La distribución log-potencia-normal es una versión generalizada de la distribución log-normal. El método de estimación de máxima verosimilitud es el método más popular para obtener las estimaciones de los parámetros de la distribución log-potencia-normal. En este artículo, investigamos el rendimiento del método de estimación de máxima verosimilitud para inferencias de punto e intervalo. Además, se propone un método sencillo que tiene menos impacto en la selección subjetiva de las soluciones iniciales a los parámetros del modelo. Se utiliza el método de corrección de sesgo bootstrap para mejorar el rendimiento de la estimación del método de máxima verosimilitud. El método de corrección de sesgo propuesto es simple de usar. Se realizan simulaciones de Monte Carlo para verificar la calidad del método de corrección de sesgo propuesto. Los resultados de la simulación indican que el método de corrección de sesgo propuesto puede mejorar el rendimiento del método de estimación de máxima verosimilitud con un sesgo menor y proporcionar una probabilidad de cobertura cercana al coeficiente de confianza nominal. Se utilizan dos ejemplos reales sobre la contaminación del aire y la resistencia del hormigón del cemento para ilustrar.