法的结果进行比较,结论证明了广义推断方法的优良性质。（3）.给出了广义逆指数分布（GIE）的广义信仰分布（GFD）函数,并基于该分布函数计算出了 GIE参数λ和β的估计值和广义置信区间。利用AMHG（Adaptive Metropolis-Hastings within Gibbs）-MCMC采样方法得到了参数β的迭代值,解决了参数β枢轴方程为隐式方程的难题,将该方法与贝叶斯方法、基于渐近正态分布的大样本方法进行比较.模拟结果显示,广义推断方法在该模型上表现更好。（4）.分别探讨了广义推断在基于完全数据和截尾实验数据广义逆指数分布中的应用,研究了这种可靠性分布模型基于逐步type-Ⅱ右截尾实验数据及最高记录值数据的统计推断问题。对于此推断问题,首先构造出了参数的枢轴方程,然后基于其广义枢轴量计算出了相应的广义置信区间,最后通过MC方法得到了置信区间的覆盖率及其区间长度,并将该方法下的覆盖率与基于渐近正态分布的大样本方法下的覆盖率进行了比较。模拟结果表明,广义推断方法具有较高的准确度和实际应用价值。