El presente estudio describe los procedimientos teóricos de los Métodos de Estimación por Máxima Verosimilitud Clásica, Máxima Verosimilitud Restringida y Máxima Verosimilitud Ponderada, con el propósito de contrastar estos métodos se considera las propiedades deseada de estimador en cuanto al insesgamiento, consistencia, eficiencia, suficiencia y completitud, en un escenario de diseños factoriales (pxq), con grupos de datos balanceados o desbalanceados, en condiciones de varianzas homogéneas o heterogéneas con tamaño de muestra n=10 en cada combinación de tratamientos. Para contratar los métodos de estimación mencionada con antelación, se ilustrara usando un conjunto de datos ficticios, se estudia la eficiencia, obteniendo la Máxima Verosimilitud Ponderada como el método de estimación que arrojó menor cuadrados medios residuales inclusive en condiciones extremas como en datos desbalanceados y violación del supuesto de homogeneidad. En contraste con los métodos de estimación por Máxima Verosimilitud Clásica, Restringida y Mínimos Cuadros Ordinarios, mostrando estos ser sensibles a las condiciones extremas. Se encontró que la Máxima Verosimilitud Ponderada sea el Método de Estimación en los modelos fijos y mixtos conducido bajo la estructura considerada en el presente trabajo, se sugiere continuar trabajando en línea de investigación, que permita aportar mayor información en la experimentación agroindustrial y evalúen alternativas de eficiencias de métodos.