Esta investigación, tiene como objetivo contrastar a nivel exploratorio mediante la técnica de análisis de datos funcionales, los patrones de actividad cerebral obtenidos a través del equipo Emotiv Epoc como indicador de engaño. Para tal fin, se diseñó una tarea experimental en la que se establecieron dos situaciones; una con engaño y otra sin engaño, midiendo los patrones de actividad cerebral en cada condición en un grupo de 4 estudiantes universitarios, conectándole a cada uno 8 electrodos del equipo de electroencefalografía Emotiv Epoc, que registran señales eléctricas del cerebro en las áreas prefrontal Dorsolateral, prefrontal medial y orbito frontal, las cuales están asociadas con tareas de tipo ejecutivas. Para el análisis de los datos se utilizó el software de uso libre R Project versión 3.2.3 aplicando análisis de datos funcionales contrastando la información obtenida a partir de la identificación de datos atípicos y análisis Bspline para suavizar las curvas obtenidas con el fin de minimizar la rugosidad o ruido presente en las ondas. Para cada condición, se contrastó la mediana, media y desviación estándar funcional por cada electrodo, esto con el fin de identificar el tipo de comportamiento presente en las señales eléctricas y comparar, cualitativamente diferencias entre las dos condiciones. Los resultados permiten identificar en términos generales, que el comportamiento de la señal eléctrica durante la condición de engaño es diferente, en términos de voltaje y organización de las curvas, a la observada durante la condición sin engaño. El uso de la técnica de suavizado Bspline, demostró ser importante para que en los datos disminuyera la presencia de rugosidad existente en algunos electrodos al aplicar la técnica de detección de datos atípicos, permitiendo así que las ondas tuvieran una tendencia a suavizarse y que la media y desviación estándar funcional fueran diferentes para cada condición. Estos resultados sugieren la existencia de diferencias estadísticas entre las condiciones, por lo que se sugiere para futuras investigaciones emplear técnicas estadísticas de tipo inferencial como un anova funcional o modelos lineales generalizados de tipo funcional.