Resumen. En el presente articulo se analiza, a traves del modelo de regresion de Cox, la eficiencia del algoritmo de reconstruccion de senales basado en la regresion de Mediana Ponderada, en el contexto del Sensado Comprimido. Se realizaron 1620 reconstrucciones de senales de diferente tamano, con diferente tamano de soporte (K), y variando ademas, el numero de medidas (M) y el parametro de regularizacion (α), que forma parte esencial del algoritmo bajo estudio. Entre los resultados mas importantes obtenidos se encuentra que la eficiencia del algoritmo tiene un comportamiento parabolico invertido con respecto a α, alcanzando su maximo en α=0.8. Ademas, se encontro que este algoritmo tiende a ser sensible a variaciones de α y M, de manera que con ligeros cambios en estos parametros el algoritmo puede cambiar radicalmente su velocidad de convergencia. Asi, ajustando adecuadamente el valor de M se logra controlar el comportamiento inestable antes descrito, pues si la relacion M/K pasa de 7 a 9, la probabilidad de que el algoritmo presente un buen desempeno aumenta del 40% al 70%. De igual manera, si el valor de α cambia de 0.5 a 0.9, la probabilidad de que el algoritmo presente un buen desempeno aumenta de 0.14 a 0.96. Palabras clave: Reconstruccion de senales/ Sensado comprimido/ Mediana ponderada/ Regresion de Cox/ Analisis de supervivencia.