Recientemente ha habido un aumento en el interes de analizar diferentes tipos de datos variedad-valuados, dentro de los cuales aparecen los datos de matrices simetricas definidas positivas. En muchos estudios de analisis de imagenes medicas cerebrales, es de interes principal establecer la asociacion entre un conjunto de covariables y los datos variedad-valuados que son considerados como respuesta, con el fin de caracterizar las diferencias y formas en ciertas estructuras sub-corticales. Debido a que los datos variedad-valuados no forman un espacio vectorial, no es adecuado aplicar directamente las tecnicas estadisticas clasicas, ya que ciertas operaciones sobre espacio vectoriales no estan definidas en una variedad riemanniana general. En este articulo se realiza una aplicacion de la metodologia de regresion de minimos cuadrados parciales, para el entorno de un numero grande de covariables en un espacio euclideo y una o varias respuestas que viven una variedad curvada llamada espacio simetrico Riemanniano. Para poder llevar a cabo la aplicacion de dicha tecnica se utilizan el mapa exponencial Riemanniano y el mapa log Riemanniano sobre el conjunto de matrices simetricas positivas definida, mediante los cuales se transforman los datos a un espacio vectorial en donde se pueden aplicar tecnicas estadisticas clasicas. La metodologia es evaluada por medio de un conjunto de datos simulados en donde se analiza el comportamiento de la tecnica con respecto a la regresion por componentes principales.