广义Logistic分布(Generalized Logistic Distribution，GLD)是Logistic分布的推广。通过引入形状参数使其成为有偏分布，能更有效地拟合实际数据。该分布已在众多领域得到广泛应用。GLD有五种类型。论文主要研究应用最广的三参数Ⅰ型广义Logistic分布(Type Ⅰ of Generalized Logistic Distribution，GLDI)。　　论文主要研究GLDI的参数估计，分四个部分:第一部分介绍GLDI的研究意义及国内外研究现状;第二部分介绍GLDI的定义及性质;第三部分，将矩方法及广义矩方法（如概率加权矩估计，L-矩估计，TL-矩估计）应用于GLDI的参数估计，给出各种矩方法的存在性与唯一性及其证明。利用蒙特卡洛方法，将各种矩估计进行比较;第四部分:给出GLDI的极大似然估计、分位数估计以及混合估计等，并进行模拟研究。　　特别地，在梳理总结各种估计方法优缺点的同时，考虑了各种矩估计的存在性、唯一性，以及大样本性质。利用分位数估计方法研究GLDI的参数估计的文章目前尚未查到，本文利用条件极大似然(Expectation-Conditional Maximization，ECM)算法给出GLDI分布参数的分位数估计。此外，还对极大似然估计方法进行了推广，利用极大似然估计和分位数估计做混合估计，对分布的位置参数和刻度参数的估计进行改进，得到一种较优的估计。本文还利用递推算法给出GLDI次序统计量的期望、方差和协方差的计算方法。最后，给出不同样本容量下各种估计量的模拟研究结论，对比研究各种估计方法的估计效果。