Plano Departamental

CONTEÚDO DISCRIMINADO EM UNIDADES E SUB-UNIDADES:

Unidade 1: Introdução
1.1 Finalidades da inferência estatística.
1.2 População e amostra.
1.3 Amostra aleatória.
1.4 Parâmetros e estatísticas.
1.5 Momentos amostrais (simples e centrados).
1.6 Distribuições amostrais.
1.6.1 Amostras de distribuições normais.
1.6.2 Teorema do Limite Central.
1.7 Métodos para obtenção da distribuição de estatísticas.
1.7.1 Método da função distribuição.
1.7.2 Método da função geradora de momentos.
1.8 Estatísticas de Ordem.

Unidade 2: Famílias de distribuições
2.1 Família locação-escala.
2.2 Família exponencial.

Unidade 3: Princípio da redução de dados
3.1 Suficiência: definição e resultados básicos.
3.2 Teorema da Fatoração de Fisher-Neyman.
3.3 Ancilaridade.
3.4 Completitude.
3.5 Suficiência e completitude na família exponencial.

Unidade 4: Estimação Pontual
4.1 Conceitos de estimador.
4.2 Métodos de estimação.
4.2.1 Método dos momentos.
4.2.2 Método dos mínimos quadrados.
4.2.3 Método de máxima verossimilhança.
4.3 Propriedades desejáveis em um estimador.
4.3.1 Não tendenciosidade.
4.3.2 Variância mínima.

BOLFARINE, H., SANDOVAL, M. C. Introdução à Inferência Estatística. Coleção Matemática Aplicada – Sociedade Brasileira de Matemática, 2001.

CASELLA, G. & BERGER, R. L. (2010). Inferência Estatistica. 1a edicao, Cengage Learning. (Tradução, para o Português, do livro do Casella & Berger, 2002).


MAGALHÃES, M. N. & LIMA, A. C. P (2010). Noções de probabilidade e estatística. 7 Ed., São Paulo, EDUSP.

MOOD A. M., GRAYBILL, F. A. & BOES, D. C. (1974). Introduction to the Theory of
Statistics. Third edition, New York: MacGraw-Hill Publishing Company.

Não informado

CASELLA, G. & BERGER, R. L. (2002). Statistical Inference. Second edition, Duxbury
Press.

DEGROOT, M. H. (1986). Probabilty and Statistics. Second edition, Addison-Wesley.

JAMES, B. (1981). Probabilidade: Um Curso de Nível Intermediário. Rio de janeiro: Instituto de Matemática Pura e Aplicada.

PAWITAN, Y. (2001) In all likelihood: statistical modelling and inference using likelihood.