Víctor E. Márquez PérezLelly María Useche CastroDulce María Mesa AvilaAna Ides Chacon Contreras2026-03-222026-03-22201710.15332/s2027-3355.2017.0001.01https://doi.org/10.15332/s2027-3355.2017.0001.01https://andeanlibrary.org/handle/123456789/65698<p>Se presenta un diseño de imputación donde se conjuga la clasificación y la imputación buscando mejorar la calidad del dato imputado. La imputación se lleva a cabo para datos cuantitativos bajo pérdida completamente aleatoria con el uso de árboles de regresión, comparando la técnica de imputación con la Media teórica y empíricamente con el uso de los árboles de regresión, con la finalidad de desarrollar una estrategia integral de clasificación e imputación. Se obtuvieron estimadores insesgados desarrollando la esperanza del estimador, se evaluaron las propiedades de los estimadores mediante el desarrollo de sus varianzas y sesgos, observándose insesgamiento. En cuanto a la varianza del estimador insesgado de la media, no se probó suficiencia para el estimador de la media.</p><p> </p>Palabras Claves: Datos Faltantes, Imputación, CART, Árboles de Regresión, Estimadores Insesgados, Simulación.esHumanitiesPhilosophyArtarticle