Bienvenidos a la página web del grupo de

INFERENCIA NO PARAMÉTRICA PARA DATOS, DEPENDENCIAS Y DINÁMICAS COMPLEJAS

Subvencionado por la Agencia Estatal de Investigación (AEI)

Código: PID2024-158017NB-I00

Plazo de ejecución: 01/09/2025 – 31/08/2028

EAMO

Departamento de Estadística, Análisis Matemático y Optimización

Universidad de Santiago de Compostela


Este proyecto es continuidad del PID2020-116587GB-I00 (CODNyP), más detalles disponibles en este enlace.

Presentación

COD3NP es un proyecto de investigación centrado en el desarrollo de nuevas metodologías de estadística no paramétrica para el análisis de datos complejos, que no se ajustan al marco clásico euclidiano. En las últimas décadas han surgido nuevos tipos de datos —como datos funcionales, de alta dimensión, sobre variedades, con dependencias temporales y/o espaciales complejas o con información incompleta— que requieren técnicas estadísticas innovadoras para abordar problemas de estimación, contraste, clasificación y predicción. El proyecto se estructura en cuatro paquetes de trabajo:

El objetivo principal de COD3NP es introducir y analizar nuevos métodos de estadística no paramétrica para la inferencia con datos complejos, poniendo estas herramientas a disposición de la comunidad científica mediante software de código abierto y fomentando la colaboración interdisciplinar. Este objetivo se concreta en tres líneas de investigación:

Equipo


Main researcher e-mail University
González Manteiga Wenceslao wenceslao.gonzalez@usc.esUniversidade de Santiago de Compostela


Team Group e-mail University
González Manteiga Wenceslao wenceslao.gonzalez@usc.esUniversidade de Santiago de Compostela
Lombardía Cortiña María José maria.jose.lombardia@udc.esUDC
Pateiro López Beatriz beatriz.pateiro@usc.esUniversidade de Santiago de Compostela
Rodríguez Casal Alberto alberto.rodriguez.casal at usc.esUniversidade de Santiago de Compostela
Sánchez Sellero César Andrés cesar.sanchez@usc.esUniversidade de Santiago de Compostela


Working Group e-mail University
Castellano Méndez María mariacmendez@hotmail.comInstituto de Estudios Turísticos
Fernández de Castro Belén M. bfernandezc@abanca.comABANCA
Martínez Calvo Adela adela.martinez.calvo@usc.esUniversidade de Santiago de Compostela
Prada Sánchez José Manuel josemanuel.prada@usc.es

Proyectos

PID2020-116587GB-I00

Título: Dinámica compleja e inferencia no paramétrica

Agencia: Agencia Estatal de Investigación (AEI)

Periodo: 01-09-2021 – 31-12-2025

MTM2016-76969-P

Título: Modelización no paramétrica de dinámicas y dependencias en sistemas complejos

Agencia: Ministerio de Economía y Competitividad (Nacional)

Periodo: 01-01-2017 – 29-06-2021

MTM2013-41383-P

Título: Inferencia no paramétrica: modelización, estimación, contrastes y aplicaciones

Agencia: Ministerio de Economía y Competitividad (Nacional)

Periodo: 01-01-2014 – 31-12-2016

MTM2008-03010

Título: Metodologías y aplicaciones en estadística semiparamétrica, funcional y espacio-temporal

Agencia: Ministerio de Ciencia e Innovación (Nacional)

Periodo: 01-01-2009 – 31-12-2013

MTM2005-00820

Título: Inferencia Estadística Funcional. Nuevas Aplicaciones a las Finanzas, al Medioambiente, a la Industria y a la Economía

Agencia: Ministerio de Educación y Ciencia. Fondos FEDER (Nacional)

Periodo: 15-10-2005 – 15-10-2008

Publicaciones

Software

Los miembros del proyecto contribuyen al desarrollo y mantenimiento de paquetes de software libre para R, facilitando la aplicación y reproducibilidad de metodologías estadísticas. Estas herramientas abarcan diferentes ámbitos de la inferencia no paramétrica, el análisis de datos complejos y sus aplicaciones.

NPCirc

Métodos no paramétricos de estimación de densidad y regresión para datos circulares.

Autores: María Alonso, José Ameijeiras y Rosa M. Crujeiras.

Ver en CRAN

HDiR

Métodos para la detección y estimación de regiones de alta densidad.

Autores: Paula Saavedra y Rosa M. Crujeiras.

Ver en CRAN

WData

Inferencia estadística no paramétrica para datos ponderados, incluyendo estimación de densidades y funciones de distribución.

Autoras: María Isabel Borrajo, Mercedes Conde y Alejandra López.

Ver en CRAN

alphashape3d

Construcción de alpha-shapes tridimensionales para el análisis de la geometría de conjuntos de puntos en el espacio.

Investigadora participante: Beatriz Pateiro.

Ver en CRAN

pgKDEsphere

Estimación no paramétrica de densidades para datos esféricos y herramientas de visualización.

Investigadora participante: María Alonso.

Ver en CRAN

multimode

Métodos no paramétricos para contrastar el número de modas de una distribución y estimar sus localizaciones.

Investigador participante: José Ameijeiras.

Ver en CRAN

BwQuant

Métodos de selección del ancho de banda para regresión cuantil local lineal, incluyendo técnicas plug-in y validación cruzada.

Investigador participante: César Sánchez.

Ver en CRAN

OnomasticDiversity

Medidas de diversidad onomástica, similitud entre poblaciones e índices de diversidad.

Autora: María José Ginzo.

Ver en CRAN

FORTLS

Procesamiento de nubes de puntos obtenidas mediante tecnologías terrestres para inventarios forestales y estimación de atributos de árboles y rodales.

Autoras: Adela Martínez Calvo y María José Ginzo.

Ver en CRAN

LearningStats

Herramientas didácticas para estadística descriptiva e inferencial, lectura de datos, tablas de frecuencias y gráficos.

Investigadora participante: María Isabel Borrajo.

Ver en CRAN

fda.usc

Herramientas para el análisis de datos funcionales: estadística descriptiva, detección de curvas atípicas, regresión, clasificación y análisis de la varianza funcional.

Autores: Manuel Febrero Bande y Manuel Oviedo de la Fuente.

Ver en CRAN

alphahull

Métodos para calcular alpha-shapes y envolventes alpha-convexas de conjuntos de puntos en el plano, con aplicaciones en estimación de conjuntos y geometría computacional.

Autores: Beatriz Pateiro López y Alberto Rodríguez Casal.

Ver en CRAN

Congresos

Contactar

Acceso usuarios

La base de datos del proyecto está disponible para los miembros del grupo.

Modo de acceso: Para acceder a la base de datos es necesario poseer un nombre de usuario y contraseña.
(Si no dispone de usuario o se ha olvidado de él, contacte con el administrador)

Introduzca sus datos de acceso
Nombre de usuario:
Contraseña:
☰ Menú