Las estimaciones bayesianas implican la selección de hiperparámetros en la distribución previa. Para abordar este problema, las estimaciones bayesianas empíricas y E-Bayesianas pueden ser utilizadas para superar este problema. La primera utiliza el procedimiento de estimación de máxima verosimilitud (MLE) para decidir los hiperparámetros; mientras que la segunda utiliza la expectativa de la estimación bayesiana tomada sobre la distribución previa conjunta de los hiperparámetros. Este estudio se centra en establecer las estimaciones E-Bayesianas para las funciones de parámetro de forma de la distribución Lomax utilizando la previa Gamma del parámetro de forma desconocido junto con tres previas conjuntas distintivas de hiperparámetros Gamma basadas en el error cuadrático así como en dos funciones de pérdida asimétricas. Estas dos funciones de pérdida asimétricas incluyen una función de pérdida de entropía general y una función de pérdida LINEX. Para investigar el efecto de las selecciones de hiperparámetros, se han derivado proposiciones matemáticas para las estimaciones E-Bayesianas de las tres funciones de forma que comprenden las funciones de identidad, confiabilidad y tasa de riesgo. Se ha realizado una simulación de Monte Carlo para comparar nueve estimaciones E-Bayesianas, tres estimaciones bayesianas empíricas y MLEs para las mencionadas funciones. Además, se aplican un conjunto de datos simulados y dos conjuntos de datos reales de pruebas de vida de la industria y un estudio médico con fines ilustrativos. Se proporcionan notas de conclusión al final.