Los sumadores aproximados son algunos de los operadores aritméticos fundamentales que se emplean en aplicaciones resilientes a errores, para lograr mejoras en rendimiento/energía/área. Esta mejora generalmente viene a costa de cierta precisión y, por lo tanto, requiere un análisis de errores previo, para seleccionar una variante de sumador aproximado que proporcione una precisión aceptable. La mayoría de las técnicas de análisis de errores de vanguardia para sumadores aproximados asumen que los bits de entrada y los operandos son independientes entre sí, mientras que algunos también suponen que los operandos están distribuidos uniformemente. En este artículo, analizamos el impacto de estas suposiciones en la precisión de las técnicas de estimación de errores y destacamos la necesidad de abordar estas suposiciones, para lograr estimaciones de calidad mejores y más realistas. Basándonos en nuestro análisis, proponemos DAEM, una metodología de análisis de errores consciente de los datos y de la aplicación para sumadores aproximados. A diferencia de los modelos de análisis de errores existentes, no asumimos que los operandos del sumador estén distribuidos uniformemente ni que sean independientes. Específicamente, utilizamos funciones de masa de probabilidad conjunta de entrada en 2D (PMFs), pobladas utilizando datos de muestra, para incorporar el conocimiento de los datos y de la aplicación en el análisis. Estas PMFs de entrada conjunta en 2D, junto con mapas de error en 2D de sumadores aproximados, se utilizan para estimar la PMF de error de una red de sumadores. La PMF de error se utiliza luego para calcular diferentes medidas de error, como el error cuadrático medio (MSE) y la distancia media de error (MED). Evaluamos la metodología de análisis de errores propuesta en aplicaciones de procesamiento de audio y video, y demostramos que nuestra metodología proporciona estimaciones de error que tienen una mejor correlación con los resultados de simulación, en comparación con las técnicas de vanguardia.