BOCM

LUNES 19 DE MAYO DE 2025

B.O.C.M. Núm. 118

17. 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.
18. Control del secreto estadístico. Conceptos y definiciones: control del secreto estadístico, datos tabulares, micro datos, riesgo y utilidad. Un enfoque el control del secreto
estadístico: por qué la protección de la confidencialidad es importante, características clave y usos de los datos, riesgos contra los que la protección es necesaria, métodos de control
del secreto, implementación.
19. Difusión de datos: Presentación de estadísticas. Introducción. Transmitir el mensaje. Visualización de las estadísticas. Tablas. Gráficos. Mapas. Técnicas de visualización
emergentes. Cuestiones de accesibilidad.
20. Record linkage. Introducción. Visión de conjunto de los métodos. Preparación
de los datos.
21. Metadatos de la producción estadística: introducción al GSBPM. El modelo. Relaciones con otros modelos y estándares. Niveles 1 y 2 del GSBPM. Descripciones de fases y subprocesos. Procesos generales. Otros usos del GSBPM. GSIM. Introducción. Alcance. Puntos de vista del negocio y de la tecnología de la información. SDMX, DDI y otros
estándares.
22. La calidad en la estadística oficial y el Código de Buenas Prácticas de las Estadísticas Europeas. El concepto de calidad en la estadística oficial. El Código de Buenas
Prácticas de las Estadísticas Europeas. El marco de garantía de la calidad del Sistema Estadístico Europeo. La calidad en los productos y en los procesos estadísticos. Sistemas de
evaluación global de la calidad: auditorías, autoevaluación y revisiones por homólogos en
las oficinas de Estadística.
II. Inferencia y modelización estadísticas
23. Propiedades de una muestra aleatoria. Conceptos básicos de muestras aleatorias.
Sumas de variables aleatorias de una muestra aleatoria. Muestreo de una distribución normal: propiedades de la media y varianza muestrales y las distribuciones t de Student y F de
Snedecor. Estadísticos de orden.
24. Principios de reducción de datos. Introducción. El principio de suficiencia: estadísticos suficientes, suficientes minimales, auxiliares (ancillary) y completos. El principio
de verosimilitud: la función de verosimilitud y el principio formal de verosimilitud. El principio de equivarianza.
25. Estimación puntual: introducción. Métodos para encontrar estimadores: método
de los momentos, estimadores máximo-verosímiles, estimadores de Bayes, estimadores invariantes. Métodos para evaluar estimadores: error cuadrático medio, estimadores insesgados óptimos, suficiencia e insesgadez, optimalidad de la función de pérdida.
26. Tests de hipótesis. Introducción. Métodos para encontrar tests: tests de ratios de verosimilitudes, tests bayesianos, tests unión-intersección e intersección-unión. Métodos para
evaluar tests: probabilidades de error y función de potencia, tests más potentes, tamaños de
tests unión-intersección e intersección-unión, optimalidad de la función de pérdida.
27. Estimación por intervalos: introducción. Métodos para encontrar estimadores de
intervalos: inversión del estadístico de un test, cantidades pivotales, intervalos de confianza para estadísticos de orden, intervalos bayesianos. Métodos para evaluar estimadores de
intervalos: tamaño y probabilidad de cobertura, optimalidad relacionada con los tests, optimalidad bayesiana, optimalidad de la función de pérdida.
28. Introducción a los modelos lineal y lineal generalizado. Tipos de modelos lineales. Modelos para datos experimentales y para datos observacionales. Componentes de un
modelo lineal generalizado. Interpretación del término error en función del tipo de datos.
Variables explicativas cuantitativas/cualitativas e interpretación de efectos. La esperanza
condicionada y su modelización. Identificabilidad y estimabilidad.
29. Modelos lineales: mínimos cuadrados. Introducción. Ajuste del modelo de mínimos cuadrados. Proyecciones de datos sobre el modelo de espacios. Resumen de la variabilidad en un modelo lineal. Residuos, apalancamiento (leverage) e influencia. Optimalidad
de mínimos cuadrados y de mínimos cuadrados generalizados.
30. Modelos lineales: inferencia estadística. Teoría de la distribución para variables
normales y no normales. Tests de significación para modelos lineales normales y no normales. Intervalos de confianza e intervalos de predicción para modelos lineales normales y
no normales. Comparaciones múltiples: Bonferroni, Tukey y métodos FDR.

BOCM-20250519-1

Pág. 24

BOLETÍN OFICIAL DE LA COMUNIDAD DE MADRID