Como modelo comúnmente utilizado en el análisis de confiabilidad, la distribución Weibull inversa (IWD) se aplica ampliamente en varios campos científicos. Este documento considera la estimación de confiabilidad de la IWD basada en datos de vida borrosos intuitivos. Primero, se revisan los conceptos relacionados con la teoría de conjuntos difusos, y se obtienen los conceptos de la densidad condicional borrosa intuitiva, la función de verosimilitud borrosa intuitiva y la expectativa condicional borrosa intuitiva por extensión. En las estimaciones clásicas, se derivan los estimadores de máxima verosimilitud de los parámetros y la confiabilidad. Debido a la no linealidad, se utiliza el algoritmo EM para obtener las estimaciones de máxima verosimilitud. En la estimación bayesiana, se selecciona una distribución gamma previa, y la estimación bayesiana de los parámetros y la confiabilidad se realiza bajo la entropía simétrica y la función de pérdida de error cuadrático de escala, respectivamente. Dado que las integrales son complicadas, se utiliza la aproximación de Lindley para aproximar las estimaciones bayesianas. Luego, se evalúa el rendimiento de estos estimadores mediante la simulación de Monte Carlo. Los resultados de la simulación muestran que la estimación bayesiana es más adecuada que la estimación de máxima verosimilitud para la estimación de confiabilidad. Finalmente, se utiliza un conjunto de datos reales para probar la efectividad de estos métodos propuestos. A través de estos métodos, se estima con precisión la confiabilidad de los datos de vida borrosos intuitivos, lo que proporciona una referencia importante para el análisis de confiabilidad en el campo científico.