广义的Logistic分布是可靠性理论与生存分析中应用最广泛的产品寿命分布之一，本文主要介绍不同情况下对双参数广义的Logistic分布的参数估计，着重研究在完全数据下对其尺度参数的改进后的MLE估计，以及介绍对其参数一种基于贝叶斯的改进的算法。　　 论文第一部分，介绍了相关的背景知识，包括双参数广义的Logistic分布的模型。　　 接下来用两章的章节详细介绍了，在完全样本数据下，双参数广义的Logistic分布现行的几种经典估计方法，并重点介绍了矩法估计和极大似然估计，以及改进的极大似然估计等。在解析法中着重研究了在完全数据下对广义的Logistic分布尺度参数的有效MLE估计，并通过模拟计算将其估计的效率与普通极大似然估计进行比较。　　 最后一章讲述了在完全样本数据情况下针对贝叶斯估计运算比较困难的缘故，我们提出来两种运算简单的贝叶斯渐进估计方法，从而对经验贝叶斯估计法进行改进完善的一种算法，最终并进行模拟计算，比较新的估计法与普通极大似然估计的优劣性。　　 纵观整篇文章，两大亮点是这篇文章成功的关键，其一是在普通极大似然估计的基础上提出了一种改进的极大似然估计；其二是鉴于贝叶斯估计计算的繁杂性，提出了一种简化计算的算法。