近十几年来,随着像气象数据、经济指数等函数型数据的大量出现和广泛应用,函数型数据的分析研究己成为统计学的一个热点。事实上,相对于参数回归方法对模型有较多的假设,非参数回归方法的模型完全由数据驱动,适应能力强且稳健性高,尤其对非线性、非齐次问题有非常好的效果,这一点在函数型数据分析研究中也是如此。本文用非参数回归方法考虑函数型数据下条件密度函数的相关统计推断,主要做了以下工作:一、利用有限维数据下证明条件密度函数及其导数的局部线性估计的联合渐近正态性的方法,在强混合相依函数型数据下建立了条件密度函数及其导数的局部线性估计的联合渐近正态性,并做了相关数值模拟来验证正态性结论。二、在强混合相依函数型数据下,利用经验似然方法来构造条件密度函数的置信区间,在一定条件下得到了经验似然比统计量渐近服从自由度为1的标准卡方分布。三、在独立函数型数据下提出条件危险率的局部线性估计,并建立了估计的均方收敛性和渐近正态性,模拟研究显示,在均方误差方面局部线性估计的数值表现优于核估计的数值表现。