RESOLUÇÃO Nº 01/2016

Transcrição

1 Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista a Instrução Normativa Nº 03/2013 da Pró- Reitoria de Graduação PROGRAD e da Secretaria de Educação à Distância SEAD, resolve definir as relações de equivalências para fins de monitoria entre as atividades de ensino, por entender que as ementas abrangem os conteúdos previstos na disciplina objeto de monitoria. Art. 1 O aluno aprovado na disciplina MAT02246 Introdução à Estatística está plenamente habilitado a ser monitor das disciplinas MAT02201 Métodos Estatísticos, MAT02214 Estatística Geral I, MAT02215 Estatística Geral II, MAT02218 Bioestatística, MAT02219 Probabilidade e Estatística, MAT02273 Métodos Estatísticos V e MAT02280 Estatística Básica I. Art. 2 O aluno aprovado nas disciplinas MAT02018 Estatística Descritiva, MAT Introdução à Probabilidade e MAT02021 Introdução à Inferência está plenamente habilitado a ser monitor das disciplinas MAT02201 Métodos Estatísticos, MAT02214 Estatística Geral I, MAT02215 Estatística Geral II, MAT02218 Bioestatística, MAT02219 Probabilidade e Estatística, MAT02273 Métodos Estatísticos V e MAT02280 Estatística Básica I. Art. 3 As disciplinas MAT Introdução à Probabilidade e MAT02248 Probabilidade I são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02248 Probabilidade I está plenamente habilitado a ser monitor de MAT Introdução à Probabilidade. Art. 4 As disciplinas MAT02021 Introdução à Inferência e MAT02253 Inferência Estatística I são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02253 Inferência Estatística I está plenamente habilitado a ser monitor de MAT02021 Introdução à Inferência. Art. 5 As disciplinas MAT02022 Probabilidade A e MAT02250 Probabilidade II são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02250 Probabilidade II está plenamente habilitado a ser monitor de MAT02022 Probabilidade A. (Adicionado pela Resolução Nº 02/2016 do Departamento de Estatística) Art. 6 As disciplinas MAT02023 Inferência A e MAT02253 Inferência Estatística I são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02253 Inferência Estatística I está plenamente habilitado a ser monitor de MAT02023 Inferência A. (Adicionado pela Resolução Nº 03/2016 do Departamento de Estatística)

2 Art. 7 As disciplinas MAT02024 Probabilidade B e MAT02250 Probabilidade II são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02250 Probabilidade II está plenamente habilitado a ser monitor de MAT02024 Probabilidade B. (Adicionado pela Resolução Nº 03/2016 do Departamento de Estatística) Art. 8 As disciplinas MAT02025 Amostragem 1 e MAT02251 Amostragem I são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02251 Amostragem I está plenamente habilitado a ser monitor de MAT02025 Amostragem 1. (Adicionado pela Resolução Nº 03/2016 do Departamento de Estatística) Art. 9 As disciplinas MAT02024 Probabilidade B e MAT02250 Probabilidade II são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02250 Probabilidade II está plenamente habilitado a ser monitor de MAT02024 Probabilidade B. Art. 10 As disciplinas MAT02026 Inferência B e MAT02255 Inferência Estatística II são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02255 Inferência Estatística II está plenamente habilitado a ser monitor de MAT02026 Inferência B. Art. 11 As disciplinas MAT02036 Amostragem B e MAT02254 Amostragem II são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02254 Amostragem II está plenamente habilitado a ser monitor de MAT02036 Amostragem B. (Adicionado pela Resolução Nº 01/2017 do Departamento de Estatística) Art. 12 As disciplinas MAT02027 Modelos Lineares e MAT02256 Análise de Regressão A são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02256 Análise de Regressão A está plenamente habilitado a ser monitor de MAT02027 Modelos Lineares. Art. 13 As disciplinas MAT02034 Métodos Bayesianos para Análise de Dados e MAT02257 Inferência Bayesiana e Teoria de Decisões são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02257 Inferência Bayesiana e Teoria de Decisões está plenamente habilitado a ser monitor de MAT02034 Métodos Bayesianos para Análise de Dados. Art. 14 As disciplinas MAT02028 Métodos Computacionais em Estatística e MAT02274 Estatística Computacional são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02028 Métodos Computacionais em Estatística está plenamente habilitado a ser monitor de MAT02274 Estatística Computacional. (Adicionado pela Resolução Nº 01/2017 do Departamento de Estatística)

3 Art. 15 As disciplinas MAT02019 Introdução à Pacotes Estatísticos e MAT02015 Introdução aos Softwares Estatísticos são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02015 Introdução aos Softwares Estatísticos está plenamente habilitado a ser monitor de MAT02019 introdução à Pacotes Estatísticos. (Adicionado pela Resolução Nº 01/2017 do Departamento de Estatística) Art. 16 As disciplinas MAT02029 Modelos Lineares Generalizados e MAT02258 Análise Estatística de Dados Categóricos são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02258 Análise Estatística de Dados Categóricos está plenamente habilitado a ser monitor de MAT02029 Modelos Lineares Generalizados. (Adicionado pela Resolução Nº 01/2017 do Departamento de Estatística) Art. 17 As disciplinas MAT02038 Análise de Sobrevivência e MAT02258 Análise Estatística de Dados Categóricos são, para fins de monitoria, equivalentes. Dessa forma, o aluno aprovado na disciplina MAT02258 Análise Estatística de Dados Categóricos está plenamente habilitado a ser monitor de MAT02038 Análise de Sobrevivência. (Adicionado pela Resolução Nº 01/2017 do Departamento de Estatística) Art Esta Resolução entra em vigor na data de sua aprovação pelo Colegiado do Departamento de Estatística. Súmula de MAT02018 Estatística Descritiva: Etapas de um projeto de pesquisa. Medidas de tendência central, de variabilidade e de forma. Análise gráfica de dados. Distribuição bidimensional. Taxas de crescimento populacional. Númeroíndice: indicadores de variação de preços e de concentração. Introdução ao estudo de séries temporais. Análise de correlação. Súmula de MAT Introdução à Probabilidade: Espaços de probabilidade. Probabilidade condicional e independência. Variáveis aleatórias unidimensionais discretas e contínuas. Principais distribuições unidimensionais. Principais transformações de variáveis aleatórias discretos e contínuos. Principais transformações de vetores aleatórios. Leis dos grandes números. Teorema central do limite. Súmula de MAT02021 Introdução à Inferência: Estimação pontual. Estimação por intervalo. Testes de hipóteses para proporções, médias, variâncias de ajustamento e de independência. Súmula de MAT02214 Estatística Geral I: Probabilidade: Conceito, axiomas e teoremas fundamentais. Variáveis aleatórias. Distribuições de probabilidade. Estatística descritiva. Distribuições teóricas e empíricas. Distribuições unidimensionais e bidimensionais.

4 Súmula de MAT02215 Estatística Geral II: Introdução à Teoria da Amostragem, principais esquemas. Inferência Estatística: Processos de decisão, Teoria da Estimação, Testes de Hipóteses e Análise de Variância. Súmula de MAT02218 Bioestatística: Introdução ao método e conceitos de análise estatística na área de ciências biomédicas. Obtenção, apresentação e descrição de dados de observação. Distribuição das estatísticas da amostra. Estimação, intervalos de confiança e testes de significância. Comparação de médias. Aplicações da distribuição Qui-Quadrado; correlação. Associação e contingência em problemas da área biomédica. Súmula de MAT02219 Probabilidade e Estatística: Probabilidade: Conceito e teoremas fundamentais. Variáveis aleatórias. Distribuições de probabilidade. Estatística descritiva. Noções de amostragem. Inferência estatística: Teoria da estimação e Testes de hipóteses. Regressão linear simples. Correlação. Súmula de MAT02248 Probabilidade I: Espaços de probabilidade. Probabilidade condicional e independência. Variáveis aleatórias unidimensionais discretas e contínuas. Principais distribuições unidimensionais. Transformações de variáveis aleatórias unidimensionais. Funções geradoras de probabilidades. Funções geradoras de momentos e funções características unidimensionais. Súmula de MAT02253 Inferência Estatística I: Modelos estocásticos. Estimação pontual. Propriedades dos estimadores. Estatísticas suficientes. Método dos momentos. Método da máxima verossimilhança. Estimação por intervalo, por limite inferior e por limite superior. Estimação assintática. Súmula de MAT02273 Métodos Estatísticos V: Medidas descritivas e tabelas de frequência. Ideias básicas sobre razões, proporções, porcentagens e conjuntos. Noções de probabilidade. Introdução à estimação e testes de hipóteses. Análise de dados qualitativos. Regressão e correlação linear simples. Análise de variância. Princípios de experimentação. Súmula de MAT02201 Métodos Estatísticos: Introdução ao método e conceitos de análise estatística na área de ciências agronômicas. Obtenção, apresentação e descrição de dados de observação. Boxplot. Probabilidade. Distribuição normal. Amostragem. Estimação, intervalos de confiança e testes de significância. Comparação de médias. Princípios de experimentação: delineamento inteiramente casualizado, delineamento em blocos casualizados e experimentos fatoriais. Correlação e regressão linear. Distribuição Qui-Quadrado. Súmula de MAT02280 Estatística Básica I: Descrição estatística. Noções de Probabilidade. Técnicas de amostragem. Distribuições amostrais. Estimação. Testes Estatísticos. Análise de Correlação. Súmula de MAT02022 Probabilidade A: Noções de conjuntos e pré-requisitos matemáticos (demonstrações). Construção axiomática de probabilidade. Variáveis e vetores aleatórios. Funções densidade/massa de probabilidade,

5 distribuição acumulada, conjuntas, marginais e condicionais. Transformações de variáveis. Funções geradoras. Súmula de MAT02250 Probabilidade II: Probabilidade como medida. Vetores aleatórios discretos e contínuos. Transformação de vetores aleatórios. Funções geradoras de probabilidades, funções geradoras de momentos e funções características multidimensionais. Modos de convergência. Leis dos grandes números. Teorema central do limite. Súmula de MAT02251 Amostragem I: Planejamento de um levantamento por amostragem. Amostragem aleatória simples, características, estimação, dimensionamento de amostras. Amostragem estratificada: características, construção de estratos, dimensionamento de amostras e critérios de repartição. Métodos não probabilísticos. Súmula de MAT02024 Probabilidade B: Esperança e esperança condicional. Desigualdades. Distribuições especiais. Modos de convergência. Leis dos grandes números. Teorema central do limite. Súmula de MAT02026 Inferência B: Estimação por intervalo, por limite inferior e por limite superior. Intervalos de credibilidade. Estimação assintótica. Testes de hipóteses simples e compostos. Função poder. Testes uniformemente mais poderosos. Testes da razão de verossimilhança. Testes Bayesianos. Otimização de Função Perda. Súmula de MAT02250 Probabilidade II: Probabilidade como medida. Vetores aleatórios discretos e contínuos. Transformação de vetores aleatórios. Funções geradoras de probabilidades, funções geradoras de momentos e funções características multidimensionais. Modos de convergência. Leis dos grandes números. Teorema central do limite. Súmula de MAT02255 Inferência Estatística II: Testes de hipóteses simples e compostos. Função poder. Testes uniformemente mais poderosos. Testes da razão de verossimilhança. Testes qui-quadrado de ajustamento e de independência. Súmula de MAT02036 Amostragem 2: Amostragem sistemática. Amostragem estratificada: características, construção de estratos, dimensionamento de amostras e critérios de repartição. Amostragem por conglomerados. Amostragem com probabilidades variáveis. Planos complexos. Dimensionamento de amostras. Análise de dados complexos. Súmula de MAT02254 Amostragem II: Amostragem sistemática. Amostragem por conglomerados. Amostragem com probabilidades proporcionais. Dimensionamento de amostras. Erros não-amostrais.

6 Súmula de MAT02023 Inferência A: Estimação pontual. Propriedade dos estimadores. Estatísticas suficientes. Método dos momentos. Método da máxima verossimilhança. Estimadores Bayesianos. Otimização numérica. Súmula de MAT02024 Probabilidade B: Esperança e esperança condicional. Desigualdades. Distribuições especiais. Modos de convergência. Leis dos grandes números. Teorema central do limite. Súmula de MAT02025 Amostragem 1: Planejamento de um levantamento por amostragem. Métodos não probabilísticos. Erros nãoamostrais. Amostragem aleatória simples, características, estimação, dimensionamento de amostras para estimação e testes de hipóteses. Súmula de MAT02027 Modelos Lineares: Revisão de álgebra matricial e inversas generalizadas. Modelo linear geral. Estimação. Testes de hipóteses. Técnicas de diagnóstico. Seleção de modelos. Aplicações do modelo linear geral: regressão linear simples e análise de variância. Súmula de MAT02256 Análise de Regressão A: O modelo de regressão linear simples. Estimadores de mínimos quadrados e suas distribuições. Testes e predições. O modelo linear geral. Hipóteses básicas e distribuições dos estimadores. Testes. Problemas em regressão: análise de resíduos. Regressão de cumeeira e regressão com coeficientes não-estáveis. Súmula de MAT02034 Métodos Bayesianos para Análise de Dados: Método MCMC no contexto de inferência bayesiana, modelos hierárquicos, modelo linear geral (regressão e análise de variância com 1 fator), modelo de regressão logística, métodos para avaliação de ajuste de modelos, métodos para seleção de covariáveis. Súmula de MAT02257 Inferência Bayesiana e Teoria de Decisões: Jogos. Função utilidade e função perda. Função risco. Regras de decisão ótimas. Admissibilidade e complemento. Critério minimax. Distribuições a priori e a posteriori. Risco de Bayes. Regras de decisão bayesianas. Estimação e decisões múltiplas. Súmula de MAT02028 Métodos Computacionais em Estatística: Aritmética e Objetos. Tipos de objetos. Geração de números aleatórios. Exploração de distribuições de probabilidade empíricas. Execução condicional. Controle de fluxo. Geração de números pseudoaleatórios. Métodos Computacionalmente Intensivos. Súmula de MAT02274 Estatística Computacional: Geração de números aleatórios e distribuições clássicas de probabilidades e experimentos Monte Carlo. Uso e desenho de técnicas numéricas para cálculo e estimação de parâmetros e distribuições clássicas. Aspectos computacionais das principais técnicas de análise de dados.

7 Súmula de MAT02019 Introdução à Pacotes Estatísticos: Construção de banco de dados. Manipulação de bancos de dados utilizando pacotes estatísticos. Súmula de MAT02015 Introdução aos Softwares Estatísticos: Introdução ao uso de técnicas estatísticas básicas nos softwares SAS, R e SPSS, entre outros. Súmula de MAT02029 Modelos Lineares Generalizados: Introdução aos modelos lineares generalizados. Ligações canônicas. Função desvio. Estimação de parâmetros. Testes de hipóteses. Técnicas de diagnóstico. Seleção de modelos. Casos particulares: modelos para dados positivos assimétricos, dados binários, dados categóricos. Dados de contagem. Súmula de MAT02258 Análise Estatística de Dados Categóricos: Características principais dos instrumentos de medida. Escalas de medida. Validade e fidedignidade. Análise de item. Modelos log-lineares para tabelas multidimensionais. Regressão logística. Modelos logísticos. Análise de sobrevivência. Súmula de MAT02038 Análise de Sobrevivência: Definições básicas. Estimação não paramétrica. Comparação de funções de sobrevivência. Modelo semiparamétrico. Diagnóstico e análise de resíduos. Funções de suavização em modelos de sobrevivência. Eventos múltiplos, eventos competitivos e fragilidade. Modelos multiestado. Modelos paramétricos. Porto Alegre, 11 de abril de Prof. Cleber Bisognin, Chefe do Departamento de Estatística (O original encontra-se assinado na Secretaria do Instituto de Matemática e Estatística IME)