Você está aqui: Página Inicial / Disciplinas

Disciplinas

EST528 - Análise de Dados Longitudinais

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Estrutura de dados (longitudinais, medidas repetidas e hierárquicos).
2. Exemplos de dados longitudinais.
3. Análise exploratória.
4. Modelos lineares para dados longitudinais.
5. Modelos com efeitos aleatórios.
6. Modelos marginais.
7. Estimação e testes de hipótese.
Bibliografia:
1. Diggle, Liang e Zeger. Analysis of Longitudinal Data, 1994.
2. Pinheiro e Bates, Mixed-effects Models in S and S-plus, 2000.
3. Verbeke e Molenberghs, Linear Mixed models for Longitudinal Data, 2000.
Área de Concentração:
Estatística

EST506 - Análise Multivariada

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. A distribuição Normal multivariada.
2. Testes de Hipóteses para o vetor de médias: uma, duas ou várias populações.
3. Análise de variância multivariada.
4. Análise de medidas repetidas como um caso particular de análise de variância multivariada.
5. Testes de Hipóteses para matrizes de covariâncias.
6. Regressão Multivariada.
7. Análise de Componentes Principais.
8. Análise Fatorial.
9. Análise Canônica.
10. Análise de Conglomerados. Escalonamento Multidimensional.
11. Análise Discriminante.
12. Análise de Correspondências.
Bibliografia:
1. SEBER, G.A.F. Multivariate Observations. New York: John Wiley & Sons, 1984. 2. RENCHER, A. C. , Methods of multivariate analysis. New York: John Wiley & Sons, 1995. 3. JOBSON, J. D. Applied multivariate data analysis. vol I. e II, New York: Springer Verlag, 1992. 4. JOHNSON, R. A. , WICHERN, D. W. Applied multivariate statistical analysis . 3a. ed. New Jersey: Prentice Hall, Inc, 1998. 5. DILLON, W. R. , GOLDSTEIN, M. Multivariate analysis methods and application. New York : John Wiley, 1984. 6. JACKSON, J. E. A Users guide to principal components. New York: John Wiley, 1991. 7. EVERITT, B. Cluster analysis. London : Heinemann Educational Books, 1993. 8. KAUFMAN, L. E ROUSSEUW , P. J. Finding groups in data: an introduction to cluster analysis. New York: John Wiley, 1990. 9. RYZIN , J. V. Classification and clustering. New York: Academic Press, 1977. 10. HUBERTY, C. J. Applied discriminant analysis. New York: John Wiley, 1994. 11. ANDERSON, T. W. An Introduction to multivariate statistics. New York: John Wiley, 1984. 12. GREENACRE, M.J. Theory and applications of correspondence analysis. New York: Academic Press, 1984.
Área de Concentração:
Estatística

EST526 - Bioestatística Avançada

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Modelo de Regressão Logística (Simples e Múltipla): ajuste, estimação e interpretação dos coeficientes e verificação de sua adequacidade.
2. Aplicação da regressão logística para diferentes planejamentos e para estudos de caso-controle com emparelhamento (verossimilhança condiconal).
3. Tópicos especiais: Regressão Logística Politômica, Regressão Logística para análise de dados e sobrevivência, Regressão Logística para amostras pequenas.
4. Análise de Sobrevivência.
5. Tipos de falhas e tipos de censuras.
6. Função de sobrevivência e função de risco.
7. Estimador produto-limite.
8. Teste logrank e Wilcoxon.
9. Principais distribuições do tempo de vida.
10. Modelos de regressão.
11. Método de máxima verossimilhança.
12. Modelo de riscos proporcionais de Cox.
13. O método de máxima verosimilhança parcial.
Bibliografia:
1. AGRESTI, A. Categorical data analysis. New York: John Wiley, 1990.
2. COLLETT, D. Modelling binary data. London: Chapmann & Hall, 1991.
3. COX, D.R., OAKES, D. Analysis of survival data. London. Chapman & Hall. Hosmer, D.W., 1984.
4. LEMESHOW, S. Applied logistic regression. New York: John Willey, 1989.
5. KALBFLEISCH, J.D. PRENTICE, R.L. The statistical analysis of failure data. New York: John Willey, 1980.
6. LAWLESS, J.F. Statistical Models and Methods for Lifetime Data, 2nd ed. John Wiley & Sons, Hoboken, NJ, 2003.
7. LEE, E.T. Statistical methods for survival; data analysis. 2nd. Ed. New York: John Willey, 1992.
Área de Concentração:
Estatística

EST519 - Capacitação Docente em Estatística I

Número de Créditos: 2 / Carga Horária: 30
Ementa:
1. Integração do Estagiário com o professor responsável pela disciplina de graduação.
2. Acompanhamento de aulas da disciplina escolhida.
3. Atividades didáticas junto à disciplina escolhida.
Bibliografia:
A ser definida de acordo com a disciplina.
Área de Concentração:
Estatística

EST521 - Capacitação Docente em Estatística II

Número de Créditos: 2 / Carga Horária: 30
Ementa:
1. Integração do Estagiário com o professor responsável pela disciplina de graduação.
2. Acompanhamento de aulas da disciplina escolhida.
3. Atividades didáticas junto à disciplina escolhida.
Bibliografia:
A ser definida de acordo com a disciplina.
Área de Concentração:
Estatística

EST523 - Confiabilidade e Análise de Sobrevivência

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Tempo de falha e censura.
2. Estimação da função de sobrevivência.
3. Comparação de curvas de sobrevivência.
4. Modelos paramétricos.
5. Método de máxima verossimilhança.
6. Modelo de Cox.
7. Método de máxima verossimilhança parcial
8. Verificando a adequação de modelos.
9. Tópicos especiais.
Bibliografia:
1. KLEIN E MOESCHBERGER, Survival Analysis, 1997.
2. MEEKER E ESCOBAR, Statistical Methods for Reliability Data, 1998.
3. FREITAS E COLOSIMO, Confiabilidade: Análise de Tempo de Falha e Testes de Vida Acelerados, 1997.
4. THERNEAU E GRAMBSCH, Survival Analysis, beyond the Cox Model, 2000. COLOSIMO, Análise de Sobrevivência Aplicada, 2001.
5. NETER, J. WASSERMAN W. KUTNER. M.H. Applied linear statistical models: regrisson analysis of variance and experimental designs. 3 ed. Homewood: Richard D. Irwin, 1990.
6. SEARLE. S.R. Linear Models, New Vork. John Wiley & Sons, 1971.
7. CROWDER, M. J. KIMBER, A. C.: SMITH. R.L., SWEETING. T.J. Statistical Analvsis of Reliability data. Champman & Hall, 1991.
8. LAWLESS, J.F. Statistical models and methods for lifetime data. New Vork: Wilev, 1982.
9. MANN, N. R., SCHAFER, R.E. e SINGPURWALLA, N.D. Methods for statistical analysis of reliability and life data. New Wilev, 1974.
10. NELSON W. Accelerated testing. New York: John Wiley, 1990.
11. MONTGOMERY, D.C. Introduction to quality control. ed., 2 ed., New York: John Wiley, 1990.
Área de Concentração:
Estatística

EST530 - Fundamentos de Matemática em Estatística

Número de Créditos: 4 / Carga Horária: 60
Ementa:
1. Introdução à teoria de conjuntos: conceito de conjunto; operações entre conjuntos; funções e relações.
2. Números Naturais: axiomas de Peano, princípios da boa ordenação e segundo princípio da indução finita; conjuntos finitos, infinitos enumeráveis e não enumeráveis.
3. Números reais: principais propriedades; conjuntos limitados, supremo e ínfimo de conjuntos; conceitos topológicos básicos.
4. Sequências e séries: convergência de sequências numéricas; propriedades aritméticas; subsequências; sequências de Cauchy; limites infinitos; convergência de séries numéricas; convergência pontual e uniforme de sequências e séries de funções reais.
Bibliografia:
1. BARTLE, R. G. The elements of real analysis. New York: John Wiley, 1964. 447 p.
2. COURANT, R. Differential and Integral Calculus. Vol. 1, 2 ed. London: Blackie & Son, 1937. 616 p.
3. KHURY, A. I. Advanced Calculus with applications in Statistics. 2 ed. New Jersey: Wiley-Interscience, 2003. 704 p.
4. LIMA, E. L. Curso de Análise. Vol. 1, 9 ed. Rio de Janeiro: IMPA, 1999. 344 p.
5. RUDIN, W. Principles of mathematical analysis. 3 ed. Tokyo: McGraw-Hill, 1976. 342 p.
Área de Concentração:
Estatística

EST802 - Inferência Avançada

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Estimadores e propriedades.
2. Funções perda e risco.
3. Suficiência, completude.
4. Estimadores de: máxima verossimilhança, momentos, minimax, UMVU, Bayes.
5. Propriedades Assintóticas.
6. Testes de Hipóteses, erros do tipo I e tipo II, poder do teste.
7. Teorema de Neyman-Pearson , teste de razão de verossimilhanças, de escore, de Wald Testes UMP, UMPU.
8. Testes Sequencias, Testes Invariantes.
9. Intervalos de Confiança.
Bibliografia:
1. CASELLA, G., E LEHMANN, E. L. Theory of Point Estimation. New York: Springer Verlag, 1998.
2. LEHMANN, E.L. Theory of Point Estimation. New York: John Wiley Sons, Wiley Series in Probability and Mathematical Statistics 2th. edn. 1998.
3. LEHMANN, E. L. ROMANO, J.P. Testing Statistical Hypotheses, Springer Texts in Statistics, 2010.
4. BICKEL, P. J., E DOKSUM, K. A. Mathematical Statistics, vol.1. New York: Prentice Hall, 2000.
5. COX, D. R. E HINKLEY, D,V. Theoretical Statistics. New York: Chapman Hall,1982.
6. LINDSEY, J. K. Parametric Statistical Inference. Oxford: Clarendon Press, 1995.
7. TANNER, M.A. Tools for statistical inference. New York: Springer- Verlag, 1996.
8. BERGER, J. O. Statistical Decision Theory and Bayesian Analysis. New York: Springer Verlag, 1985. MIGON, H.S.,
9. GAMERMAN, D. Statistical inference: na integrated approach. New York: Arnold, 1999.
Área de Concentração:
Estatística

EST104 - Inferência Bayesiana

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Discussão sobre os fundamentos das metodologias estatísticas frequentista e bayesiana.
2. Conceitos básicos do paradigma bayesiano: Teorema de Bayes, distribuições de probabilidades a priori e a posteriori.
3. Distribuições a priori subjetivas, de Jeffreys, hierárquicas e famílias conjugadas.
4. Introdução à Teoria das Decisões: funções de perda, análise de decisão a posteriori, estimadores paramétricos de Bayes.
5. Testes de hipóteses bayesianos.
6. Modelos Hierárquicos. Métodos de Monte Carlo via Cadeias de Markov (MCMC): amostrador de Gibbs e algoritmo de Metrópolis-Hastings.
7. Aplicação dos métodos MCMC na estimação de tamanhos populacionais.
Bibliografia:
1. BERGER, J.O. Statistical Decision Theory and Bayesian Analysis. 2nd ed. Springer-Verlag. 1985.
2. CONGDON, P. Applied Bayesian Modelling. John Wiley & Sons, 2003.
3. GAMERMAN, D. & LOPES, H.F. Markov Chain Monte Carlo. Chapman & Hall, 2006.
4. GELMAN, A.; CARLIN, J. B.; STERN, H.S.; RUBIN, D.B. Bayesian Data Analysis. 2nd ed. Chapman & Hall, 2004.
5. OHAGAN, A. Bayesian Inference. Kendalls Advanced Theory of Statistics, vol. 2B. Arnold, London, 1994.
6. PAULINO, C.D.; TURKMAN, M.A.A. & MURTERA, B. Estatística Bayesiana. Fundação Calouste Gulbenkian – Lisboa, 2003.
Área de Concentração:
Estatística

EST803 - Inferência Bayesiana Avançada

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. A visão subjetivista da probabilidade.
2. Estatística Bayesiana em perspectiva.
3. Uma visão geral da Teoria Bayesiana.
4. O método Bayesiano, inferência e decisões, Probabilidades subjetivas, conceitos não subjetivos.
5. Distribuições à priori subjetivistas, Inferência e decisão: pontual, intervalo de credibilidade.
6. Métodos computacionais: quadratura Gaussiana, MCMC. Modelos dinâmicos.
Bibliografia:
1. BOX, G.E.P. and TIAO, G.C. Bayesian inference in statistical analysis, Reading, MA: Addison-Wesley, 1973.
2. HAGAN, A.O., ARNOULD, E. KENDALL. Advanced theory of statistics, Bayesian Inference., VOL. 23, 1994.
3. BERNARDO, J.M., SMITH, A.F.M. Bayesian theory. New York: John Wiley and Sons, 1993.
4. AITCHISON, J. DUNSMORE, I.R. Statistical prediction analysis. Cambridge : University Press, 1975.
5. BERGER, J.O. Statistical decision theory and bayesian analysis. New York: Springer-Verlad, 1985.
6. MIGON, H.S., GAMERMAN, D. Statistical inference: an integrated approach: New York: Arnold, 1999.
Área de Concentração:
Estatística

EST102 - Inferência Estatística

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Amostra aleatória.
2. Distribuições amostrais.
3. Estimação pontual e por intervalo.
4. Suficiência.
5. Completude e Famílias exponenciais.
6. Métodos dos momentos.
7. Estimadores não viciados e de mínima variância.
8. Estimadores de máxima verossimilhança.
9. Algoritmo EM.
10. Estimadores invariantes.
11. Estimadores de Bayes.
12. Testes de hipóteses.
13. Teoria de Neyman-Pearson.
14. Testes uniformemente mais poderosos.
15. Teste de razão de verossimilhança.
16. Propriedades assintóticas.
17. Tabelas de contingência.
18. Introdução à inferência não-paramétrica.
19. Bootstrap e Jackknife.
Bibliografia:
1. AZZALINI, A. Statistical Inference Based on the Likelihood. London: Chapman and Hall, 1996.
2. BICKEL, P.J., DOKSUM, K.A. Mathematical statistics: basic ideas and selected topics, 2nd ed. Vol I, Updated Printing. Pearson Prentice Hall, Upper Saddle River, NJ, 2007.
3. FERGUNSON, T.S. Mathematical statistics. New York: Academic Press. 1967.
4. HOGG, R.V., CRAIG, A.T. Introduction to mathematical statistics, Macmillan, London, 5th ed., Macmillan, 1995.
5. GARTHWAITE, P.H., JOLLIFFE, I.T., JONES, B. Statistical Inference Statistical inference, 2nd ed. Oxford University Press, New York, 2002.
6. LEHMANN, E.L. Theory of Point Estimation. New York: John Wiley Sons, Wiley Series in Probability and Mathematical Statistics 2th. ed. 1998.
Área de Concentração:
Estatística

EST529 - Introdução à Matemática Industrial

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Pensamento estatístico.
2. Métodos de Monte Carlo.
3. Aquisição e manipulação de dados.
4. Transformada de Fourier discrete e filtros.
5. Programação linear.
6. Regressão.
7. Análise de custo benefício.
8. Microeconomia.
9. Equações diferenciais ordinárias.
10. Equações diferenciais parciai.
11. Métodos numéricos.
12. Casos industriais.
Bibliografia:
1. A survey in industrial mathematics, Charles R. MacCluer, Dover, 2010.
2. Mathematical Modelling: a case study appoach, Dick Clements, Cambridge Press, 1990.
3. Industrial Mathematics: cases studies, Gleen R. Fulford, Phillip Broadbridge, Cambridge Press, 2002.
4. Careers opportunities in the energy industry, Allan Taylor, Ferguson Imprint Infobase, New York, 2008.
Área de Concentração:
Estatística

EST807 - Métodos Estatísticos Aplicados à Genética

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Métodos estatísticos em expressão gênica e microarrays.
2. Modelos markovianos ocultos, ou HMMs.
3. Modelos grafos.
4. Redes probabilísticas .
5. Modelos de mistura.
6. QTL mapping.
Bibliografia:
1. WU, Rongling Wu; CHANG-XING, Ma; CASELLA, George. Statistical genetics of quantitative traits: linkage, maps, and QTL. 2007 Springer (Statistics for Biology and Health).
2. ELANDT-JOHNSON, Regina C.. Probability models and statistical methods in genetics. 1971 John Wiley (Wiley Series in Probability and Mathematical Statistics).
3. FOULKES, Andrea S.. Applied statistical genetics with R: for population-based association studies. 2009 Springer (Use R!).
Área de Concentração:
Estatística

EST507 - Modelos de Regressão

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Conceitos básicos e notações.
2. Modelos lineares.
3. Método de mínimos quadrados.
4. Testes de hipóteses e intervalos de confiança.
5. Família exponencial de distribuição.
6. Componentes dos modelos lineares generalizados.
7. Método de máxima verossimilhança.
8. Estimação e Inferência em modelos lineares generalizados.
9. Verificação da adequação de modelos.
10. Modelos para respostas binarias.
11. Modelos para tabelas de contingências.
12. Modelos para contagens.
Bibliografia:
1. KUTNER, M. H., NACHTSHEIM, C. J., NETER, J. and LI, W. Applied Linear Statistical Models. 5th edition. McGraw-Hill Irwin, 2004.
2. McCULLAGH, P., NELDER, J.A. Generalized linear models. 2 ed. London: Chapman & Hall, 1991.
3. PAULA, G. A., Modelos de Regressão: com apoio computacional. São Paulo: IME-USP, 2013.
3. SEBER, G. A. F., Linear regression analysis, John Wiley, 2nd edition, 2003.
4. GRAYBILL, F. A. Theory and Application of the Linear Model. Duxburt Classic, 2006.
Área de Concentração:
Estatística

EST527 - Modelos de Séries Temporais

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Métodos Simples de Tratamento de Séries temporais: médias móveis e suavização exponencial.
2. Método de Holt Winters.
3. Instrumentos básicos de caracterização de séries estacionárias: correlograma e peridiograma.
4. Representação ARMA de processos estacionários de 2a. ordem.
5. Metodologia de Box-Jenkins.
6. Modelos SARIMA completos e incompletos.
7. Introdução aos Modelos Lineares Dinâmicos e a Previsão Bayesiana.
Bibliografia:
1. BOX, G.E.P. & JENKINS, G.M., REINSEL, G.C. Time series analysis: forecasting and control. 4th. John Wiley, 2008.
2. BROCKWELL, P.J., DAVIS, R.A.: Time-series: Theory and Methods, 2nd ed., Springer-Verlag, New York, 1991.
3. WEST, M., HARRISON, J.: Bayesian Forecasting and Dynamic Models, 2nd ed., Springer-Verlag, New York, 1997.
Área de Concentração:
Estatística

EST531 - Modelos Probabilísticos

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Passeios aleatórios: recorrência e transiência, comportamento assintótico, relação com redes elêtricas.
2. Teoria de filas: modelos M/M/k, M/G/1, G/M1, modificações e aplicações.
3. Percolação: resultados preliminares, transição de fase.
4. Grafos Aleatórios: modelo de Erdős–Rényi, transição de fase, conectividade.
5. Modelos probabilísticos com aditividade finita: permutabilidade e simetria.
6. Tópicos especiais.
Bibliografia:
1. Feller, W. (1971). An Introduction to Probability Theory and its Applications. Vol. I e Vol. II, Second Edition, Wiley.
2. Grimmett, G. (2010). Probability on Graphs. Cambridge University Press.
3. Levin, D.A.; Peres Y.; Wilmer E.L. (2009). Markov Chains and Mixing Times, AMS.
4. Ross, S. M. (2010). Introduction to Probability Models, 10th Ed., Academic Press.
5. Schinazi, R. B. (1999). Classical and Spatial Stochastic Processes, Birkhäuser Boston.
6. Finetti, B. (1974). Theory of Probability, Wiley.
7. Dubins, L. e Savage, L. (1965). How to gamble if you must: inequalities for stochastic processes, McGraw-Hill.
Área de Concentração:
Estatística

EST110 - O Modelo de Processos Gaussianos e suas Aplicações

Número de Créditos: 2 / Carga Horária: 30
Ementa:
1. Introdução aos Processos Gaussianos.
2. Aplicações em Estatística Espacial.
3. Aplicações em Aprendizado de Máquina.
4. Modelos Computacionais: Introdução e Modularização.
5. Modelos Computacionais: Planejamento de Experimentos.
6. Modelos Computacionais: Calibração e Validação.
Bibliografia:
1. Rasmussen, C.E. and Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press.
2. Stein, M. L. (1999). Interpolation of spatial data: some theory for kriging. Springer.
3. Sacks, J.; Welch, W. J.; Mitchell, T. J.; Wynn, H. P. (1989). Design and Analysis of Computer Experiments. Statistical Science, 4, 409-423.
4. Kennedy, M. C. and O'Hagan, A. (2001). Bayesian calibration of computer models (with discussion). Journal of the Royal Statistical Society B, 63, 425-464.
5. Liu, F., Berger, J., Bayarri, M.J. (2009). Modularization in Bayesian Analysis, with Emphasis on Analysis of Computer Models. Bayesian Analysis, 4, 119-150.
6 - Bayarri, M. J.; Berger, J. O.; Paulo, R.; Sacks, J.; Cafeo, J. A.; Cavendish, J.; Lin, C. H. and Tu, J. (2007b). A framework for validation of computer models. Technometrics, 49, 138-154.
7 - Berger, J. O., De Oliveira, V. and Sans o, B. (2001). Objective Bayesian analysis of spatially correlated data. J. Amer. Statist. Assoc., 96, 1361-1374.
8 - Gelfand A. E., Schmidt, A., Banerjee S. and Sirmans C. F. (2004) Nonstationary multivariate process modelling through spatially varying coregionalization (with discussion). Test, 13, 1-50.
Área de Concentração:
Estatística

EST801 - Probabilidade Avançada I

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Famílias de conjuntos, Teorema da Classe Monótona.
2. Funções mensuráveis, espaços de Probabilidade.
3. Medidas de probabilidade e suas funções de distribuição.
4. Teorema de extensão de Carathéodory, Integração.
5. Propriedades da integral.
6. Esperança matemática.
7. Teoremas de convergência.
8. Espaço produto.
9. Independência.
10. Teorema de extensão de Kolmogorov.
11. Esperança condicional.
12. Teorema de Radon – Nikodym, Convergência em Probabilidade e Convergência Quase Certa.
13. Lei Fraca dos Grandes Números Lemas de Borel-Cantelli.
14. Lei Forte dos Grandes Números.
15. Convergência de séries.
16. Teorema das três séries.
17. Aplicações.
18. Teorema Central do Limite, Funções Características - Propriedades.
19. Unicidade e inversão.
20. Teoremas de convergência TCL para Variáveis Aleatórias I.I.D.
21. TCL para Arranjos Triangulares.
22. Teorema de Lyapunov.
23. Teorema de Lindeberg – Feller. Aplicações.
Bibliografia:
1. CHUNG, K.L. A Course in Probability Theory. Second Edition, Academic Press, 1974.
2. DURRETT, R. Probability: Theory and Examples. Second Edition, Duxbury Press, 1996.
3. BILLINGSLEY, P. Probability and Measure. 2d ed., John Wiley & Sons, 1986.
4. FELLER, W. An Introduction to Probability Theory and its Applications. Vol. I e Vol. II, Second Edition, Wiley, 1971.
5. KOLMOGOROV, A. N. Foundations of the Theory of Probability. Transl edit. By Morrison, N. Chelsea Pub. Company, 1956. ASH, R. Real Analysis and Probability. Academic Press, 1972.
Área de Concentração:
Estatística

EST806 - Probabilidade Avançada II

Número de Créditos: 10 / Carga Horária: 150
Objetivo:
Complementar as noções básicas da Teoria das Probabilidades adquiridas no curso de Probabilidade Avançada I, introduzindo tópicos especiais da teoria moderna de probabilidade, centradas nas noções de Martingais, Teoria Ergódica e elementos de Cálculo Estocástico.
Ementa:
1. Martingais (a) Convergência Quase-Certa (b) Desigualdade de Doob, Convergência em Lp (c) Integrabilidade Uniforme, Convergência em L1 (d) Teorema da Parada Ótima
2. Processos Estacionários e Teorema Ergódico de Birkhoff.
3. Movimento Browniano (a) Construção (b) Propriedade de Markov, Princípio da Reflexão (c) Tempos de Passagem (d) Propriedades das Trajetórias
4. Integração Estocástica (a) Construção da Integral Estocástica (b) Fórmula de Itô, Teorema da Girsanov.
Bibliografia:
1. Durret, R. (1996). Probability: Theory and Examples. Second Edition, Duxbury Press.
2. Shiryaev, A. N. (1996). Probability. Second edition. Springer.
3. Chung, K.L. (1974). A Course in Probability Theory. Second Edition, Academic Press.
4. Breiman, L. (1968). Probability. Addison-Wesley (republicado por SIAM).
5. Billingsley, P. (1995). Probability and Measure. Third edition. Wiley.
6. Feller, W. (1971). An Introduction to Probability Theory and its Applications. Vol. I e Vol. II, Second Edition, Wiley.
7. Durrett, R.; Pinsky, M.(1996) Stochastic Calculus: A Practical Introduction. CRC Press.
8. Williams, D.(1991) Probability with Martingales. Cambridge Press.
Área de Concentração:
Estatística

EST525 - Processos Estocásticos

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Introdução e fundamentos: definição, propriedades e exemplos de processos estocásticos.
2. Cadeias de Markov: definição e construção, classificação de estados, distribuição estacionária, convergência.
3. Processos de Poisson: construção e propriedades, generalizações.
4. Processos especiais: processos de nascimento e morte, ramificação, renovação, martingais.
5. Aplicações.
Bibliografia:
1- Ferrari, P.; Galves, J. A Acoplamento em processos estocásticos, SBM, IMPA, Rio de Janeiro, 1997.
2. Karlin, S.; Taylor H. M. An Introduction to Stochastic Modeling, 3rd Ed., Academic Press, 1998.
3. Levin, D.A.; Peres Y.; Wilmer E.L. Markov Chains and Mixing Times, AMS, 2009.
4. Ross, S. M. Introduction to Probability Models, 10th Ed., Academic Press, 2010.
5. Schinazi, R. B. Classical and Spatial Stochastic Processes, Birkhäuser Boston, 1999.
Área de Concentração:
Estatística

EST514 - Simulação Estocástica

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Métodos para geração de variáveis.
2. Métodos para distribuição U(0,1).
3. Métodos para distribuições específicas como normal, Poisson, etc.
4. Método da inversa da função de distribuição.
5. Métodos de rejeição.
6. Métodos adaptativos.
7. Método geral de simulação.
8. Métodos baseados em reamostragem: Bootstrap paramétrico e não paramétrico, e Jackknife.
9. Métodos baseados em Cadeias de Markov: Metropolis, Metropolis-Hastings, Gibbs sampling, importance sampling e data augmentation.
10. Diagnósticos de convergência: Geweke, Gelman & Rubin, Raftery & Lewis, Heidelberger & Welch, autocorrelações e correlações cruzadas.
Bibliografia:
1. BEST, N., COWLES, M.K. e VINES, K. CODA Manual, MRC Cambridge, CB2 2SR, UK, 1996.
2. DAVISON, A.C. e HINKLEY, D.V. Bootstrap methods and their application. Cambridge University Press. Cambridge, UK, 1997.
3. DEVROYE, L. Non-uniform random variate generation. Springer-Verlag, 1986.
4. EFRON, B. e TIBSHIRANI, R.J. An introduction to the bootstrap. Champman & Hall, 1993.
5. GAMERMAN, D.; LOPES, H.F. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, 2nd. edition. 2a. ed. Londres: Chapman & Hall/CRC, v. 1, 2006.
6. GILKS, W.R., RICHARDSON, S. e SPIEGELHALTER, D.J. Markov Chain Monte Carlo in practice. Chapman & Hall, London, 1995.
7. KENNEDY W.J. & GENTLE, J.E. Statistical Computing.Marcel Dekker, Inc., New York, 1980.
8. TANNER, M.A. Tools for Statistical Inference. Série Lecture notes in statistics, Springer-Verlag, New York, 1992.
9. THISTED, R.A. Elements of Statistical Computing. Chapman and Hall, New York, 1988.
Área de Concentração:
Estatística

EST522 - Teoria da Decisão

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Teoria dos jogos.
2. Certeza e incerteza.
3. Forma normal e extensiva.
4. Decisões coletivas e paradoxos.
5. Decisões individuais e coletivas: coerência.
6. Comportamento indutivo.
7. Probabilidade e coerência.
8. Utilidade.
9. Decisões Neo-Bayesianas e Neo-Bernoullianas.
10. Decisões seqüenciais.
Bibliografia:
1. Blackwell, D., Girshick, M.A., Theory of Games and Statistical Decisions, 1954.
2. Savage, L.J., The Foundations o Statistics, J. Wiley, 1954.
3. Keeney, R., Decisions with Multiple Objectives. Preferences and Value Tradeoffs, 1976.
4. De Finetti, Theory of Probability, Vols. I e II, 1974/5.
5. DeGroot, M.H., Optimal Statistical Decisions, 1970.
Área de Concentração:
Estatística

EST101 - Teoria das Probilidades

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Experimento aleatório, espaço de probabilidade, eventos, probabilidade condicional.
2. Variável aleatória, esperança, variância, momentos, distribuição conjunta.
3. Principais distribuições de probabilidade.
4. Funções geradoras de momentos e características.
5. Leis Fraca e Forte dos grandes números e Teorema Central do Limite.
Bibliografia:
1. JAMES, B.R. Probabilidade: Um curso em nível intermediário. 2º.Edição, Projeto Euclides, Rio de Janeiro, 1996.
2. ROSS,S.. First course in probability. 7º. Edição, Prentice Hall, N. Jersey, 2005.
Área de Concentração:
Estatística

EST804 - Tópicos Avançados de Pesquisa I

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Entendimento dos processos envolvidos na metodologia científica e a contribuição da estatística para a ciência.
2. Entendimento da estruturação e montagem de grupos de estudo/pesquisa focados em publicação.
3. Processos de busca de tópicos a serem pesquisados, sendo que os temas para pesquisa devem ser sugeridos prioritariamente pelos próprios alunos ou grupos de alunos, com a aprovação do docente, e em último caso pelo docente responsável pela disciplina, sendo que os tópicos escolhidos não devem estar diretamente associados aos respectivos problemas tratados nas teses.
4. Revisão sistemática de literatura e visualização do estado-da-arte dentro do tema escolhido.
5. Discussões referentes ao tema escolhido em grupos de estudos e seminários apresentados pelos alunos, sob a supervisão do docente responsável.
6. Elaboração de um manuscrito (individual ou em grupo) com vistas à submissão do mesmo a periódicos da área.
7. Experiências de revisão de artigos e entendimento da necessidade da construção estruturada, concisa e clara do manuscrito.
Bibliografia:
Artigos selecionados em periódicos da área e relatórios técnicos.
Área de Concentração:
Estatística

EST805- Tópicos Avançados de Pesquisa II

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Processos de busca de tópicos a serem pesquisados, os temas para os artigos podem ser sugeridos pelo docente da disciplina, pelos orientadores dos alunos ou pelos próprios alunos, com a aprovação do docente.
2. Revisão sistemática de literatura e visualização do estado-da-arte dentro do tema escolhido.
3. Discussões referentes ao tema escolhido em grupos de estudos e seminários apresentados pelos alunos, sob a supervisão do docente responsável.
4. Elaboração de um manuscrito (individual ou em grupo) com vistas à submissão do mesmo a periódicos da área.
5. Experiências de revisão de artigos e entendimento da necessidade da construção estruturada, concisa e clara do manuscrito.
Bibliografia:
Não existe um conjunto de referências fixo. A cada oportunidade em que a disciplina é oferecida um novo grupo de artigos é selecionado em periódicos qualificados da área em estudo para cada aluno.
Área de Concentração:
Estatística

EST105 - Tópicos de Pesquisa I

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Escolha de material a ser apresentado em 2 (dois) seminários, cujos temas são definidos pelos seus respectivos orientadores.
2. Estudo sistemático do material escolhido sob a supervisão do docente responsável pela disciplina.
3. Preparação de relatórios técnicos referentes ao material escolhido sob a supervisão do docente responsável pela disciplina.
4. Preparação e apresentação de seminários sob a supervisão do docente responsável pela disciplina.
Bibliografia:
A bibliografia é constituida de artigos selecionados em periodicos qualificados da area de estatística. Todas as vezes em que a disciplina for oferecida, um conjunto de artigos é proposto para cada aluno.
Área de Concentração:
Estatística

EST106 - Tópicos de Pesquisa II

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Preparação e apresentação de 2 (dois) seminários, cujos temas envolvem os primeiros resultados de suas dissertações, sob a supervisão do docente responsável pela disciplina.
2. Estudo sistemático do material escolhido sob a supervisão do docente responsável pela disciplina.
3. Preparação de relatórios técnicos referentes ao material escolhido sob a supervisão do docente responsável pela disciplina.
Bibliografia:
Artigos selecionados em periódicos da área e relatórios técnicos.
Área de Concentração:
Estatística

EST510 - Tópicos de Teoria Assintótica

Número de Créditos: 10 / Carga Horária: 150
Ementa:
1. Revisão de análise matemática: convergência de sequências de números reais e de funções reais de variável real; convergência uniforme de sequências de funções; teorema e séries de Taylor.
2. Ordens de magnitude de sequências de números reais, O(.) e o(.), e de sequências de variáveis aleatórias, Op(.) e op(.).
3. Funções características de variáveis e vetores aleatórios.
4. Modos de convergência estocástica e suas relações: convergência em distribuição (fraca); em probabilidade; quase certa e em média quadrática. Leis Forte e Fraca dos grandes números.
5. Principais versões do Teorema Central do Limite: casos uni e multidimensional.
6. Consistência e normalidade assintótica dos estimadores de máxima verossimilhança.
7. Distribuição assintótica da estatística do teste da razão de verossimilhanças.
Bibliografia:
1. COX, D.V. & HINKLEY, D.V. Theoretical Statistics. Chapman & Hall, 1979.
2. FERGUSON, T.S. A Course in large sample theory. Chapman & Hall, 1996.
3. LEITE, J.G. & SINGER, J.M. Métodos Assintóticos em Estatística: Fundamentos e Aplicações. 9.o SINAPE. Associação Brasileira de Estatística, 1990.
4. SEN, P.K. & SINGER, J.M Large Sample Methods in Statistics. An Introduction with Applications. Chapman & Hall, 1993.
5. SERFLYNG, R.J. Approximation Theorems of Mathematical Statistics. John Wiley, 1980.
Área de Concentração:
Estatística

EST534 - Aprendizado de Máquina Estatístico

Número de Créditos: 10 / Carga Horária: 150
Ementa:

1. Conceitos fundamentais: predição; aprendizado supervisionado versus aprendizado não supervisionado; função de risco; validação cruzada; overfitting.

2. Regressão: regressão linear; lasso; KNN; Nadaraya-Watson; árvores e florestas de regressão; bagging; boosting e outros métodos preditivos;

3. Classificação: regressão logística; KNN; árvores e florestas de classificação; SVM e truque do kernel; outros métodos preditivos

4. Redução de dimensionalidade: PCA; Kernel PCA; projeções aleatórias

5. Análise de agrupamento: k-médias; métodos hierárquicos; agrupamento baseado em moda

6. Statistical Learning Theory

7. Tópicos adicionais.

Bibliografia:

1. Friedman, Jerome, Trevor Hastie e Robert Tibshirani. The elements of statistical learning. Vol. 1. Springer, Berlin: Springer series in statistics, 2001.

2. James, Gareth, Daniela Witten, Trevor Hastie e Robert Tibshirani. An introduction to statistical learning. Vol. 6. New York: springer, 2013.

Área de Concentração:

Estatística

Horário 1º semestre de 2016

Caráter Código DisciplinaDocenteDiaHorárioLocalCrédito
Obrigatória:M
Optativa:D
EST102 Inferência Estatística Reiko Aoki Terça
Quinta
14:00-16:00
14:00-16:00
4.005/ICMC 7
Optativa:
M e D
EST105 Tópicos de Pesquisa I Luis Milan Quarta
Quinta
16:00-18:00
10:00-12:00
67-AT04/UFSCar
72-AT04/UFSCar
7
Obrigatória:M
Optativa:D
EST507 Modelos de Regressão Responsável:
Carlos Diniz
Colaborador:
Gustavo Pereira
Quarta
Sexta
08:00-10:00
08:00-10:00
193-AT09/UFSCar
234-AT10/UFSCar
7
Obrigatória:M
Optativa: D
EST525 Processos Estocásticos Responsável:
Pablo Rodríguez
Colaborador:
Renato Gava
Terça
Quinta
08:00-10:00
16:00-18:00
232-AT10/UFSCar
91-AT04/UFSCar
10
Obrigatória:D
Optativa:M
EST801 Probabilidade Avançada Responsável:
Luis Ernesto Salasar
Colaborador:
Sandro Gallo
Terça
Quinta
16:00-18:00
08:00-10:00
232-AT10/UFSCar
67-AT04/UFSCar
10
Obrigatória:D
Optativa:M
EST802 Inferência Avançada Responsável:
Vera Tomazella
Colaborador:
José Galvão
Quarta
Sexta
14:00-16:00
10:00-12:00
239-AT10/UFSCar
234-AT10/UFSCar
10
Optativa:
M e D
EST804 Tópicos Avançados de Pesquisa I Responsável:
Carlos Diniz
Colaborador:
Vera Tomazella
Terça
Quarta
10:00-12:00
10:00-12:00
DEs / UFSCar 10
Optativa:
M e D
EST519 Capacitação Docente em Estatística I Marinho Andrade - - - 2
Optativa:
M e D
EST521 Capacitação Docente em Estatística II Marinho Andrade - - - 2

Horário 2º semestre de 2016

CaráterCódigoDisciplinaDocenteDiaHorárioLocalCrédito

Optativa:
M e D

EST519 Capacitação Docente em Estatística I Carlos Diniz 2

Optativa:
M e D

EST521 Capacitação Docente em Estatística II Carlos Diniz 2

Optativa:
M e D

EST523 Confiabilidade e Análise de Sobrevivência Vera Tomazella

Quarta
Sexta

08:00-10:00
08:00-10:00

DEs/UFSCar

10

Obrigatória:D
Optativa:M

EST802 Inferência Avançada

Resp.: Reiko Aoki
Colaborador:
Luis Salasar

Terça
Sexta

10:00-12:00
10:00-12:00

AT4-69/UFSCar
AT4–85/UFSCar

10

Optativa:
M e D

EST104 Inferência Bayesiana

Resp.: Marcio  Diniz
Colaborador:

Rafael Stern

Terça
Quinta

14:00-16:00
14:00-16:00

AT4–67/UFSCar
AT4–68/UFSCar

7

Optativa:
M e D

EST803 Inferência Bayesiana Avançada

Resp.: Vicente Cancho
Colaborador:
Rafael Stern

Terça
Quinta

14:00-16:00
14:00-16:00

AT4–67/UFSCar
AT4–68/UFSCar

10

Optativa:
M e D

EST527 Modelos de Séries Temporais Marinho Gomes de Andrade Filho

Segunda
Quarta

10:00-12:00
10:00-12:00

Sala 3-102/ICMC

10

Optativa:
M e D

EST531 Modelos Probabilísticos

Resp.:
Renato Gava
Colaborador:

Sandro Gallo

Segunda
Quarta

14:00-16:00
14:00-16:00

AT4–84/UFSCar
AT4–87/UFSCar

10

Obrigatória:D
Optativa:M

EST801 Probabilidade Avançada

Resp.:
José Galvão Leite
Colaborador:

Marcio Diniz

Terça
Quarta

08:00-10:00
08:00-10:00

AT4–66/UFSCar
AT4–85/UFSCar

10

Optativa:
M e D

EST514 Simulação Estocástica Luis Milan

Terça
Quinta

10:00-12:00
10:00-12:00

AT4-70/UFSCar
AT4–87/UFSCar

7

Optativa:
M e D

EST522 Teoria da Decisão

Resp.: Adriano Polpo
Colaborador:

Rafael Izbicki

Terça
Quinta

16:00-18:00
16:00-18:00

AT4–87/UFSCar
AT4–75/UFSCar

10

Optativa:
M e D

EST805 Tópicos Avançados de Pesquisa II Carlos Diniz

Segunda
Quarta

16:00-18:00
16:00-18:00

DEs- 38/UFSCar 10
Optativa: M EST106 Tópicos de Pesquisa II Carlos Diniz

Terça
Quinta

08:00-10:00
08:00-10:00

DEs-38/UFSCar 7

Horário 1º Semestre de 2017

CaráterCódigoDisciplinaDocenteDiaHorárioLocalCrédito

Optativa:
M e D

EST528 Análise de Dados Longitudinais Responsável: Cibele Noveli
Colaborador: Jorge Guzmán
Terça
Quinta
16:00-18:00
16:00-18:00
5-001 10
Optativa:
M e D
EST519 Capacitação Docente em Estatística I
Marinho Gomes
- - - 2
Optativa:
M e D
EST521 Capacitação Docente em Estatística II Marinho Gomes - - - 2
Optativa:
M e D
EST523 Confiabilidade e Análise de Sobrevivência
Responsável: Vicente Cancho
Colaborador: Josemar Rodrigues
Segunda
Quarta
14:00-16:00
10:00-12:00
3-010 10
Obrigatória:D
Optativa:M
EST802 Inferência Avançada
Responsável: Vera Tomazella
Colaborador: José Galvão Leite
Quarta
Sexta
14:00-16:00
10:00-12:00
AT4-75
AT4-74
10
Obrigatória:M
Optativa:D

EST102 Inferência Estatística
Responsável: Vera Tomazella
Colaboradora: Mariana Cúri
Terça
Quinta
10:00-12:00
10:00-12:00
3-009 7
Obrigatória:M
Optativa:D
EST507 Modelos de Regressão
Responsável: Carlos Diniz
Colaborador: Mário de Castro
Terça
Quinta
08:00-10:00
08:00-10:00
3-012 7
Obrigatória:D
Optativa:M
EST801 Probabilidade Avançada
Responsável: Luis Ernesto
Colaborador: Sandro Gallo
Segunda
Quarta
16:00-18:00
16:00-18:00
AT4-75 10
Obrigatória:M
Optativa:D
EST525 Processos Estocásticos

Responsável: Pablo Rodriguez
Colaborador: Renato Gava

Terça
Quinta
14:00-16:00
14:00-16:00
AT4-88
AT10-238
10
Optativa:
M e D
EST804 Tópicos Avançados de Pesquisa I Carlos Diniz Terça
Quinta
14:00-16:00
14:00-16:00
DEs-33 10
Optativa:
M e D
EST105 Tópicos de Pesquisa I

Responsável: Luis Milan
Colaboradora: Vera Tomazella

Quarta
Sexta
08:00-10:00
08:00-10:00
AT4-67
AT4-73
7

Horário 2º Semestre de 2017

CaráterCódigoDisciplinaDocenteDiaHorárioLocalCrédito
Optativa: M e D EST506 Análise Multivariada Cibele Maria Russo Noveli

Segunda

Quarta

10:00 - 12:00 10:00 - 12:00

3-101

5-002

10
Optativa: M e D EST534 Aprendizado de Máquina Estatístico Rafael Izbicki

Terça  

Quinta

14:00 - 16:00 14:00 - 16:00

AT4-74

AT4-75

10
Optativa: M e D EST519 Capacitação Docente em Estatística I Carlos Alberto Ribeiro Diniz - - - 2
Optativa: M e D EST521 Capacitação Docente em Estatística II Carlos Alberto Ribeiro Diniz - - - 2
Optativa: M e D EST523 Confiabilidade e Análise de Sobrevivência Francisco Louzada Neto (responsável)     Josemar Rodrigues (colaborador)

Segunda

Quarta

10:00 - 12:00 10:00 - 12:00

5-101

3-009

10
Obrigatória: D Optativa: M EST802 Inferência Avançada

Mário de Castro Andrade Filho (responsável)
José Galvão Leite (colaborador)

Quarta  

Sexta

14:00 - 16:00 09:00 - 11:00

AT4-73

AT4-85

10
Optativa: M e D EST104 Inferência Bayesiana

Vera Lucia Damasceno Tomazella (responsável)
Vicente Garibay Cancho (colaborador)

Segunda

Quarta

14:00 - 16:00 16:00 - 18:00

 

5-101

7
Optativa: M e D EST803 Inferência Bayesiana Avançada

Vicente Garibay Cancho (responsável)
Adriano Polpo de Campos (colaborador)

Segunda

Quarta

08:00 - 10:00 08:00 - 10:00

AT4-74

AT4-75

10
Optativa: M e D EST531 Modelos Probabilísticos Pablo Martín Rodriguez                

Quinta  

Sexta

16:00 - 18:00 17:00 - 19:00

 

3-101

10
Obrigatória: D Optativa: M EST801 Probabilidade Avançada Adriano Polpo de Campos (responsável)     Renato Jacob Gava (colaborador)

Segunda 

Quarta

14:00 - 16:00 16:00 - 18:00

AT4-90

AT10-232

10
Optativa: M e D EST514 Simulação Estocástica Luis Aparecido Milan

Terça    

Quinta

08:00 - 10:00 08:00 - 10:00

AT4-90

AT4-73

7
Optativa: M e D EST522 Teoria da Decisão Adriano Polpo de Campos (responsável)       Rafael Bassi Stern (colaborador)

Terça    

Quinta

16:00 - 18:00 16:00 - 18:00

AT4-67

AT4-75

10
Optativa: M e D EST805 Tópicos Avançados de Pesquisa II

Marinho Gomes de Andrade Filho (responsável)
Vera Lucia Damasceno Tomazella (colaborador)

Quarta  

Sexta

08:00 - 10:00 08:00 - 10:00

 

Sala 43 DEs/UFSCar

10
Optativa: M e D EST106 Tópicos de Pesquisa II Carlos Alberto Ribeiro Diniz

Terça    

Quinta

10:00 - 12:00 10:00 - 12:00

Sala 38 DEs/UFSCar

7
Optativa: M e D EST510 Tópicos de Teoria Assintótica

José Galvão Leite (responsável)
Mário de Castro Andrade Filho (colaborador)

Quinta  

Sexta

08:00 - 10:00 08:00 - 10:00

 

3-101

10

ATENÇÃO! Horário sujeito a alterações

Horário 1º semestre de 2018

Horário 1º semestre de 2018
Imagem no tamanho completo: 294 KB | Visualizar imagemVisão Baixar imagemDownload

Horário 2º semestre de 2018

Horário 2º semestre de 2018
Imagem no tamanho completo: 104 KB | Visualizar imagemVisão Baixar imagemDownload

Horário 2° semestre de 2018

Horário 2° semestre de 2018
Imagem no tamanho completo: 247 KB | Visualizar imagemVisão Baixar imagemDownload

Horário 1º semestre de 2019

Horário 1º semestre de 2019
Imagem no tamanho completo: 224 KB | Visualizar imagemVisão Baixar imagemDownload

Horário 1º semestre 2019

PDF document icon Horario_PIPGES_01-2019.pdf — Documento PDF, 556 KB (569427 bytes)

Horário 1º semestre 2019-v3

PDF document icon Horario_PIPGES_01-2019.pdf — Documento PDF, 556 KB (569427 bytes)

Horário 1º semestre 2019-v3

Horário 1º semestre 2019-v3
Imagem no tamanho completo: 95 KB | Visualizar imagemVisão Baixar imagemDownload


Imagem no tamanho completo: 92 KB | Visualizar imagemVisão Baixar imagemDownload