<p>En este trabajo se prueban varios estimadores de varianza basados en diferencias en el marco de la regresión no paramétrica. Estos estimadores tiene la principal ventaja de no depender de los parámetros de suavización, además de que son poco exigente en términos computacionales. Se usan principalmente estimadores basados en diferencias ordinarias y basados en las diferencias óptimas de Hall. Se crean escenarios utilizando diferentes funciones de regresión, tamaños de muestra y distribuciones de los errores y se introduce el uso de la distribución semi-normal para probar los estimadores de varianza en casos de distribuciones asimétricas de los errores. Los resultados parecen apoyar la idea de que los estimadores basados en diferencias óptimas de Hall no son mejores en todos los escenarios planteados.</p>