在20世纪中期,随着独立随机变量之和的极限理论取得完善发展之后,许多概率统计学家开始讨论相依随机变量的收敛性质.由于相依随机变量削弱了独立性的限制,从而引起了众多学者的关注和研宄,将相依变量的理论成果广泛应用到自然科学、人文、工程、金融等领域。　　对于相依随机变量极限理论相关问题的研宄,一方面原因是统计问题的需要,如现实生活中的样本一般是不独立的;另一方面原因是理论研宄中出现了相依性的要求,如时序分析、马氏链和随机场理论等.本文主要在相依序列下研宄分位数估计的收敛性质,具体内容如下:　　(一)介绍了分位数估计的研宄意义和研宄现状。　　(二)在寸混合样本下,利用指数不等式证明了分位数估计的强相合性并给出其Bahadur表示.之后,又证明了分位数估计的一致渐近正态性,收敛速度为 O（n-8)。　　(三)在P混合样本下,证明了分位数估计的强相合性并给出其Bahadur表示.　　(四)利用正相协序列指数不等式及其协方差不等式,研宄了正相协严平稳样本下,风险度量V aR样本分位数估计的相合性及其渐近正态性,并给出Bahadur表示。