II. Autoridades y personal. - B. Oposiciones y concursos. MINISTERIO DE INCLUSIÓN, SEGURIDAD SOCIAL Y MIGRACIONES. Cuerpo Superior de Actuarios, Estadísticos y Economistas de la Administración de la Seguridad Social. (BOE-A-2023-13678)
Resolución de 2 de junio de 2023, de la Subsecretaría, por la que se convoca proceso selectivo para ingreso, por el sistema general de acceso libre, en el Cuerpo Superior de Actuarios, Estadísticos y Economistas de la Administración de la Seguridad Social.
22 páginas totales
Página
Zahoribo únicamente muestra información pública que han sido publicada previamente por organismos oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
BOLETÍN OFICIAL DEL ESTADO
Viernes 9 de junio de 2023
Sec. II.B. Pág. 82270
Tema 7. Estimadores puntuales. Propiedades: insesgados, eficientes, consistentes,
lineales de mínima varianza, suficientes. Criterio de factorización. Estimadores robustos.
Tema 8. Métodos de estimación. Método de los momentos. Método de mínimos
cuadrados.
Tema 9. Métodos de estimación de máxima verosimilitud. Distribución asintótica de
los estimadores de máxima verosimilitud. Estimadores Bayes.
Tema 10. Estimación por intervalos. Método de Neyman de intervalos de confianza
para la media de una población normal. Regiones de confianza. Regiones creíbles
Bayesianas.
Tema 11. Contrastación de hipótesis. Hipótesis simples. Teorema de NeymanPearson. Hipótesis compuestas. Tipos de error, potencia de un contraste y p-valor.
Contrastes de razón de verosimilitud. Aplicación.
Tema 12. Estimaciones bayesianas. Distribuciones conjugadas. Estimación
bayesiana de la mediana de una población normal. Interpretación. Contrastes
Bayesianos.
Tema 13. Test no paramétricos. Test de Wilconson. Test de Kolmogorov-Smirnov.
Test de la mediana. Test de Mann-Whitney-Wilconson.
Tema 14. Contraste de bondad de ajuste. Contraste χ2 de Pearson. Contraste de
Kolmogorov-Smirnov. Contrastes de normalidad.
Tema 15. Contrastes de independencia. Contrastes de rachas. Contraste de
homogeneidad. Transformaciones para conseguir normalidad.
Tema 16. Minería de datos. Aplicaciones y técnicas. Aprendizaje supervisado y sin
supervisión.
Tema 17. Análisis de la varianza. Clasificación simple. Test de la igualdad de
medias. Diseño en bloques aleatorios. Cuadrados latinos. Aplicaciones.
Tema 18. Diseño de experimentos factoriales. Método de efectos fijos, modelo de
efectos aleatorios. Aplicaciones. Análisis multivariante. Componentes principales.
Correlación canónica.
Tema 19. Análisis de covarianza. Comparación de dos rectas de regresión. Análisis
discriminante. Discriminación paramétrica y no paramétrica. Discriminación logística.
Tema 20. Técnicas de clasificación. Análisis de conglomerados. Modelos jerárquicos
y no jerárquicos. Medidas de asociación. Modelos log-lineales. Modelos saturados de
independencia, de independencia condicionada y de equiprobabilidad.
Tema 21. Modelos de elección simple y múltiple. Regresión logit. Especificación.
Ajuste. La familia exponencial. Modelos lineales generalizados. Regresión probit.
Modelos multi-logit y multi-probit.
Tema 22. Problemas de decisión bajo incertidumbre. Utilidad. Decisión Minimax.
Decisión Bayes.
Tema 23. Problemas de decisión con experimentación. Procedimiento Minimax.
Problemas de decisión con observación y costo asociado.
Tema 24. Control estadístico de la calidad, gráficos y determinación de constantes.
Análisis sucesional.
Tema 25. Técnicas de minería de datos y machine learning. Fundamentos de Big
Data. Evolución de las arquitecturas de datos. Plataformas utilizadas. Análisis en big
data.
Tema 26. Muestreo con probabilidades desiguales. Estimadores lineales. Varianza
de los estimadores y sus estimaciones. Comparación del muestreo con y sin reposición.
Probabilidades óptimas de selección. Estimadores especiales con selección sin
reposición y probabilidades proporcionales al tamaño.
Tema 27. Estimadores no lineales. Método general de linealización para estimación
de varianzas. Aplicación al cociente de estimadores. El estimador de razón, sesgo,
varianza y sus estimaciones.
Tema 28. Estimador de regresión en el muestreo aleatorio simple. Sesgo, varianza
y sus estimaciones. Comparaciones con el estimador de razón y el de expansión.
cve: BOE-A-2023-13678
Verificable en https://www.boe.es
Núm. 137
Viernes 9 de junio de 2023
Sec. II.B. Pág. 82270
Tema 7. Estimadores puntuales. Propiedades: insesgados, eficientes, consistentes,
lineales de mínima varianza, suficientes. Criterio de factorización. Estimadores robustos.
Tema 8. Métodos de estimación. Método de los momentos. Método de mínimos
cuadrados.
Tema 9. Métodos de estimación de máxima verosimilitud. Distribución asintótica de
los estimadores de máxima verosimilitud. Estimadores Bayes.
Tema 10. Estimación por intervalos. Método de Neyman de intervalos de confianza
para la media de una población normal. Regiones de confianza. Regiones creíbles
Bayesianas.
Tema 11. Contrastación de hipótesis. Hipótesis simples. Teorema de NeymanPearson. Hipótesis compuestas. Tipos de error, potencia de un contraste y p-valor.
Contrastes de razón de verosimilitud. Aplicación.
Tema 12. Estimaciones bayesianas. Distribuciones conjugadas. Estimación
bayesiana de la mediana de una población normal. Interpretación. Contrastes
Bayesianos.
Tema 13. Test no paramétricos. Test de Wilconson. Test de Kolmogorov-Smirnov.
Test de la mediana. Test de Mann-Whitney-Wilconson.
Tema 14. Contraste de bondad de ajuste. Contraste χ2 de Pearson. Contraste de
Kolmogorov-Smirnov. Contrastes de normalidad.
Tema 15. Contrastes de independencia. Contrastes de rachas. Contraste de
homogeneidad. Transformaciones para conseguir normalidad.
Tema 16. Minería de datos. Aplicaciones y técnicas. Aprendizaje supervisado y sin
supervisión.
Tema 17. Análisis de la varianza. Clasificación simple. Test de la igualdad de
medias. Diseño en bloques aleatorios. Cuadrados latinos. Aplicaciones.
Tema 18. Diseño de experimentos factoriales. Método de efectos fijos, modelo de
efectos aleatorios. Aplicaciones. Análisis multivariante. Componentes principales.
Correlación canónica.
Tema 19. Análisis de covarianza. Comparación de dos rectas de regresión. Análisis
discriminante. Discriminación paramétrica y no paramétrica. Discriminación logística.
Tema 20. Técnicas de clasificación. Análisis de conglomerados. Modelos jerárquicos
y no jerárquicos. Medidas de asociación. Modelos log-lineales. Modelos saturados de
independencia, de independencia condicionada y de equiprobabilidad.
Tema 21. Modelos de elección simple y múltiple. Regresión logit. Especificación.
Ajuste. La familia exponencial. Modelos lineales generalizados. Regresión probit.
Modelos multi-logit y multi-probit.
Tema 22. Problemas de decisión bajo incertidumbre. Utilidad. Decisión Minimax.
Decisión Bayes.
Tema 23. Problemas de decisión con experimentación. Procedimiento Minimax.
Problemas de decisión con observación y costo asociado.
Tema 24. Control estadístico de la calidad, gráficos y determinación de constantes.
Análisis sucesional.
Tema 25. Técnicas de minería de datos y machine learning. Fundamentos de Big
Data. Evolución de las arquitecturas de datos. Plataformas utilizadas. Análisis en big
data.
Tema 26. Muestreo con probabilidades desiguales. Estimadores lineales. Varianza
de los estimadores y sus estimaciones. Comparación del muestreo con y sin reposición.
Probabilidades óptimas de selección. Estimadores especiales con selección sin
reposición y probabilidades proporcionales al tamaño.
Tema 27. Estimadores no lineales. Método general de linealización para estimación
de varianzas. Aplicación al cociente de estimadores. El estimador de razón, sesgo,
varianza y sus estimaciones.
Tema 28. Estimador de regresión en el muestreo aleatorio simple. Sesgo, varianza
y sus estimaciones. Comparaciones con el estimador de razón y el de expansión.
cve: BOE-A-2023-13678
Verificable en https://www.boe.es
Núm. 137
