Se exploró un nuevo modelo de distribución de vida útil exponencial extendida de dos parámetros con una tasa de falla creciente llamado modelo Poisson-exponencial (PE). En los experimentos de confiabilidad, se presenta una estrategia de censura híbrida adaptativa progresiva de Tipo-II para mejorar la eficiencia del análisis estadístico y reducir la duración total de la prueba en un experimento de prueba de vida. Para beneficiarse de este mecanismo, este documento buscó inferir los parámetros desconocidos, así como la función de confiabilidad y tasa de falla de la distribución PE utilizando tanto los procedimientos de estimación de verosimilitud como de producto de espaciamientos como una visión convencional. Para cada parámetro desconocido, a partir de ambos enfoques clásicos, también se creó un intervalo de confianza aproximado basado en la información de Fisher. Además, en el paradigma bayesiano, los enfoques clásicos dados se extendieron al teorema continuo de Bayes para desarrollar las estimaciones de Bayes (o intervalo creíble) de las mismas cantidades desconocidas. Empleando la pérdida de error cuadrado, la inferencia bayesiana se desarrolló basada en suposiciones de gamma independientes. Debido a la naturaleza compleja de la densidad posterior, se utilizó la cadena de Markov con la metodología de Monte Carlo para obtener datos de las distribuciones condicionales completas y, por lo tanto, evaluar las estimaciones de punto/intervalo de Bayes adquiridas. A través de comparaciones numéricas extensas, se evaluó el rendimiento de las estimaciones proporcionadas con respecto a varios criterios. Entre los diferentes mecanismos progresivos competidores, se sugirió la mejor censura utilizando cuatro criterios de optimalidad. También se analizaron dos conjuntos de datos reales de ingeniería química para resaltar la aplicabilidad de los estimadores de punto e intervalo adquiridos en un escenario práctico real.