Este repositorio contiene las soluciones y el análisis del segundo taller sobre estadística no paramétrica. El enfoque principal es la aplicación de modelos de regresión robustos y no paramétricos, estimaciones de densidad con kernels (KDE), y pruebas estadísticas. El taller incluye los siguientes componentes clave:
- Estimación de Densidad con Kernel (KDE): Un análisis completo de las distribuciones de temperatura utilizando diferentes kernels y anchos de banda para modelar datos reales de las provincias españolas.
- Modelos de Regresión Robustos: Implementación y comparación de varios modelos de regresión robustos como RLM (Modelos Lineales Robustos) y RANSAC (Muestreo Aleatorio Consensuado).
- Regresión No Paramétrica: Aplicación de la regresión Kernel para capturar relaciones no lineales entre las variables.
- Prueba Mann-Whitney U: Prueba estadística realizada en múltiples conjuntos de datos para determinar diferencias significativas entre distribuciones.
- Detección de Valores Atípicos: Identificación de outliers significativos en datos de accidentalidad utilizando medidas de profundidad y boxplots funcionales.
El repositorio incluye el código para el procesamiento de datos, implementación de los modelos y visualizaciones, así como el informe final que resume los resultados obtenidos.
- Simulación de datos y estimación con KDE.
- Comparación de diferentes modelos de regresión.
- Pruebas estadísticas para validación de hipótesis.
- Métodos para la detección de outliers.