La genómica computacional tiene como objetivo apoyar el descubrimiento de cómo la funcionalidad del genoma del organismo en estudio se ve afectada tanto por su propia secuencia y estructura, como por la red de interacción entre este genoma y diferentes factores biológicos o físicos. En este trabajo, nos enfocamos en el análisis de datos de ChIP-seq, para los cuales se han propuesto muchos métodos en los últimos años. Sin embargo, hasta donde sabemos, esos métodos carecen de un formalismo matemático apropiado. Hemos desarrollado un método basado en modelos multivariados para el análisis del conjunto de picos obtenidos de un experimento de ChIP-seq. Este método puede ser utilizado para caracterizar un experimento individual y comparar diferentes experimentos independientemente de dónde y cuándo se hayan realizado. El método se basa en una distribución hipergeométrica multivariada, que se ajusta a la complejidad de los datos biológicos y es más adecuada para tratar con la incertidumbre generada en este tipo de experimentos que los modelos dicotómicos utilizados por los métodos de vanguardia. Hemos validado este método con conjuntos de datos obtenidos de la base de datos Remap2020, obteniendo resultados acordes con el estudio original de estas muestras. Nuestro trabajo muestra una forma novedosa de analizar datos de ChIP-seq.