II. Autoridades y personal. - B. Oposiciones y concursos. MINISTERIO DE ASUNTOS ECONÓMICOS Y TRANSFORMACIÓN DIGITAL. Cuerpo Superior de Estadísticos del Estado. (BOE-A-2022-2725)
Resolución de 9 de febrero de 2022, de la Subsecretaría, por la que se aprueba el programa y se describe el contenido de los procesos selectivos para ingreso, por el sistema general de acceso libre y promoción interna, en el Cuerpo Superior de Estadísticos del Estado, correspondiente a la convocatoria derivada de las ofertas de empleo público de 2020 y 2021, y se deja sin efecto la Resolución de 1 de octubre de 2020.
18 páginas totales
Página
BOLETÍN OFICIAL DEL ESTADO
Lunes 21 de febrero de 2022
Sec. II.B. Pág. 21073
Tema 7. Modelos lineal y lineal generalizado de Bayes. El enfoque bayesiano a la
inferencia estadística. Los modelos lineales bayesianos. Los modelos lineales
generalizados bayesianos. Modelización empírica bayesiana y jerárquica bayesiana.
Tema 8. Extensiones de los modelos generalizados lineales. Métodos de regresión
robusta y de regularización para el ajuste de modelos. Modelos con un p grande.
Suavizado, modelos generalizados aditivos y otras extensiones del GLM.
Tema 9. Cadenas de Markov. Procesos de Markov. Clasificación de estados.
Clasificación de cadenas. Distribuciones estacionarias y el teorema del límite.
Reversibilidad. Cadenas con muchos estados (finitos).
Tema 10. Procesos estocásticos. Introducción. Procesos estacionarios. Ejemplos
(procesos de renovación, colas y de Wiener). Existencia de procesos.
Tema 11. Introducción a la geoestadística. La necesidad del análisis espacial. Tipos
de datos espaciales. Autocorrelación: concepto y medidas elementales. Funciones de
autocorrelación. El efecto de la autocorrelación en la inferencia estadística.
Tema 12. Introducción al aprendizaje automático. Definición. Aprendizaje
supervisado. Balance entre sesgo y varianza. La maldición de la dimensionalidad.
Sobreajuste. Validación cruzada. Aprendizaje no supervisado. Aplicaciones.
Tema 13. Métodos lineales. Regresión lineal. Reducción de la dimensionalidad:
regresiones Ridge y Lasso. Regresión logística.
Tema 14. Redes neuronales y máquinas de vectores soporte. Redes neuronales.
Retropropagación y descenso por gradiente. Problemas característicos de su ajuste.
Máquinas de vectores soporte. El uso de Kernels.
Tema 15. Modelos basados en árboles. Árboles de decisión. Árboles de regresión.
Propiedades. Bagging. Bosques aleatorios. Boosting. Boosting aplicado a árboles.
Tema 16. Análisis de componentes principales. Introducción. Planteamiento del
problema. Cálculo de las componentes. Propiedades de las componentes. Análisis
normado o con correlaciones. Interpretación de las componentes.
Tema 17. Análisis de correspondencias. Introducción. Búsqueda de la mejor
proyección. La distancia ji-cuadrado. Asignación de puntuaciones.
Tema 18. Análisis de conglomerados. Fundamentos. Métodos clásicos de partición.
Métodos jerárquicos. Conglomerados por variables.
Tema 19. Análisis factorial. La distribución normal k-dimensional. El modelo
factorial. El método del factor principal. Estimación máximo-verosímil. Determinación del
número de factores. Rotación de los factores. Estimación de los factores.
Tema 20. Análisis Discriminante. Introducción. Clasificación entre dos poblaciones.
Generalización para varias poblaciones normales. Poblaciones desconocidas (caso
general). Variables canónicas discriminantes. Discriminación cuadrática.
Tema 21. Análisis de correlación canónica. Introducción. Construcción de las
variables canónicas. Análisis muestral. Interpretación geométrica. Contrastes.
Extensiones a más de dos grupos. Relación con otras técnicas estudiadas.
III. Almacenamiento y modelos de datos
Tema 1. El entorno de una base de datos. La arquitectura ANSI-SPARC de tres
niveles. Lenguajes de bases de datos. Modelos de datos y modelización conceptual.
Funciones de un sistema de gestión de bases de datos. Componentes de un sistema de
gestión de bases de datos (detalles).
Tema 2. El modelo relacional. Breve historia del modelo relacional. Terminología.
Restricciones de integridad. Vistas de una base de datos.
Tema 3. Álgebra relacional y cálculo relacional. El álgebra relacional. El cálculo
relacional. Otros lenguajes.
Tema 4. SQL: manipulación de datos. Introducción al SQL. Escritura de comandos
SQL. Manipulación de datos.
Tema 5. La planificación y diseño de bases de datos. El ciclo vital de los sistemas
de información. El ciclo vital de desarrollo de un sistema de bases de datos. Planificación
cve: BOE-A-2022-2725
Verificable en https://www.boe.es
Núm. 44
Lunes 21 de febrero de 2022
Sec. II.B. Pág. 21073
Tema 7. Modelos lineal y lineal generalizado de Bayes. El enfoque bayesiano a la
inferencia estadística. Los modelos lineales bayesianos. Los modelos lineales
generalizados bayesianos. Modelización empírica bayesiana y jerárquica bayesiana.
Tema 8. Extensiones de los modelos generalizados lineales. Métodos de regresión
robusta y de regularización para el ajuste de modelos. Modelos con un p grande.
Suavizado, modelos generalizados aditivos y otras extensiones del GLM.
Tema 9. Cadenas de Markov. Procesos de Markov. Clasificación de estados.
Clasificación de cadenas. Distribuciones estacionarias y el teorema del límite.
Reversibilidad. Cadenas con muchos estados (finitos).
Tema 10. Procesos estocásticos. Introducción. Procesos estacionarios. Ejemplos
(procesos de renovación, colas y de Wiener). Existencia de procesos.
Tema 11. Introducción a la geoestadística. La necesidad del análisis espacial. Tipos
de datos espaciales. Autocorrelación: concepto y medidas elementales. Funciones de
autocorrelación. El efecto de la autocorrelación en la inferencia estadística.
Tema 12. Introducción al aprendizaje automático. Definición. Aprendizaje
supervisado. Balance entre sesgo y varianza. La maldición de la dimensionalidad.
Sobreajuste. Validación cruzada. Aprendizaje no supervisado. Aplicaciones.
Tema 13. Métodos lineales. Regresión lineal. Reducción de la dimensionalidad:
regresiones Ridge y Lasso. Regresión logística.
Tema 14. Redes neuronales y máquinas de vectores soporte. Redes neuronales.
Retropropagación y descenso por gradiente. Problemas característicos de su ajuste.
Máquinas de vectores soporte. El uso de Kernels.
Tema 15. Modelos basados en árboles. Árboles de decisión. Árboles de regresión.
Propiedades. Bagging. Bosques aleatorios. Boosting. Boosting aplicado a árboles.
Tema 16. Análisis de componentes principales. Introducción. Planteamiento del
problema. Cálculo de las componentes. Propiedades de las componentes. Análisis
normado o con correlaciones. Interpretación de las componentes.
Tema 17. Análisis de correspondencias. Introducción. Búsqueda de la mejor
proyección. La distancia ji-cuadrado. Asignación de puntuaciones.
Tema 18. Análisis de conglomerados. Fundamentos. Métodos clásicos de partición.
Métodos jerárquicos. Conglomerados por variables.
Tema 19. Análisis factorial. La distribución normal k-dimensional. El modelo
factorial. El método del factor principal. Estimación máximo-verosímil. Determinación del
número de factores. Rotación de los factores. Estimación de los factores.
Tema 20. Análisis Discriminante. Introducción. Clasificación entre dos poblaciones.
Generalización para varias poblaciones normales. Poblaciones desconocidas (caso
general). Variables canónicas discriminantes. Discriminación cuadrática.
Tema 21. Análisis de correlación canónica. Introducción. Construcción de las
variables canónicas. Análisis muestral. Interpretación geométrica. Contrastes.
Extensiones a más de dos grupos. Relación con otras técnicas estudiadas.
III. Almacenamiento y modelos de datos
Tema 1. El entorno de una base de datos. La arquitectura ANSI-SPARC de tres
niveles. Lenguajes de bases de datos. Modelos de datos y modelización conceptual.
Funciones de un sistema de gestión de bases de datos. Componentes de un sistema de
gestión de bases de datos (detalles).
Tema 2. El modelo relacional. Breve historia del modelo relacional. Terminología.
Restricciones de integridad. Vistas de una base de datos.
Tema 3. Álgebra relacional y cálculo relacional. El álgebra relacional. El cálculo
relacional. Otros lenguajes.
Tema 4. SQL: manipulación de datos. Introducción al SQL. Escritura de comandos
SQL. Manipulación de datos.
Tema 5. La planificación y diseño de bases de datos. El ciclo vital de los sistemas
de información. El ciclo vital de desarrollo de un sistema de bases de datos. Planificación
cve: BOE-A-2022-2725
Verificable en https://www.boe.es
Núm. 44
