Hace aproximadamente una década, se lanzó el algoritmo PERTI como una herramienta para un análisis basado en probabilidades adaptativas a datos de conjuntos de tomografía de resistividad eléctrica. Resultó ser un método de inversión fácil y versátil que proporciona estimaciones de los valores de resistividad dentro de un volumen encuestado como promedios ponderados de todo el conjunto de datos de resistividad aparente. En este artículo, con el objetivo de mejorar el proceso interpretativo, se amplía el método PERTI aprovechando algunos aspectos peculiares de la teoría general de probabilidades. Se asume que el esquema conceptual de Bernoulli cumple con cualquier conjunto de datos de resistividad, lo que permite extraer y analizar singularmente una multiplicidad de subconjuntos mutuamente independientes. Por último, se adopta un procedimiento estándar de mínimos cuadrados para la determinación estadística de la resistividad del modelo en cada punto del volumen encuestado como la pendiente de una ecuación lineal que relaciona la multiplicidad de las estimaciones de resistividad de los subconjuntos de datos extraídos. Se discute una prueba sintética en 2D y un conjunto de datos de resistividad aparente de campo recopilado con fines arqueológicos utilizando el nuevo enfoque PERTI extendido (E-PERTI). La comparación con los resultados del PERTI original muestra que con el enfoque E-PERTI se puede lograr una robustez significativamente mayor contra el ruido, además de una optimización general de las estimaciones de los valores de resistividad más probables.