Se aplicó el modelado por mixturas gaussianas para describir la distribución anual de dos variables meteorológicas importantes, temperatura y humedad relativa, dentro del Valle Central de Costa Rica desde el 2010 hasta el 2017. Se utilizó un número fijo de componentes gaussianas para ajustar los datos a una curva de mixtura general que representara el comportamiento durante todo el año, esto se realizó a través de funciones específicas de las bibliotecas Scikit-learn y SciPy del lenguaje Python. Al modelar los datos de temperatura se obtuvieron valores bajos del error de aproximación y se observó una relación entre su distribución y la variabilidad horaria, estableciendo altas temperaturas alrededor del mediodía. Para la humedad relativa, el modelo de mixturas gaussianas presentó problemas en el ajuste de valores mayores al 90 %, como resultado del límite de saturación de esta variable en el 100 %. La relación respecto al tiempo no fue claramente determinada debido a la cantidad de componentes de la mixtura usadas para modelar la humedad relativa, pero se apreció una tendencia de valores bajos entre el final de la mañana e inicios de la tarde. La minimización iterativa del error fue considerada como una aproximación futura para alcanzar un mejor ajuste con mixturas gaussianas para estas y otras variables meteorológicas.