针对传统的正态分布处理小样本的不可靠性的问题，统计学家提出了一些非传统的分布来解决此类实际问题。kotz分布就是非传统的一种，kotz分布相对于正态分布具有尖峰厚尾的特点。由于其良好的性质，本文将在S.Nadarajah的研究基础上继续研究kotz分布。基于先前的研究，通过学习前人的关于序约束的理论。首先在半序约束下研究kotz分布。本文主要研究了多个kotz型比例分布的基本性质，依据分布特点，给出了多个kotz型比例分布总体参数的极大似然估计。运用迭代方法给出了参数N已知，r未知时，r的极大似然估计；参数r已知，N未知时，N的极大似然估计；参数N和r都未知时，N和r的极大似然估计。其次研究了多个kotz型比例分布总体参数在序约束下的极大似然估计，其中序约束包括简单半序、简单树半序、伞形半序以及简单环半序。运用PAVA算法给出了参数N已知，r未知时，r的极大似然估计；参数r已知， N未知时， N的极大似然估计；参数N和r都未知时，N和r的极大似然估计。其中在简单树半序、伞形半序以及简单环半序中用到了简便算法，简化了运算。最后将所获算法应用于欧洲主要股市指数收盘价：德国的DAX，瑞士的SMI，法国的CAC和英国的FTSE，进而找出任意两种股市指数之间的相关关系。