在实际问题当中,海量数据具有多个特征,而这些特征参数往往需要同时满足所需条件,同时置信区间与多重比较问题就变得越来越重要。本文主要针对生物医学统计数据所常见的对数正态分布和二项分布,对它们的均值进行多重比较以及同时区间估计的研究,主要结果如下:在第二章,对多个对数正态分布均值进行两两多重比较并构造同时置信区间。本文首先依据似然比统计量将CAT方法也推广到两两比较中,并构造基于CAT方法的同时似然置信区间。然后通过Monte-Carlo模拟以及医学试验实例将CAT方法的多重比较和同时似然置信区间与对应的广义变量(GV)方法做比较。模拟结果和实例分析显示多重比较中基于似然比统计量的CAT方法的FWER更接近名义水平,并具有最高的势;同时置信区间方面基于CAT方法的同时似然置信区间长度最短并且最为稳健。在第三章,对多个二项分布参数两两风险差构造同时置信区间。针对两个二项分布总体风险差区间估计的良好频率性质,本文首先将两个二项分布风险差的Fiducial区间推广到三个及以上总体两两风险差的Fiducial同时置信区间(FSCI)中,然后根据方差稳定变换和Fiducial推断的方法构造两两风险差的广义同时置信区间(GSCI),并和已有的Wald方法、Add-1方法、方差估计复原法(MOVER)、Newcombe混合得分(NHS)法同时置信区间进行比较。数值模拟结果显示,FSCI、GSCI相对频率性质更稳健。