Los problemas de fusión de predicción y suavizado en sistemas multisensoriales con incertidumbres mixtas y ruidos correlacionados se abordan en el dominio tesarino, bajo condiciones de -corrección. Se introducen procesos tesarinos aleatorios distribuidos de Bernoulli para describir medidas aleatorias con retraso y faltantes de un paso. Se aplican métodos de fusión centralizados y distribuidos en un entorno -correcto, lo que reduce considerablemente la dimensión de los procesos involucrados. Como consecuencia, se diseñan algoritmos eficientes de predicción y suavizado de fusión centralizados y distribuidos con un menor costo computacional que el derivado de un formalismo real. El rendimiento de estos algoritmos se analiza mediante simulaciones numéricas donde se consideran diferentes situaciones de incertidumbre: medidas actualizadas/con retraso y faltantes.