Los modelos de riesgo competitivo son esenciales en el análisis de supervivencia para estudiar sistemas con múltiples eventos de falla mutuamente excluyentes. Este estudio investiga la aplicación de modelos de riesgo competitivo en presencia de datos censurados de Tipo-II progresivamente para la distribución Dagum, una distribución flexible adecuada para modelar datos con colas pesadas y variabilidad de asimetría y curtosis. La metodología incluye la estimación de máxima verosimilitud de los parámetros desconocidos, con un enfoque en el caso especial de un parámetro de forma común, que permite una expresión en forma cerrada de los riesgos relativos. Se desarrolla una prueba de hipótesis para evaluar la validez de esta suposición, y se construyen intervalos de confianza asintóticos y de bootstrap. El rendimiento de los métodos propuestos se evalúa a través de simulaciones de Monte Carlo, y su aplicabilidad se demuestra con un ejemplo del mundo real.