随着科技的发展,社会的进步,各类产品不断推陈出新,人们对产品的质量(寿命)追求也持续提升.统计模型被应用到各领域中,如:金融,医疗,工程和生物学等.但已有的统计模型并不能拟合所有的数据,这就需要构造一些高效且应用广泛的统计模型.在对产品质量的检测中,往往会考虑诸多因素(如:人力,时间和金钱等)来制定合理方案,可能无法得到完全样本,因此常选取截尾样本进行研究.本文主要分为三个部分:第一部分通过Kumaraswamy Marshall-Olkin扩展方法提出一个新的五参数寿命分布,称为 Kumaraswamy Marshall-Olkin Logistic 指数(KwMO-LE)分布.它包含六种分布,分别为 Kumaraswamy Marshall-Olkin 指数分布,Marshall-Olkin Logistic 指数分布,Kumaraswamy指数分布,Marshall-Olkin指数分布,Logistic指数分布和指数分布.该分布的失效率函数主要有六种形状,即S型,常数型,递增的,递减的,浴盆型和倒浴盆型,因此它可以灵活地拟合一些较复杂的寿命数据.研究了新分布的概率和统计特性,包括分位数函数,矩,不完全矩,矩母函数,邦弗朗尼(Bonferroni)和洛伦兹(Lorenz)曲线,熵,平均偏差,随机序和次序统计量.第二部分基于完全样本下研究了新分布的参数估计问题.首先,讨论了新分布的六种估计方法,包括:极大似然估计(MLE),最小二乘估计,加权最小二乘估计,分位数估计,Cramer-von Mises方法和贝叶斯(Bayes)估计.然后,通过蒙特卡洛(MC)模拟比较六种估计方法的优劣性.最后,在两组真实数据集(失效率形状为单增和浴盆型)下,分别使用MLE和Bayes方法来估计参数,通过比较新分布及其特殊情形与五参数Kumaraswamy Marshall-Olkin威布尔分布和三参数指数-威布尔分布的数据拟合结果,说明了新分布的应用价值与应用前景.第三部分基于广义逐次Ⅱ型截尾方案下讨论了新分布参数的MLE和Bayes估计.通过观测Fisher信息矩阵计算了参数的渐近置信区间.使用Metropolis-Hasting方法得到马尔科夫链蒙特卡洛(MCMC)样本,由该样本计算了参数在均方损失函数下的Bayes估计和相应的HPD可信区间.最后,根据数值模拟和两组算例来说明两种估计方法的可行性.