[GL] A regresión modal xorde como alternativa á regresión en media para tratar de modelar relacións entre variables nos casos nos que esta poida non ser adecuada, dado que a media condicional non é sempre unha medida resumo que representa fielmente a relación entre as mesmas. Este traballo ten como obxectivo presentar a regresión modal non paramétrica. Comezamos mostrando varias simulacións e un caso real onde a regresión en media paramétrica non é adecuada, para abordar así a estimación da densidade non paramétrica. Co fin de contextualizar a metodoloxía da regresión modal, farase unha análise da estimación tipo núcleo da densidade e da densidade condicional, destacando a forma de seleccionar unha fiestra de suavizado adecuada. Para isto, introduciranse varios criterios de erro e diferentes métodos de selección. Para concluír, desenvolverase a estimación modal non paramétrica. Para introducir a regresión modal, farase unha breve alusión ao modelo linear unimodal. Posteriormente, ilustrarase o principal algoritmo para a construción do modelo non paramétrico multimodal, o 𝑚𝑒𝑎𝑛-𝑠ℎ𝑖𝑓𝑡. A continuación, describiranse varias medidas de erro, as cales deben definirse para conxuntos no canto de puntos, coa idea de poder facer unha selección adecuada das fiestras. Mostraranse dous métodos de selección do ancho de banda cuxa idea xeral coincide co da estimación tipo núcleo. Finalmente, ilustrarase a regresión modal non paramétrica sobre os exemplos, simulados e real, onde a regresión en media paramétrica non era adecuada.