随着科学技术的日新月异和社会的向前发展，Bayesian统计方法作为一种新型的统计方法逐渐发展起来，它和经典统计方法一起构成了概率统计的重要部分.相对于经典统计方法而言，Bayesian统计方法能够尽可能多的综合各类信息进行统计推断，并且能够更加有效地结合实际情况，即考虑后果和效益问题，在实际生活的各个方面都发挥着越来越重要的作用.要考虑后果，就得引入损失函数，损失函数作为衡量统计决策的重要尺度，在统计推断中发挥着非常重要的作用.要进行统计推断，最重要的问题就是进行参数估计，而参数估计的相关性质可从统计决策的角度来分析估计的优良性，从而有助于我们做出正确合理的统计推断.由于指数-威布尔（EW）分布、对数正态（LN）分布以及帕累托（Pareto）分布三大常用分布在工程学、可靠性以及经济学方面的广泛应用，本文主要在非对称Entropy损失函数下研究了这三大分布参数的Bayes估计及其相关性质，并给出了相应的实际应用及实例模拟.　　首先，主要介绍了本文的研究背景、目的及其意义，并对Bayes理论的发展过程进行了简要介绍，指出了经典统计方法的局限性以及Bayes统计方法利用已有的先验信息、样本信息和总体信息进行参数估计的优良性质；接着介绍了Bayes方法以及经验Bayes（EB）方法的基本理论，并指出了常用对称损失函数的不足；然后介绍了非对称Entropy损失函数的研究现状以及根据LINEX损失函数和Entropy损失函数之间的关系将其转化为LINEX损失函数的方法和利用已有结论研究问题的思想.　　其次，在Entropy损失函数下，当先验分布已知时，讨论了指数-威布尔分布、对数正态分布、帕累托分布参数在共轭先验、Jeffrey’s先验、多层先验下的Bayes估计，并利用Monte Carlo方法进行了随机模拟；当先验分布未知时，利用核密度估计方法构造了这三大分布参数的经验Bayes估计，并利用了e(a-b)-(a-b)-1≤(ea-eb)2(其中a>0，b>0)不等式、Holder不等式和Markov不等式证明了该EB估计的渐进最优性，利用反证法证明了该EB估计的可容许性；当两参数均未知时，根据Lindley逼近定理给出了帕累托分布参数的Bayes估计的具体表达形式.　　最后，在Entropy损失函数下,将指数-威布尔分布的可靠度R和失效率λ看成是随机变量或者是参数θ的函数，利用密度函数的相关性质求出了可靠度R和失效率λ后验密度，然后讨论了指数-威布尔分布的可靠度R和失效率λ的Bayes估计及其极大似然估计，并利用Monte Carlo方法进行了随机模拟，结果表明：Entropy损失函数下的Bayes估计较极大似然估计和平方损失函数下的Bayes估计精度高.然后应用Bayes估计讨论了对数正态分布场合下产品加固性能的Bayes评估，并利用实例证明了本文给出的评估方法是合理的，且文中给出的未知参数先验分布的取法是可行的.