Este documento trata sobre la inferencia estadística del parámetro desconocido y algunos parámetros de vida de la distribución de Lindley inversa bajo la suposición de que los datos están censurados de manera progresiva Tipo-II adaptativa. Se considera el método de máxima verosimilitud para obtener estimaciones de punto e intervalo del parámetro de distribución, fiabilidad y funciones de tasa de riesgo. También se abordan los intervalos de confianza aproximados. Se tiene en cuenta el método delta para aproximar las varianzas de los estimadores de las funciones de fiabilidad y tasa de riesgo y obtener los intervalos requeridos. Basándonos en la suposición de una distribución gamma previa, consideramos además la estimación bayesiana de los diferentes parámetros. Las estimaciones de Bayes se obtienen considerando funciones de pérdida de error cuadrado y entropía general. Las estimaciones de Bayes e intervalos de credibilidad de mayor densidad posterior se obtienen mediante el procedimiento de Monte Carlo de cadena de Markov. Se realiza un estudio numérico exhaustivo para comparar las estimaciones ofrecidas en cuanto a su error cuadrático medio, sesgos absolutos relativos, longitudes de confianza y probabilidades de cobertura. Para explicar los métodos sugeridos, se investigan dos aplicaciones. Los hallazgos numéricos muestran que las estimaciones de Bayes son mejores que las obtenidas mediante el método de máxima verosimilitud. Las estimaciones bayesianas utilizando la función de pérdida asimétrica dan estimaciones más eficientes que la pérdida simétrica. Finalmente, se recomienda utilizar la distribución de Lindley inversa como un modelo adecuado para ajustar los conjuntos de datos de transceptores de comunicación aérea y juguetes de madera en comparación con algunos modelos competitivos que incluyen Weibull inversa, gamma inversa y exponencial inversa de potencia alfa.