Simular la probabilidad de error de tipo I es una herramienta estadística poderosa que permite confirmar si la prueba estadística alcanza el nivel nominal establecido. Sin embargo, su implementación computacional tiene la desventaja de tiempos de ejecución significativamente largos. Por lo tanto, este artículo analiza el rendimiento de dos implementaciones paralelas ( y ) que reducen significativamente el tiempo de ejecución de las simulaciones de la probabilidad de error de tipo I para una prueba de bondad de ajuste para la distribución de Poisson bivariada. Los resultados obtenidos demuestran cómo las estrategias de paralelización aceleran las simulaciones, reduciendo el tiempo en un 50% a un 90% al usar de 2 a 12 procesadores en paralelo. Esta reducción se evidencia gráficamente ya que el tiempo de ejecución de las versiones paralelas analizadas se ajusta casi perfectamente () al modelo de potencia , donde es el número de procesadores utilizados, y y son las constantes del modelo. Además, se muestra que las estrategias de paralelización utilizadas escalan con un número creciente de procesadores. Todos los algoritmos fueron implementados en el lenguaje de programación R, y su código se incluye al final de este artículo.