Logistic分布(Logistic Distribution,LD)函数常用作增长曲线和二进制响应变量的建模.该分布的密度曲线具有位置、刻度参数,形状与正态分布形状相似,但是尾部更厚.为更好地描述数据分布的尾部形状,常引入两个形状参数,得到LD的推广形式:广义Logistic分布(Generalized Logistic Distribution,GLD).作为一种偏态分布,GLD具有可以在一定范围内变化的偏度和峰度系数,能够更加灵活运用在生物、经济、环境和工程等领域.目前,人们已越来越重视对GLD的研究.迄今为止,对GLD的研究已经取得了一系列成果,但成果主要集中在对I型GLD的研究上,关于Ⅳ型GLD的研究还很少,且不够深入.GLD有五种形式,分别为:Ⅰ型,Ⅱ型,Ⅲ型,Ⅳ型及Ⅴ型.相较其他类型的GLD,Ⅳ型GLD引入了两个形状参数,分布更加灵活,更能有效的刻画实际数据,具有研究意义和应用价值.因此,本文主要研究Ⅳ型GLD(简记为GLD_Ⅳ)的统计推断问题.本文研究了GLD_Ⅳ的总体性质及次序统计量.首先,系统地梳理GLD_Ⅳ的性质,为后续研究做好铺垫.由于GLD_Ⅳ的分布函数较为复杂,直接计算总体的数字特征及性质比较困难,因此本文给出了两种构造GLD_Ⅳ的方法:一种是基于Gam-ma分布的构造方法;一种是基于Beta分布的构造方法,且使用后者推断GLD_Ⅳ的性质更加便捷.为了更好的研究带有两个形状参数的GLD_Ⅳ,本文给出了两个形状参数分别趋近于无穷时GLD_Ⅳ的渐近分布:极值分布.这个性质充分说明了GLD_Ⅳ与极值分布的关系;其次,次序统计量理论在统计推断中占重要地位,尤其是在后续的参数度估计中起至关重要的作用,故本文用一定的篇幅讨论GLD_Ⅳ的次序统计量.本文给出GLD_Ⅳ次序统计量的分布函数及其各阶矩.提出利用极大和极小次序统计量推导各阶矩的关系式,这一性质可以推广到其他分布,具有一定的适用性.此外,本文讨论了GLD_Ⅳ的参数估计问题.目前,已有的GLD_Ⅳ的参数估计方法有矩估计和极大似然估计两种估计方法,本文给出了GLD_Ⅳ的矩估计量的渐近正态性及证明.但是这两种估计方法存在一定的局限性,如:矩估计对样本依赖性太强,且没有充分利用样本信息.因此,除了矩估计和极大似然估计,本文给出了L-矩估计和概率加权矩估计.利用这四种估计方法对GLD_Ⅳ进行参数估计,进行数值模拟研究,比较各种估计的优良性.