Este documento analiza la cofluctuación entre una variable aleatoria de respuesta escalar y un regresor de curva utilizando regresión por cuantiles. Nos enfocamos en la situación en la que la variable de salida se observa con valores faltantes de forma aleatoria. Para esta situación de datos funcionales incompletos, estimamos la regresión por cuantiles combinando dos métodos principales no paramétricos: el enfoque de linealidad local (LLA) y el algoritmo de vecino más cercano con kernel (KNN). Estudiamos las propiedades asintóticas del estimador construido al establecer, bajo suposiciones generales, consistencia uniforme sobre el número de vecindarios. Este resultado asintótico proporciona un buen respaldo matemático para la selección del vecindario óptimo. Examinamos la viabilidad del estimador construido utilizando datos generados artificialmente. Además, aplicamos la técnica de regresión por cuantiles en la calidad de los alimentos al predecir la cantidad de riboflavina en el yogur utilizando datos de espectrometría.