通常对Weibull分布的参数估计多采用的是经典统计学中的参数估计方法,比如最为常用的极大似然估计(MLE)。本文则对近些年出现的一种新的三参数广义修正Weibull分布,首次运用马尔科夫链蒙特卡洛(MCMC)方法和原理,基于Gibbs抽样并结合Metropolis-Hastings方法和自适应判别抽样(Adaptive Rejection Sampling)实现对该修正Weibull分布的Bayes参数估计。对于该Weibull分布的尺度参数a和形状参数b,虽然不能直接从其后验分布中抽样,但它们的满条件分布,分别是关于参数a和b的对数凹函数,故采用自适应判别抽样(Adaptive Rejection Sampling)方法解决了它们的抽样问题。对于形状参数c,其满条件后验分布既不能直接抽样,也不是关于c的对数凹函数,采用Metropolis-Hastings方法实现其抽样过程。最后将整合的MCMC方法运用到真实的数据集,得到相应的参数估计值,而且通过蒙特卡洛模拟比较分析MLE和MCMC这两种方法得到的参数估计值之间的误差与均方误差,发现对于这种修正Weibull分布的参数估计,MCMC较MLE是一种更好的选择。