WData
Estimación no paramétrica de distribuciones y densidades con datos ponderados.
Ver en CRAN ↗CODyNP · Proyecto financiado por la Agencia Estatal de Investigación (AEI) · Universidade de Santiago de Compostela
La investigación se organiza en dos grandes ámbitos: el análisis de datos complejos y el desarrollo de métodos de inferencia no paramétrica.
El proyecto combina investigación metodológica, desarrollo de software estadístico y aplicaciones a problemas reales. Sus resultados contribuyen al avance de la estadística y facilitan su utilización en ámbitos como la biomedicina, la ecología, las ciencias medioambientales y otras áreas de conocimiento.
CoDyNP (Dinámica compleja e inferencia no paramétrica) es un proyecto de investigación dedicado al desarrollo de nuevas herramientas estadísticas para analizar datos complejos. Su trabajo se centra en la inferencia no paramétrica, especialmente en situaciones en las que los datos presentan dependencia, información incompleta, alta dimensionalidad o estructuras que requieren métodos específicos.
| Nombre | Correo electrónico | Universidad |
|---|---|---|
| Rosa María Crujeiras Casais | rosa.crujeiras@usc.es | Universidade de Santiago de Compostela |
| Wenceslao González Manteiga | wenceslao.gonzalez@usc.es | Universidade de Santiago de Compostela |
| Nombre | Correo electrónico | Universidad |
|---|---|---|
| Javier Álvarez Liébana | javalv09@ucm.es | Universidad Complutense de Madrid |
| Ana María Bianco | anambianco@gmail.com | Universidad de Buenos Aires |
| Graciela Lina Boente Boente | gboente@dm.uba.ar | Universidad de Buenos Aires |
| Diego Bolón Rodríguez | diego.bolon.rodriguez@usc.es | Université Libre de Bruxelles |
| Daniel Diz Castro | daniel.diz@rai.usc.es | Universidade de Santiago de Compostela |
| Arís Fanjul Hevia | fanjularis@uniovi.es | Universidad de Oviedo |
| Isabel Fuentes Santos | isafusa@gmail.com | Universidade da Coruña |
| Héctor González Vázquez | hector.gonzalez@usc.es | Universidade de Santiago de Compostela |
| Manuel Oviedo de la Fuente | manuel.oviedo@udc.es | Universidade da Coruña |
| Iria Rodríguez Acevedo | iriarodriguez.acevedo@usc.es | Universidade de Santiago de Compostela |
| Ingrid Van Keilegom | ingrid.vankeilegom@kuleuven.be | University of Leuven |
| María Vidal García | vgmaria0@gmail.com | Universidade de Santiago de Compostela |
Relación de personas facilitada para esta página. No equivale necesariamente a la relación completa de participantes históricos del proyecto.
Relación de publicaciones y otras contribuciones bibliográficas de 2021 a 2025.
Relación de participaciones y actividades científicas de 2025 y 2026.
El proyecto ha contribuido al desarrollo, ampliación y mantenimiento de herramientas de software estadístico, principalmente paquetes de R. Estas aplicaciones facilitan el uso de los métodos estudiados y su difusión entre la comunidad científica. La siguiente selección recoge herramientas descritas en el informe final del proyecto.
Estimación no paramétrica de distribuciones y densidades con datos ponderados.
Ver en CRAN ↗Intervalos de predicción mediante técnicas de regresión cuantil.
Análisis de datos categóricos y encuestas, con técnicas de correspondencias y visualización.
Selección de variables en modelos estadísticos de alta dimensión.
Selección del parámetro de suavizado para regresión cuantil local.
Ver en CRAN ↗Análisis y predicción de la evolución de epidemias mediante métodos no paramétricos.
Ver en CRAN ↗Estimación de densidades y visualización de datos esféricos.
Ver en CRAN ↗Análisis de la diversidad y estructura de poblaciones a partir de la distribución de apellidos.
Ver en CRAN ↗Análisis de datos funcionales, incluyendo regresión y contrastes estadísticos.
Ver en CRAN ↗Análisis de la multimodalidad de distribuciones estadísticas.
Ver en CRAN ↗Herramientas no paramétricas para datos circulares.
Ver en CRAN ↗Procesamiento de datos de escáner láser terrestre para inventarios forestales.
Ver en CRAN ↗Análisis de formas geométricas a partir de nubes de puntos tridimensionales.
Ver en CRAN ↗