ABSTRACT Continuous time series of precipitation and temperature considerably facilitate and improve the calibration and validation of climate and hydrologic models, used inter alia for the planning and management of earth’s water resources and for the prognosis of the possible effects of climate change on the rainfall-runoff regime of basins. The goodness-of-fit of models is among other factors dependent from the completeness of the time series data. Particular in developing countries gaps in time series data are very common. Since gaps can severely compromise data utility this research with application to the Andean Paute river basin examines the performance of 17 deterministic infill methods for completing time series of daily precipitation and mean temperature. Although sophisticated approaches for infilling gaps, such as stochastic or artificial intelligence methods exist, preference in this study was given to deterministic approaches for their robustness, easiness of implementation and computational efficiency. Results reveal that for the infilling of daily precipitation time series the weighted multiple linear regression method outperforms due to considering the ratio of the Pearson correlation coefficient to the distance, giving more weight to both, highly correlated and nearby stations. For mean temperature, the climatological mean of the day was clearly the best method, most likely due to the scarcity of weather stations measuring temperature, and because the few available stations are located at different elevations in the landscape, suggesting the need to address in future studies the impact of elevation on the interpolation. Keywords: Infilling, deterministic infill methods, time series, daily rainfall, mean daily temperature, Andean Paute river basin. RESUMEN Series continuas de precipitacion y temperatura facilitan y mejoran considerablemente la calibracion y validacion de modelos hidrologicos y climaticos, utilizados entre otras cosas, para la planificacion y manejo de recursos hidricos y el pronostico de los posibles efectos del cambio climatico en el regimen lluvia-escorrentia de las cuencas hidrograficas. La bondad de ajuste de los modelos esta entre los factores que dependen de la continuidad de las series temporales. En paises en vias de desarrollo los vacios en las series temporales de variables climaticas es comun. Ya que los vacios en las series temporales pueden comprometer severamente la utilidad de los datos, este estudio aplicado en la cuenca del rio Paute en los Andes Ecuatorianos, examina el desempeno de 17 metodos deterministicos de relleno de datos diarios de las variables precipitacion y temperatura media. A pesar de la existencia de metodos de relleno mas sofisticados como metodos estocasticos o metodos de inteligencia artificial, en este estudio se dio preferencia a metodos deterministicos por su robustez, facilidad de implementacion, y eficiencia computacional. Los resultados revelan que para rellenar series temporales de precipitacion diaria, el metodo de regresion lineal multiple ponderada es el mejor, debido a la consideracion de la razon entre el coeficiente de correlacion de Pearson y la distancia con respecto a otras estaciones como factor de ponderacion, dando mayor importancia a las estaciones mas cercanas altamente correlacionadas. Para temperatura, la media climatologica del dia fue claramente el mejor metodo, posiblemente debido a la escacez de datos de estaciones cercanas localizadas tambien en elevaciones diferentes, sugiriendo la necesidad de considerar en futuros estudios el impacto de la elevacion en la interpolacion de datos. Palabras clave: Relleno de datos, metodos deterministicos de relleno, series temporales, precipitacion diaria, temperatura media del dia, cuenca del rio Paute Andean.