非劣性检验是生物医学统计领域中非常重要的研究课题.在很多医学研究中，当研制出一种新的诊断方法或新的治疗药物时，为了评估其诊断效能或治疗效果往往需要将其与已有的标准诊断方法或标准的治疗药物进行比较，这种比较在统计上就是进行非劣性检验.这一课题是生物医学统计领域中的热门课题之一.由于与最优的诊断方法或最好的治疗药物相比，非劣的替代诊断方法或治疗药物在统计功效上并不逊色，而且还有其他许多优点，诸如可以节省成本费用，或对人体伤害较轻，或易于操作等.因此这方面的研究显得尤为重要.　　本文的研究目的在于比较使用贝叶斯方法与频率方法做单边非劣性检验时在统计推断中的差异.在这篇文章中，我们首先回顾了三种（单边的）非劣性检验方法.他们包括限制性极大似然估计方法，标准p值方法以及限制性贝叶斯估计方法.然后我们利用基于狄利克雷先验分布导出的比率的精确后验分布为配对设计构造（单边的)非劣性贝叶斯检验并考察其表现.然而，我们的模拟报告显示，如果使用对称的狄利克雷先验（诸如杰弗瑞先验或均匀先验）将会导致这种检验方法表现得非常糟糕，其相应的假阳性错误率远超出给定的水平.为了解决这个问题，我们构造了一个搜索算法并为给定的比率参数搜索出了一组最佳的非对称狄利克雷先验参数.为了便于应用，我们利用回归分析方法在非对称狄利克雷先验参数与比率参数之间建立了一个公式，并提出一种新的检验方法BJF.　　我们构造了两个蒙特卡洛实验，从第一类错误与功效这两方面详细比较了我们的新方法BJF与限制性极大似然估计方法，标准p值方法以及限制性贝叶斯估计方法之间的差异.模拟结果表明，在中等样本量的情形下，标准p值方法以及限制性贝叶斯估计方法都表现得很好，都能很好的控制住第一类错误，且其检验的功效均与限制性极大似然估计方法不分伯仲，对于我们所提出的新的检验方法BJF，则表现最好，不仅能够非常理想的将第一类错误控制在预先给定的名义水平上，而且其功效略高于其他方法，而限制性极大似然估计方法在许多数情形下第一类错误控制得不理想.这与Sidik研究边际概率之间的非零差异的检验方法时发现渐近正态检验不精确的结论一致.最后，我们将以上四种检验方法应用到两个真实的临床实验研究案例中.