在非参数估计中，我们经常需要对函数进行估计，例如密度函数，分布函数，回归函数等等。而单调性作为函数最为普遍的一种约束性要求经常需要被考虑。因此，单调函数的非参数估计问题被广泛地研究。然而对于单调函数非参数估计的统计推断问题则少有涉及。Banerjee and Wellner(2001)对单调函数非参数估计的单点约束统计推断问题进行了深入的研究，即基于原假设～H0：F(t0)=θ0，通过建立极大似然比统计量λn， λn=SupFLn(F)/SupF(t0)=θ0Ln(F)=Ln((F)n)/Ln((F)0n)其中，Ln(F)是似然函数，(F)n是F的无约束的极大似然估计(MLE)，(F)0n是F在约束F(t0)=θ0下的极大似然估计。在删失数据模型上，Banerjee and Wellner(2001)证明了，2log(λn)d→D其中，D是W(t)+t2的一个范函，W(h)是标准的布朗运动。这种方法很好地解决了传统方法在研究单调函数统计推断问题时，所遇到的假设检验和构造置信区间需要估计潜在参数的问题。 本文在Banerjee and Wellner(2001)的基础上，对单调函数非参数估计的多点约束统计推断问题进行了研究，解决了单调函数的非参数极大似然比在多点的假设检验问题，即对于原假设 H0：F(t1)=θ1，F(t2)=θ2，…，F(tκ)=θκ其中κ≥2，仍然构造极大似然比统计量λn， λn=SupFLn(F)/SupF(t1)=θ1，…，F(tκ)=θκLn(F)=Ln((F)n)/Ln((F)0n)我们得出了极大似然比的极限分布， 2log(λn)d→D1++D2+…+Dκ 其中，Di～D，且i．i．d。我们还给出了对于多点约束下极大似然估计的求法，然后运用上述结论和样本值对原假设H0做检验。 文章所有工作是在删失数据模型(interval censoring)上完成的，但是方法和结论可以推广到其他单调函数的非参数估计模型中去。