在自然界和社会生活中，极端事件的发生是很频繁的。例如，洪水、干旱、地震、经济衰退的再发生都是极端事件。然而，它们的发生并不是我们所希望的，因为往往会给生命财产带来灾难。因此，研究极端事件的相关问题是必要的。由于许多自然事件记录都有长程相关性（即呈现长期持续性的特征），如果其极端事件序列也具有长程相关性，就可利用这一性质直接对极端事件进行预测和评估。为了更好的预测极端事件，还可以对极端事件的回归时间进行研究，回归时间序列的长程相关性和原时间序列的长程相关性是紧密相关的，若回归时间序列具有长程相关性，那么可以对回归时间进行预测，从而达到对极端事件预测的目的。除了长程相关性，极端事件的回归时间的概率分布对于描述和理解物理现象是极为重要的。因此，近几年来，科学工作者致力于研究具有长程相关性的回归时间的概率分布。在数值模拟中，这样的回归时间序列是服从“延伸”的指数分布的。　　 本文是在已有的研究成果的基础上，进一步研究回归时间的长程相关性与概率分布。在文中以冬天日最低温度的极端低温的回归时间为研究对象:研究其长程相关性与概率分布，并使用Kolmogorov-Smirnov拟合优度检验检验其概率分布。文中第一章介绍问题的提出、研究现状和主要的研究工作;第二章介绍有关回归时间的长程相关性与概率分布的基础知识;第三章介绍拟合优度检验，为第四章的研究作准备;第四章首先使用去趋势波动分析法详细研究冬天日最低温度序列、回归时间序列的长程相关性，得到这样的结论:回归时间序列的长程相关性比冬天日最低温度序列的长程相关性弱，在全国这两种序列的长程相关性的强弱分布大致相同，回归时间序列的长程相关性与冬天日最低温度序列的长程相关性紧密相关;其次，利用拟合优度检验研究具有长程相关性的回归时间序列的概率分布，发现当回归时间小于平均回归时间Rq时，该回归时间序列并不服从由数值模拟得到的概率分布，而是近似服从形式为a(1/Rq)(r/Rq)b(γ-1)的分布，其中a，b为待定系数;第五章是在前面的基础上，对回归时间的预测作简单的探讨。