Se estudian modificaciones de las técnicas de validación cruzada de Kullback-Leibler y mínimos cuadrados para obtener el parámetro de suavización asociado a un estimador general no paramétrico de la función de densidad, a partir de la muestra, en el supuesto de que los datos verifican alguna condición débil de dependencia. Se demuestra que los parámetros obtenidos por estas dos técnicas son asintóticamente óptimos. Y se realiza un estudio de simulación.

We study modifications of the Kullback-Leibler and least-squares methods to obtain the smoothing parameter of a general nonparametric density estimator, using the random sample, when the observed data are dependent. Theorems are established which shows that the above parameters are asymptotically optimal, and a simulation study is presented.