En este trabajo, presentamos métodos numéricos apropiados para la estimación de parámetros en modelado estadístico de alta dimensionalidad. La solución de estos problemas no es única y surge una pregunta crucial sobre la forma en que se puede encontrar una solución. Una elección común es mantener la solución correspondiente con la norma mínima. Hay casos en los que esta solución no es adecuada y se deben considerar técnicas de regularización. Clasificamos casos específicos para los cuales se requiere o no regularización. Presentamos una comparación exhaustiva entre los métodos existentes tanto para estimar los coeficientes del modelo que corresponde a matrices de diseño con covariables correlacionadas y para la selección de variables para diseños supersaturados. Se proporciona un análisis extenso de las propiedades de las matrices de diseño con covariables correlacionadas. Se presentan resultados numéricos para datos simulados y reales.