En biometría, ingeniería, medicina y otras áreas es común disponer de distintos instrumentos que midan alguna característica en una unidad experimental. En ocasiones, un nuevo instrumento es propuesto como una alternativa más económica o práctica respecto al instrumento estándar. Si ambos trabajan en una misma escala, es deseable medir el grado de acuerdo o de concordancia que alcanzan. En este contexto, existen varias propuestas para medir el acuerdo entre instrumentos de las cuales se profundizaría en: El Coeficiente de Correlación de Concordancia (CCC) y la Probabilidad de Acuerdo (PA). Las mediciones de los instrumentos pueden estar sujetas a error en la medición. Si estos errores de medición no fueran considerados, las inferencias realizadas podrían estar comprometidas o ser incorrectas. Los Modelos con Error de Medición (MEM) permiten incorporar la incertidumbre que el proceso de medición pueda tener. Una aplicación de los MEM es el modelo de calibración en su versión estructural. Para modelar el error de medición, los MEM asumen una distribución multivariante, siendo la distribución Normal multivariada de gran utilidad en varias aplicaciones. Sin embargo, en presencia de colas pesadas o de datos atípicos, la suposición de normalidad puede ser poco adecuada llevando a comprometer los resultados. Una manera de afrontar este problema es emplear la distribución t multivariada considerada como una extensión de la distribución Normal multivariada. El objetivo de este trabajo es desarrollar bajo el Modelo Estructural Multivariado, herramientas de inferencia estadística para las medidas de acuerdo: CCC y PA. El Modelo Estructural considera el uso de la distribución Normal Multivariada y la t multivariada. Las herramientas estadísticas fueron aplicadas a conjuntos de datos clásicos en la comparación de instrumentos y además, en aplicaciones financieras como el retorno de acciones y las proyecciones del tipo de cambio por parte de operadores financieros.