临床试验是医学统计中的一个重要研究领域,是为了对多种治疗方法的治疗效果进行比较而进行的试验.在做这类试验时,人们往往出于人道主义考虑,总想尽可能的减少较差试验方法的试验次数,自适应设计就是由此而产生的.它是一种倚赖于已有试验结果,对以后的试验进行调整的设计.本文主要研究临床试验中的自适应设计及相关的结果.我们不仅提出了一些更一般的、更易于操作的设计,同时也得到这些设计中人们所关心的极限理论.本文考虑的基本模型为RPW(α,β)(随机化胜者优先)模型和GFU模型(广义罐子模型).本文第一章首先简要介绍临床试验的背景和自适应设计的产生.其次介绍我们所研究的自适应设计模型.最后,介绍本文所提出的新设计和新结果.本文第二章和第三章主要考虑有两种治疗方案(A和B)的临床试验.在有两种治疗方案的临床试验中,为检验两种治疗的反应有无差别,Rosenberger(1993)研究了当治疗反应只有两种情况(成功和失败)时,RPW模型中置换检验统计量的渐近正态性.对于治疗反应是连续型的情况,Rosenberger提出了自适应设计中一种基于秩的检验统计量,由于问题的复杂性,文献试图论证渐近正态性而没能成功,只给出了统计量的渐近正态性的模拟结果.本文在第二章中利用线性秩统计量渐近理论,获得并证明了设计中基于秩的检验统计量的渐近分布,从而为此检验问题提供了理论基础;又利用离散化的方法,对于以上连续问题提出一种新的检验统计量,也求得了渐近分布.在第三章中,基于人道的基本要求得到满足的前提下,我们来研究统计有效性达到最优的自适应设计.利用一般的"抛偏币"随机化方法,构造了三种自适应最优设计,它们分别能使犯错误概率达到最小、抽样量达到最少和使置信域直径达到最短.本文在第四章和第五章中主要考虑有多种治疗方案的临床试验,也即GFU模型.最后,在第五章中讨论了更符合实际情况,即反应延迟时的广义罐子模型,运用有关鞅极限理论,获得了该模型中的渐近理论.