Un sistema dinámico compuesto (CDS) está compuesto por múltiples componentes. Cada fallo de un componente puede inducir igualmente una carga mayor en los componentes sobrevivientes y, por lo tanto, aumenta la tasa de peligro de cada componente sobreviviente. Las aplicaciones de CDS y la evaluación de la confiabilidad de CDS han ganado más atención en las últimas dos décadas. Dado que la calidad de vida útil de los componentes podría ser inconsistente, en este estudio se considera que las vidas útiles de los componentes en el CDS siguen distribuciones heterogéneas de Gompertz de línea base. Se utiliza una función de tasa de peligro de tendencia de potencia para caracterizar la tasa de peligro del CDS. Para superar la dificultad de obtener estimaciones confiables de los parámetros en el modelo CDS, se propone el método de estimación bayesiana que utiliza un algoritmo híbrido de muestreo de Gibbs y Metropolis-Hasting para implementar el enfoque de Monte Carlo de cadena de Markov para obtener los estimadores de Bayes de los parámetros de CDS. Se lleva a cabo un estudio de simulación intensivo para evaluar el rendimiento del método de estimación propuesto. Los resultados de la simulación muestran que el método de estimación propuesto es confiable para proporcionar información de evaluación de confiabilidad para el CDS. Se utiliza un ejemplo sobre el sistema de servicio de carritos eléctricos pequeños para ilustrar.