BOLETÍN OFICIAL DEL ESTADO
Lunes 3 de octubre de 2022

Sec. II.B. Pág. 135299

Tema 9. Reponderación de datos en presencia de falta de respuesta. Tratamientos
tradicionales de la falta de respuesta. Vectores auxiliares e información auxiliar. El
enfoque de calibrado. Estimación puntual bajo calibrado.
Tema 10. Estimación basada en modelos estadísticos. Aspectos generales de la
estimación basados en modelos. Teoría de la predicción. Comparación con la teoría del
muestreo probabilístico en poblaciones finitas.
Tema 11. Métodos para el desarrollo, testeo y evaluación de instrumentos de
recogida de datos. Un marco para el desarrollo, testeo y evaluación. Evaluación de
preguntas y cuestionarios. Desarrollo, testeo y evaluación de instrumentos de recogida
electrónica de datos. Enfoques multimétodo para el desarrollo, testeo y evaluación.
Organización y logística.
II. Inferencia y modelización estadísticas
Tema 1. Modelos lineales generalizados: ajuste de modelo e inferencia.
Distribuciones de la familia de dispersión exponencial para el GLM. Verosimilitud y
distribuciones asintóticas para GLM. Métodos de razón de verosimilitudes/Wald/»score»
de inferencia para parámetros GLM. Desviación de un GLM, comparación de modelos y
verificación de modelos. Ajuste de modelos lineales generalizados. Selección de
variables explicativas para un GLM.
Tema 2. Modelos de datos binarios. Funciones de enlace para datos binarios.
Regresión logística: propiedades e interpretaciones. Inferencia sobre los parámetros de
los modelos de regresión logística. Ajuste del modelo de regresión logística. Desviación y
bondad de ajuste para GMLs binarios. Probit y modelos complementarios Log-Log.
Tema 3. Modelos de respuesta multinomial. Respuestas nominales: modelos logit
de categoría base (baseline-category logit models). Respuestas ordinales: modelos logit
acumulativo y modelos probit.
Tema 4. Modelos para datos de recuento. GLMs de Poisson para recuentos y
tasas. Modelos de Poisson/Multinomial para tablas de contingencia. GLMs de binomial
negativa. Modelos para datos cero-inflados (zero-inflated).
Tema 5. Métodos cuasi-verosimilitud. Inflación de la varianza para GLMs Poisson y
Binomial sobredispersas. Modelos Beta-binomial y alternativas quasi-verosimilitud.
Cuasiverosimilitud y mala especificación del modelo.
Tema 6. Modelos de respuestas correladas. Modelos marginales y modelos con
efectos aleatorios. Modelos mixtos lineales normales. Ajuste y predicción para modelos
mixtos lineales normales. MLMG binomial y de Poisson. Ajuste MLMG, inferencia y
predicción. Modelización marginal y ecuaciones de estimación generalizadas.
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.

cve: BOE-A-2022-16053
Verificable en https://www.boe.es

Núm. 237