Técnico/a Medio/a de Estadística A2 · Universidad Miguel Hernández de Elche

Descripción

Temario Técnico/a Medio/a de Estadística (A2) — Universidad Miguel Hernández de Elche · Convocatoria 2026

Temario oficial desarrollado y actualizado para la plaza de Técnico/a Medio/a de Estadística (A2) como funcionario/a de carrera de la Universidad Miguel Hernández de Elche.

Desarrollo claro y estructurado por temas, orientado a la oposición, con un único ejercicio obligatorio y eliminatorio en dos partes: dos supuestos prácticos sobre todo el temario, de 10 a 20 preguntas de respuesta corta cada uno, en 120 minutos (0-30 puntos), y el desarrollo por escrito de un tema del temario específico elegido entre dos sorteados, en 90 minutos (0-30 puntos), con un mínimo de 30 puntos entre ambas partes; sin examen tipo test. Cubre la parte común y la parte específica de Técnico/a Medio/a de Estadística, según el programa oficial de la convocatoria.

Los temas están desarrollados para el ejercicio de desarrollo escrito (en esta convocatoria no hay examen tipo test), y puedes añadir el Simulacro de Desarrollo Escrito, para entrenar con cronómetro y corrección orientativa, y los supuestos prácticos resueltos.

La convocatoria oferta 1 plaza de turno libre (Resolución de 7 de septiembre de 2026, de la Universidad Miguel Hernández de Elche, publicada en el DOGV n.º 10462, de 30 de septiembre de 2026; extracto en el BOE de 19 de octubre de 2026 (BOE-A-2026-21719)). Plazo de solicitudes hasta el 2 de noviembre de 2026. Actualizado y listo para descargar.

Temario de la convocatoria

Parte común · Estatutos de la Universidad Miguel Hernández de Elche, procedimiento administrativo común y régimen jurídico del sector público (Leyes 39/2015 y 40/2015), Ley 4/2021 de la función pública valenciana, incompatibilidades, administración electrónica de la UMH e igualdad

1. Los Estatutos de la Universidad Miguel Hernández de Elche.
2. Objetivos y ámbito de aplicación de las leyes 39/15 y 40/15; interesados, principios generales, órganos administrativos, competencia y órganos colegiados; los actos administrativos y el procedimiento administrativo común (iniciación, trámite y finalización de los procedimientos); así como la revisión de actos en vía administrativa: la revisión de oficio y los recursos administrativos.
3. Ley 4/2021, de 16 de abril, de la Generalitat, de la función pública valenciana.
4. Ley 53/1984 de incompatibilidades del personal al servicio de las administraciones públicas: «Principios generales», «Ámbito de aplicación», «Actividades privadas».
5. Reglamento Administración Electrónica de la Universidad Miguel Hernández de Elche.
6. Ley orgánica 3/2007, de 22 de marzo, para la igualdad efectiva de mujeres y hombres: título preliminar, título I, «El principio de igualdad y la tutela contra la discriminación», y título II, «Políticas públicas para la igualdad».

Parte específica · Técnico/a Medio/a de Estadística

1. Introducción al programa R: manejo simple; factores, vectores y matrices; organización de la información en listas y otras estructuras de datos.
2. Introducción al programa R: herramientas descriptivas: analíticas y gráficas utilizando Markdown; introducción al ajuste de modelos mediante Markdown.
3. Introducción al programa R: programación de funciones y rutinas; creación de paquetes en R.
4. Gestión de bases de datos: iniciación a los sistemas gestores de bases de datos; bases de datos relacionales; diseño y arquitectura de tablas, diseño de consultas y generación de informes; el lenguaje SQL (tablas, consultas y relaciones); desarrollo práctico en entornos Access y Oracle.
5. Matemáticas en bioestadística: vectores y valores propios de una matriz, ortogonalidad y descomposición LU y QR; cálculo diferencial e integral con R; optimización de funciones; ecuaciones diferenciales para la dinámica de poblaciones.
6. Probabilidad y simulación: cadenas de Markov. Simulación de variables aleatorias: métodos basados en transformaciones y métodos de aceptación-rechazo. Simulación de vectores aleatorios: métodos de composición y métodos basados en cadenas de Markov. Integración Monte Carlo. Métodos bootstrap.
7. Diseño estadístico de experimentos y problemas asociados a datos experimentales. Diseños factoriales y encajados. Estimación de la varianza en diseños equilibrados. Modelos de medidas repetidas.
8. Diseño óptimo de experimentos en experimentación animal.
9. Métodos no paramétricos para el análisis de la varianza.
10. Nivel de significación y potencia de un test. Tamaño del efecto del diseño.
11. Aleatorización y tamaño muestral aplicado al diseño experimental. El caso de la experimentación animal.
12. G*power: cálculo de la potencia para distintos tipos de test.
13. Minería de datos: análisis descriptivo de datos multivariantes; distribuciones multivariantes; técnicas de clasificación y discriminación; técnicas de reducción de la dimensión.
14. Estadística Bayesiana: incorporación y transmisión de la incertidumbre; el proceso de aprendizaje bayesiano; distribuciones previas, subjetivas y objetivas; análisis de modelos uniparamétricos y multiparamétricos habituales; procesos inferenciales bajo modelo conocido con incertidumbre sobre el modelo; implementación Monte Carlo.
15. Modelos lineales: objetivos de la modelización estadística. Modelo lineal general. Comparación y selección de modelos. Diagnóstico del modelo: herramientas, tipos de deficiencias y soluciones. Análisis de influencia. Validación de modelos. Relación entre regresión, Anova y Ancova.
16. Series temporales: modelos de suavizado exponencial; modelos autorregresivos; modelos de medias móviles; modelos ARIMA; modelos de volatilidad estocástica; modelización de series temporales de datos no gausianos.
17. Estadística espacial: tipos de datos espaciales; geoestadística; datos en redes de localizaciones; patrones puntuales.
18. Modelo lineal general: comparación y selección de modelos. Diagnóstico del modelo: herramientas, tipos de deficiencias y soluciones. Análisis de influencia. Validación de modelos. Relación entre regresión, Anova y Ancova.
19. Modelos de suavizado exponencial. Modelos autorregresivos. Modelos de medias móviles. Modelos ARIMA.
20. El modelo lineal generalizado. Inferencia: estimación numérica y contrastes. Comparación de modelos. Diagnóstico del Modelo. Respuesta binaria, tablas de contingencia, regresión de Poisson y datos longitudinales. Modelos de cuasi-verosimilitud.
21. Modelos de suavizado, aditivos y mixtos: Modelos de regresión paramétrica. Modelos mixtos. Suavizado. Splines penalizados y modelos mixtos. Modelos semiparamétricos: aditividad e interacciones. Modelos aditivos. Modelos aditivos generalizados. Modelos mixtos aditivos generalizados. Modelos con interacción. Suavizado bivariante. Modelos geoaditivos. Suavizado espacial.
22. Modelos jerárquicos Bayesianos: superpoblaciones, efectos aleatorios, modelos multinivel; distribuciones previas jerárquicas; análisis MCMC de modelos jerárquicos; selección de variables; comparaciones múltiples.
23. Epidemiología: introducción a la epidemiología; medidas de frecuencia, asociación e impacto; diseños epidemiológicos; modelización estadística aplicada a problemas epidemiológicos.
24. Investigación clínica y farmacéutica: ensayos clínicos y clasificación; requerimientos para la admisión de un nuevo fármaco, tratamiento o producto sanitario; protocolos clínicos; principios estadísticos en ensayos clínicos; informes; datos censurados; determinación del tamaño de muestra; análisis de datos; estudios post-autorización; trámites para la aprobación y puesta en marcha de un ensayo clínico; fármaco-economía y economía de la salud.
25. Investigación en sistemas naturales y medioambientales: introducción a la estructura y funcionamiento de sistemas naturales y medioambientales; muestreo en sistemas naturales; dinámica de poblaciones biológicas; aplicación de modelos de regresión; aplicación de modelos de simulación dinámica; estudios de casos.
26. Inteligencia artificial aplicada al diseño experimental en investigación biomédica y experimentación animal: fundamentos, aplicaciones y límites. Uso de sistemas expertos, algoritmos genéticos, búsqueda bayesiana y diseños óptimos algorítmicos para la selección de diseños experimentales, balanceo de covariables, aleatorización restringida, reducción de sesgos y optimización de la eficiencia estadística. Aplicación de la IA a diseños completamente aleatorizados, bloques, factoriales, cuadrados latinos, split-plot, crossover y medidas repetidas. Supervisión humana, criterios éticos, trazabilidad y adecuación a los principios de las 3R en el marco de la Oficina de Investigación Responsable.
27. Inteligencia artificial, simulación y cálculo muestral avanzado: análisis de potencia dinámico, estimación automática de tamaños del efecto y varianzas esperadas, uso de datos históricos, minería de literatura científica y modelos predictivos para fundamentar el tamaño muestral. Aplicación de simulaciones Monte Carlo, gemelos digitales, diseños secuenciales, reglas de parada por eficacia o futilidad, análisis de sensibilidad y modelos bayesianos asistidos por IA. Utilización de herramientas como G*Power, R, Python y modelos de lenguaje para justificar el número de unidades experimentales y garantizar estudios válidos, eficientes y éticamente responsables.
28. Inteligencia artificial para el análisis, validación y auditoría de datos experimentales: aprendizaje automático supervisado y no supervisado aplicado a la detección de valores atípicos, identificación de errores de medición, imputación de datos faltantes, control de calidad, análisis de residuos, validación de supuestos estadísticos y selección automatizada de modelos. Uso de IA en ANOVA, regresión, modelos mixtos, análisis longitudinal, datos ómicos y comparaciones múltiples. Control del p-hacking, evaluación de la robustez de los resultados, trazabilidad de las decisiones analíticas y generación de evidencia reproducible en investigación experimental.
29. Inteligencia artificial generativa y modelos de lenguaje en la investigación responsable: fundamentos y aplicaciones de los LLMs en la formulación de hipótesis, revisión de protocolos, diseño de prompts científicos, generación de código reproducible en R y Python, interpretación de resultados estadísticos, redacción de informes, elaboración de memorias para comités éticos y comunicación de resultados conforme a PREPARE y ARRIVE 2.0. Evaluación crítica de respuestas generadas por IA, prevención de alucinaciones, verificación documental, protección de datos, supervisión humana y uso responsable de la IA generativa en la Oficina de Investigación Responsable.
30. Programación: introducción a Java; programación en entorno web multiplataforma; Rstudio y Shiny; creación de aplicaciones multiplataforma para la visualización de datos en tiempo real.

Garantía de calidad

• Programa oficial completo: desarrollamos todos los epígrafes literales de la convocatoria (BOE-A-2026-21719).
• Normativa vigente a la fecha de tu pedido: el material se revisa con la legislación en vigor el día que lo compras.
• Garantía de revisión: si algún tema está incompleto, tiene errores o no se ajusta a tu convocatoria, lo revisamos y te enviamos la versión corregida sin coste.
• Fe de erratas en 48 h: si detectas una errata, escríbenos y te respondemos en 48 horas laborables.
• Compruébalo antes de comprar: pídenos un tema de muestra por WhatsApp.