🕷️ Crawler Inspector

[Pasar al contenido principal](https://interactivechaos.com/es/manual/tutorial-de-seaborn/estimacion-de-densidad-kernel#main-content) Toggle navigation [](https://interactivechaos.com/es "Inicio") - [Spanish](https://interactivechaos.com/es/manual/tutorial-de-seaborn/estimacion-de-densidad-kernel) - [English](https://interactivechaos.com/en/node/674) ## Menú login no registrado - [Iniciar sesión](https://interactivechaos.com/es/user/login) ## Navegación principal - ES - [Inicio](https://interactivechaos.com/es) - Servicios - [Formación in-company](https://interactivechaos.com/es/formacion-in-company) - [Análisis de datos](https://interactivechaos.com/es/analisis-de-datos) - [Consultoría de BI](https://interactivechaos.com/es/consultoria-de-bi) - [Cursos](https://interactivechaos.com/es/cursos) - [Tutoriales](https://interactivechaos.com/es/tutoriales) - [Publicaciones](https://interactivechaos.com/es/publicaciones) - [Blog](https://interactivechaos.com/es/blog) - [Recursos educativos](https://interactivechaos.com/es/recursos-educativos) - [Contacto](https://interactivechaos.com/es/contact) [Inicio](https://interactivechaos.com/) \> [Recursos educativos](https://interactivechaos.com/recursos-educativos) \> [Tutoriales](https://interactivechaos.com/tutoriales) [](https://interactivechaos.com/manual/tutorial-de-seaborn/tutorial-de-seaborn) - [Presentación](https://interactivechaos.com/es/manual/tutorial-de-seaborn/presentacion) - [Funcionalidad de seaborn](https://interactivechaos.com/es/manual/tutorial-de-seaborn/funcionalidad-de-seaborn) - [Funciones a nivel de figura y de ejes](https://interactivechaos.com/es/manual/tutorial-de-seaborn/funciones-nivel-de-figura-y-de-ejes) - [Datasets](https://interactivechaos.com/es/manual/tutorial-de-seaborn/datasets) - [Clasificación de funciones](https://interactivechaos.com/es/manual/tutorial-de-seaborn/clasificacion-de-funciones) - [Distribuciones](https://interactivechaos.com/es/manual/tutorial-de-seaborn/distribuciones) - [Distribuciones univariadas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/distribuciones-univariadas) - [Rug plot](https://interactivechaos.com/es/manual/tutorial-de-seaborn/rug-plot) - [Histogramas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/histogramas) - [Estimación de densidad kernel](https://interactivechaos.com/es/manual/tutorial-de-seaborn/estimacion-de-densidad-kernel) - [kde plot](https://interactivechaos.com/es/manual/tutorial-de-seaborn/kde-plot) - [Ajuste de distribuciones paramétricas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/ajuste-de-distribuciones-parametricas) - [Distribuciones bivariadas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/distribuciones-bivariadas) - [Distribuciones de varias variables](https://interactivechaos.com/es/manual/tutorial-de-seaborn/distribuciones-de-varias-variables) - [Relaciones entre variables cuantitativas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/relaciones-entre-variables-cuantitativas) - [Relaciones entre variables cuantitativas y cualitativas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/relaciones-entre-variables-cuantitativas-y-cualitativas) - [Modelos estadísticos](https://interactivechaos.com/es/manual/tutorial-de-seaborn/modelos-estadisticos) - [Mapas de calor](https://interactivechaos.com/es/manual/tutorial-de-seaborn/mapas-de-calor) - [Tamaño de las visualizaciones](https://interactivechaos.com/es/manual/tutorial-de-seaborn/tamano-de-las-visualizaciones) - [Colores](https://interactivechaos.com/es/manual/tutorial-de-seaborn/colores) - [Estilos](https://interactivechaos.com/es/manual/tutorial-de-seaborn/estilos) - [Datos de entrada](https://interactivechaos.com/es/manual/tutorial-de-seaborn/datos-de-entrada) - [Conclusión](https://interactivechaos.com/es/manual/tutorial-de-seaborn/conclusion) Seaborn cheat sheet [](https://interactivechaos.com/sites/default/files/data/seaborn_cheat_sheet.pdf) # Estimación de densidad kernel La estimación de densidad kernel (KDE) es menos usada que el histograma, pero puede ser una útil herramienta para mostrar la distribución de una variable. Al igual que aquel, los KDE codifican la densidad de observaciones en un eje mostrando una altura proporcional en el otro eje, pero los KDE pueden ser dotados de propiedades como la suavidad o continuidad. Para construir el KDE se considera una función no negativa -el *kernel*\- y un parámetro de suavizado denominado *bandwidth*. Cuando el kernel es una función gaussiana, cada observación es sustituida por una curva de este tipo centrada en dicho valor. A continuación, se suman las curvas para obtener el valor de la densidad en cada punto. Por último, la curva resultante se normaliza para que el área bajo ella sea igual a 1. Usando la función [seaborn.distplot](https://seaborn.pydata.org/generated/seaborn.distplot.html) basta con ocultar el histograma -lo que controlamos con el parámetro **hist**\- para obtener el KDE: y = np.random.normal(size = 100) sns.distplot(y, hist = False);  También aquí tenemos a disposición el "*rug*": sns.distplot(y, hist = False, rug = True);  - [kde plot](https://interactivechaos.com/es/manual/tutorial-de-seaborn/kde-plot) ## Enlaces transversales de Book para Estimación de densidad kernel - [**‹** Histogramas](https://interactivechaos.com/es/manual/tutorial-de-seaborn/histogramas "Ir a la página anterior") - [Arriba](https://interactivechaos.com/es/manual/tutorial-de-seaborn/distribuciones-univariadas "Ir a la página madre") - [kde plot **›**](https://interactivechaos.com/es/manual/tutorial-de-seaborn/kde-plot "Ir a la página siguiente") ## Acerca de Interactive Chaos  Desde 1990 formando a particulares y empresas en ciencias y tecnología. [Información sobre el autor](https://interactivechaos.com/es/about-us) [Política de protección de datos](https://interactivechaos.com/es/politica-de-proteccion-de-datos) [Política de cookies](https://interactivechaos.com/es/politica-de-cookies) [Derechos de autor](https://interactivechaos.com/es/derechos-de-autor) ## Información de contacto (+34) 671 640 517 ## Cuenta de usuario - [Iniciar sesión](https://interactivechaos.com/es/user/login)  Excepto donde se indique otra cosa, los contenidos de este sitio web se ofrecen bajo una licencia [Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional](https://interactivechaos.com/derechos-de-autor)

La estimación de densidad kernel (KDE) es menos usada que el histograma, pero puede ser una útil herramienta para mostrar la distribución de una variable. Al igual que aquel, los KDE codifican la densidad de observaciones en un eje mostrando una altura proporcional en el otro eje, pero los KDE pueden ser dotados de propiedades como la suavidad o continuidad. Para construir el KDE se considera una función no negativa -el *kernel*\- y un parámetro de suavizado denominado *bandwidth*. Cuando el kernel es una función gaussiana, cada observación es sustituida por una curva de este tipo centrada en dicho valor. A continuación, se suman las curvas para obtener el valor de la densidad en cada punto. Por último, la curva resultante se normaliza para que el área bajo ella sea igual a 1. Usando la función [seaborn.distplot](https://seaborn.pydata.org/generated/seaborn.distplot.html) basta con ocultar el histograma -lo que controlamos con el parámetro **hist**\- para obtener el KDE: y = np.random.normal(size = 100) sns.distplot(y, hist = False);  También aquí tenemos a disposición el "*rug*": sns.distplot(y, hist = False, rug = True);