瑞利分布是重要的连续型寿命分布，被广泛应用在声学、医学研究、质量控制、通信工程、可靠性工程、航空航天等领域。在实际研究中，常常因为各种原因使得样本数据不能够完全获得，因此如何在不完全数据情形下对瑞利分布的参数进行估计是一个值得研究的问题。同时，也可以看到，利用条件极值法求解参数的最大后验概率密度区间的研究并不多，对不完全数据下瑞利分布参数的Bayes估计和极大似然估计的研究并不全面。针对以上这些问题，本文对瑞利分布的参数进行了估计和检验。首先，研究了在完全数据情形下瑞利分布参数的区间估计问题。具体来讲，先给出了一般意义下参数的Bayes可信区间，并运用条件极值法给出了参数的最大后验密度可信区间，最后用Matlab分别求出了两种区间的长度并进行了比较。其次，研究了定时截尾下瑞利分布参数的Bayes估计问题。取定损失函数为复合Linex对称损失函数，参数的先验分布为伽玛分布，在此条件下给出参数的Bayes估计的一般形式和精确形式，并用Matlab进行模拟。最后，在定时截尾和随机缺失两种情形同时存在的条件下，研究了瑞利分布参数的极大似然估计，证明了当样本容量趋近于无穷时，估计量的强相合性和渐近正态性。之后给出了参数的检验及渐近置信区间，并用Matlab对前面的结论进行模拟试验。