La necesidad de modelar datos proporcionales es común en una variedad de disciplinas; sin embargo, debido a su naturaleza bimodal, los datos en forma de U o J presentan un desafío particular. En este estudio, se proponen dos modelos de mezcla parsimoniosos para caracterizar con precisión estos datos proporcionales en forma de U y J. Los modelos propuestos se aplican a datos de pérdidas en caso de incumplimiento, un área de aplicación donde se atribuye una importancia específica a la precisión con la que se estima la media, debido a su relación lineal con el capital regulatorio de un banco. Además de utilizar criterios de información estándar, se utiliza la reducción del sesgo en la estimación de la media distribucional como medida del rendimiento del modelo. Los modelos propuestos superan al modelo de referencia en cuanto a los criterios de información y producen una reducción en la distancia entre las medias empíricas y distribucionales. Dadas las características especiales del conjunto de datos, donde una alta proporción de observaciones está cerca de cero, se desarrolla una metodología para elegir un umbral de redondeo de manera objetiva como parte de la etapa de preparación de datos. Se muestra cómo la aplicación de este umbral de redondeo puede reducir el sesgo en la estimación de momentos independientemente de la elección del modelo.