@prefix config: . @prefix meta: . @prefix rdf: . @prefix rdfs: . @prefix xsd: . @prefix owl: . @prefix dc: . @prefix dcmitype: . @prefix dcterms: . @prefix foaf: . @prefix geo: . @prefix om: . @prefix locn: . @prefix schema: . @prefix skos: . @prefix dbpedia: . @prefix p: . @prefix yago: . @prefix units: . @prefix geonames: . @prefix prv: . @prefix prvTypes: . @prefix doap: . @prefix void: . @prefix ir: . @prefix ou: . @prefix teach: . @prefix time: . @prefix datex: . @prefix aiiso: . @prefix vivo: . @prefix bibo: . @prefix fabio: . @prefix vcard: . @prefix swrcfe: . @prefix frapo: . @prefix org: . @prefix ei2a: . @prefix pto: . a ou:LineaInvestigacion; dcterms:description "En el problema de estimación de densidades más que estimar una cantidad, como pueden ser la media o la varianza de una distribución, pretende estimar una función de densidad. (Estimación Funcional.) Este problema comienza con un artículo de Fix y Hodges (1951), que permaneció sin publicar hasta 1989, cuando apareció con comentarios de Silverman y Jones. Este artículo trata el problema clásico del Análisis Discriminante. En este problema nada se podía hacer, fuera de la suposición de normalidad; sin embargo, ese artículo de Fix y Hodges, propuso por primera vez un método de estimación de la función de densidad que ayudaba a liberarse de la suposición de normalidad. Hoy en día la estimación de densidades es fundamental, no sólo para resolver problemas como el anterior, sino también en relación con la presentación y exploración de un conjunto de datos. El problema se aborda también desde el punt de vista bayesiano, junto con otros problemas relacionados como pueden ser el de estimación de la función de distribución o de la curva de regresion."; ou:codUnescoI "1209.08"; dcterms:title "Estimación de densidades ". ou:tieneLineaInvestigacion .