Convocatoria · Universidad Miguel Hernández de Elche: Técnico medio estadístico en Universidad Miguel Hernández 2026: 1 plaza, el plazo abre pronto.

Temario general

1. Tema 1Los Estatutos de la Universidad Miguel Hernández de Elche.
2. Tema 2
   Objetivos y ámbito de aplicación de las leyes 39/15 y 40/15Interesados, principios generales, órganos administrativos, competencia y órganos colegiados; los actos administrativos…

   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. Ver resumen

3. Tema 3Ley 4/2021, de 16 de abril, de la Generalitat, de la función pública valenciana.
4. Tema 4Ley 53/1984 de incompatibilidades del personal al servicio de las administraciones públicas: «Principios generales», «Ámbito de aplicación», «Actividades privadas».
5. Tema 5Reglamento Administración Electrónica de la Universidad Miguel Hernández de Elche.
6. Tema 6
   Ley orgánica 3/2007, de 22 de marzo, para la igualdad efectiva de mujeres y hombresTítulo preliminar, título I, «El principio de igualdad y la tutela contra la discriminación», y título II, «Políticas públicas para la igualdad»

   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». Ver resumen

Temario específico

1. Tema 1Introducción al programa R: manejo simple; factores, vectores y matrices; organización de la información en listas y otras estructuras de datos.
2. Tema 2Introducción al programa R: herramientas descriptivas: analíticas y gráficas utilizando Markdown; introducción al ajuste de modelos mediante Markdown.
3. Tema 3Introducción al programa R: programación de funciones y rutinas; creación de paquetes en R.
4. Tema 4
   Gestión de bases de datosIniciación a los sistemas gestores de bases de datos; bases de datos relacionales; diseño y arquitectura de tablas…

   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. Ver resumen

5. Tema 5
   Matemáticas en bioestadísticaVectores y valores propios de una matriz, ortogonalidad y descomposición LU y QR; cálculo diferencial e integral con R…

   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. Ver resumen

6. Tema 6
   Probabilidad y simulación: cadenas de MarkovSimulación de variables aleatorias: métodos basados en transformaciones y métodos de aceptación-rechazo · +3 apartados

   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. Ver resumen

7. Tema 7
   Diseño estadístico de experimentos y problemas asociados a datos experimentalesDiseños factoriales y encajados · Estimación de la varianza en diseños equilibrados · +1 apartado

   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. Ver resumen

8. Tema 8Diseño óptimo de experimentos en experimentación animal.
9. Tema 9Métodos no paramétricos para el análisis de la varianza.
10. Tema 10Nivel de significación y potencia de un test. Tamaño del efecto del diseño.
11. Tema 11Aleatorización y tamaño muestral aplicado al diseño experimental. El caso de la experimentación animal.
12. Tema 12G*power: cálculo de la potencia para distintos tipos de test.
13. Tema 13
    Minería de datosAnálisis descriptivo de datos multivariantes; distribuciones multivariantes; técnicas de clasificación y discriminación; técnicas de reducción de la dimensión

    Minería de datos: análisis descriptivo de datos multivariantes; distribuciones multivariantes; técnicas de clasificación y discriminación; técnicas de reducción de la dimensión. Ver resumen

14. Tema 14
    Estadística BayesianaIncorporación y transmisión de la incertidumbre; el proceso de aprendizaje bayesiano; distribuciones previas…

    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. Ver resumen

15. Tema 15
    Modelos lineales: objetivos de la modelización estadísticaModelo lineal general · Comparación y selección de modelos · +4 apartados

    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. Ver resumen

16. Tema 16
    Series temporalesModelos de suavizado exponencial; modelos autorregresivos; modelos de medias móviles; modelos ARIMA; modelos de…

    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. Ver resumen

17. Tema 17Estadística espacial: tipos de datos espaciales; geoestadística; datos en redes de localizaciones; patrones puntuales.
18. Tema 18
    Modelo lineal general: comparación y selección de modelosDiagnóstico del modelo: herramientas, tipos de deficiencias y soluciones · Análisis de influencia · +2 apartados

    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. Ver resumen

19. Tema 19Modelos de suavizado exponencial. Modelos autorregresivos. Modelos de medias móviles. Modelos ARIMA.
20. Tema 20
    El modelo lineal generalizadoInferencia: estimación numérica y contrastes · Comparación de modelos · +3 apartados

    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. Ver resumen

21. Tema 21
    Modelos de suavizado, aditivos y mixtos: Modelos de regresión paramétricaModelos mixtos · Suavizado · +9 apartados

    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. Ver resumen

22. Tema 22
    Modelos jerárquicos BayesianosSuperpoblaciones, efectos aleatorios, modelos multinivel; distribuciones previas jerárquicas; análisis MCMC de modelos…

    Modelos jerárquicos Bayesianos: superpoblaciones, efectos aleatorios, modelos multinivel; distribuciones previas jerárquicas; análisis MCMC de modelos jerárquicos; selección de variables; comparaciones múltiples. Ver resumen

23. Tema 23
    EpidemiologíaIntroducción a la epidemiología; medidas de frecuencia, asociación e impacto; diseños epidemiológicos; modelización…

    Epidemiología: introducción a la epidemiología; medidas de frecuencia, asociación e impacto; diseños epidemiológicos; modelización estadística aplicada a problemas epidemiológicos. Ver resumen

24. Tema 24
    Investigación clínica y farmacéuticaEnsayos clínicos y clasificación; requerimientos para la admisión de un nuevo fármaco, tratamiento o producto…

    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. Ver resumen

25. Tema 25
    Investigación en sistemas naturales y medioambientalesIntroducción a la estructura y funcionamiento de sistemas naturales y medioambientales; muestreo en sistemas naturales…

    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. Ver resumen

26. Tema 26
    Inteligencia artificial aplicada al diseño experimental en investigación biomédica y experimentación animalFundamentos, aplicaciones y límites · +3 apartados

    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. Ver resumen

27. Tema 27
    Inteligencia artificial, simulación y cálculo muestral avanzadoAnálisis de potencia dinámico, estimación automática de tamaños del efecto y varianzas esperadas, uso de datos… · +2 apartados

    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. Ver resumen

28. Tema 28
    Inteligencia artificial para el análisis, validación y auditoría de datos experimentalesAprendizaje automático supervisado y no supervisado aplicado a la detección de valores atípicos, identificación de… · +2 apartados

    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. Ver resumen

29. Tema 29
    Inteligencia artificial generativa y modelos de lenguaje en la investigación responsableFundamentos y aplicaciones de los LLMs en la formulación de hipótesis, revisión de protocolos, diseño de prompts… · +1 apartado

    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. Ver resumen

30. Tema 30
    ProgramaciónIntroducción a Java; programación en entorno web multiplataforma

    Programación: introducción a Java; programación en entorno web multiplataforma; Rstudio y Shiny; creación de aplicaciones multiplataforma para la visualización de datos en tiempo real. Ver resumen