检验治疗某种疾病的新药疗效，估计传染病的发病率具有一定的理论意义和实际应用价值.临床试验数据为独立配对二项数据时，以二项参数之差为感兴趣参数，运用经典统计学理论，分别用渐近方法、精确非条件方法和近似非条件方法对新药或新诊断方法的非劣进行研究.　　本文采用全局最大化和E+M精确非条件方法消除冗余参数，进行非劣性检验.运用Matlab软件通过第一类错误概率和功效分别对渐近方法、全局最大化精确非条件方法、E+M精确非条件方法和近似非条件方法进行评价.模拟研究表明E+M精确非条件方法和近似非条件方法表现较好.针对临床医学试验中经常出现的结构零数据，同样可用上述经典统计方法对感兴趣参数风险比进行检验.　　研究疾病发病率问题时，认为疾病诊断方法存在误判，分别用非金标准的单一诊断和联合诊断方法对实验对象的患病情况进行检测，将疾病的发病率视为未知参数，引入评价疾病诊断方法准确度的两个参数:敏感性和特异性.鉴于病人的实际患病情况是不可观测的，将这些数据视为缺失数据.为避免经典贝叶斯方法遇到的复杂积分，本文从各个参数的条件后验分布进行Gibbs抽样，对疾病的发病率进行贝叶斯点估计和区间估计.