La inferencia ecológica reúne un conjunto de procedimentos estatísticos para prever datos desagregados cuando solo están disponibles datos agregados. Dos nuevas metodologías propuestas recientemente han motivando nuevos desarrollos en el área: el modelo que tiene como base la normal bivariada truncada (MNBT) y el modelo jerárquico binomial- beta (MHBB). La tesis reevalúa estas metodologías y explora implementaciones computacionales más eficientes a través del Algoritmo EM y una de sus extensiones, el Algoritmo ECM. Estos métodos se comparan con métodos de quase- Newton. Se obtiene una versión estable aunque más lenta, para la implementación de MNBT y una versión estable y más rápida para el MHBB. Adicionalmente, se comparan las metodologías en función de sus capacidades predictivas a través de un extenso experimento de Monte Carlo. Em la mayor parte de los casos se observa superioridad del MHNBT. Se corrigen problemas de modelaje del MHBB apuntadando uma limitación asintótica de las previsiones producidas por este último.