Los datos funcionales, que proporcionan información sobre curvas, superficies o cualquier otra cosa que varíe a lo largo de un continuo, se han convertido en un tipo de datos comúnmente encontrado. El método de los k-vecinos más cercanos (kNN), como método no paramétrico, se ha convertido en uno de los algoritmos de aprendizaje automático supervisado más populares utilizados para resolver problemas de clasificación y regresión. Este documento está dedicado a los estimadores de los k-vecinos más cercanos (kNN) del modelo de regresión funcional no paramétrico cuando las variables observadas toman valores de secuencias negativamente asociadas (NA). Se proporciona primero la tasa de convergencia consistente y completa para el estimador kNN propuesto. Luego, se realizan evaluaciones numéricas, incluido un estudio de simulación y un análisis de datos reales, para evaluar el rendimiento del método propuesto y compararlo con el enfoque no paramétrico estándar de núcleo.