Disciplinas e orientações

Probabilidade

  1. Probabilidade: uma introdução
  2. (Capítulo 01) Probabilidade
  3. (Capítulo 02) Modelo probabilístico (MP) com espaço amostral finito
  4. (Capítulo 03) Probabilidade condicional e independência
  5. (Capítulo 04) Variáveis aleatórias unidimensionais
  6. (Capítulo 05) Funções de uma única variável aleatória
  7. (Capítulo 06) Variáveis aleatórias bidimensionais
  8. (Capítulo 06) Variáveis aleatórias multidimensionais
  9. (Capítulo 06) Funções de variáveis aleatórias
  10. (Capítulo 07) Esperança e esperança condicional
  11. (Capítulo 08) Exemplos de variáveis aleatórias discretas
  12. (Capítulo 09) Exemplos de variáveis aleatórias contínuas
  13. (Capítulo 10) Momentos e a função geradora de momentos
  14. (Capítulo 11) Confiabilidade
  15. (Capítulo 12) Somas de variáveis aleatórias independentes e teoremas limites
  16. (Tópico Complemetar) MP quando o espaço amostral é um conjunto infinito-enumerável
  17. (Tópico Complemetar) MP quando o espaço amostral é o conjunto dos números reais

Livro-texto: P Meyer. Probabilidade: Aplicações à Estatística, 2a ed. LTC, 1983.
Livro-texto: P Meyer. Introductory Probability and Statistical Applications, 2nd ed. Addison-Wesley, 1970.
S Ross. Introduction to Probability Models, 8th ed. Academic Press, 2003.
G Grimmett & D Stirzaker. Probability and Random Processes, 3rd ed. Oxford University Press, 2001.
C Dantas. Probabilidade: Um Curso Introdutório, 2a ed. EDUSP, 2000.
B James. Probabilidade: Um Curso em Nível Intermediário, 2a ed. IMPA, 1996.

Processos Estocásticos

  1. Chapter 01 Probability Spaces and Random Variables
  2. Chapter 02 Expectations and Independence
  3. Chapter 03 Bernoulli Processes and Sums of Independent Random Variables
  4. Chapter 04 Poisson Processes
  5. Chapter 05 Markov Chains
  6. Chapter 06 Limiting Behavior and Applications of Markov Chains
  7. Chapter 07 Potentials, Excessive Functions, and Optimal Stopping of Markov Chains
  8. Chapter 08 Markov Processes
  9. Chapter 09 Renewal Theory
  10. Chapter 10 Markov Renewal Theory
  11. Additional Topic Second Order Stationary Stochastic Processes

Livro-texto: E Çinlar. Introduction to Stochastic Processes. Prentice-Hall, 1975.
E Parzen. Stochastic Processes. Dover, 2015.
P Hoel, S Port & C Stone. Introduction to Stochastic Processes. Waveland Press, 1987.

Inferência Estatística

  1. Inferência estatística: conceitos gerais
    • Amostra aleatória de uma distribuição
    • A função de verossimilhança
    • Estatísticas e estimadores
    • Propriedades de estimadores
    • Estatísticas suficientes
    • Famílias exponenciais
    • Métodos de estimação
    • Testes de hipóteses
    • Estimação por intervalo
  2. Inferência estatística com base em uma única amostra
    • Inferência para a média de uma população normal com variância conhecida
    • Inferência para a média de uma população normal com variância desconhecida
    • Inferência para a variância de uma população normal
    • Inferência para a média de uma população no caso de grandes amostras
    • Inferência para a proporção de uma população
  3. Inferência estatística com base em duas amostras
    • Inferência para comparação de médias de populações normais (amostras dependentes)
    • Inferência para comparação de médias de populações normais (amostras independentes)
    • Inferência para comparação de variâncias de populações normais
    • Inferência para comparação de médias populacionais no caso de grandes amostras
    • Inferência para comparação de proporções populacionais
  4. Planejamento de experimentos com um único fator: ANOVA
  5. Planejamento de experimentos com vários fatores
  6. Regressão linear simples
  7. Regressão linear múltipla

Livro-texto: J Rice. Mathematical Statistics and Data Analysis, 3rd ed. Thomson Brooks/Cole, 2007.
M DeGroot & M Schervish. Probability and Statistics, 3rd ed. Addison-Wesley, 2002.
D Montgomery & G Runger. Estatística Aplicada e Probabilidade para Engenheiros, 2a ed. LTC, 2003.

Estatística Computacional

http://www.maurocampos.com/cursos/estcomp/estcomp.html
  1. Estatística Computacional - Página web da disciplina
  2. Statistical Learning Theory - Part I
    • (Chapter 01) Introduction
    • (Chapter 02) Supervised Learning
    • (Chapter 03) Linear Regression
    • (Chapter 04) Linear Classification
    • (Chapter 05) Resampling Methods
    • (Chapter 06) Linear Model Selection and Regularization
  3. Statistical Learning Theory - Part II
    • (Chapter 07) Moving Beyond Linearity
    • (Chapter 08) Tree-Based Methods
    • (Chapter 09) Support Vector Machines
    • (Chapter 10) Unsupervised Learning

Livro-texto: G James, D Witten, T Hastie & R Tibshirani. An Introduction to Statistical learning. Springer, 2013 (8th printing 2017).
Livro-texto: S Ross. Simulation, 2nd Ed. Academic Press, 1997.
W Martinez & A Martinez. Computational Statistics Handbook with MATLAB. Chapman and Hall/CRC, 2002.

Orientações

TCC’s

  1. Fernando Inaba
    • ELM baseadas em kernel aplicadas a problemas de regressão robusta.
    • TCC em Estatística, UFES, 2018.
    • Orientador: M. Campos.
  2. Rosana de Jesus
    • Otimização via PSO usando a distribuição t-student multivariada.
    • TCC em Ciência da Computação, UFES, 2013.
    • Orientadores: R. Krohling e M. Campos.
  3. Rodolfo Lourenzutti
    • Computação Bayesiana usando o WinBUGS.
    • TCC em Estatística, UFES, 2009.
    • Orientadores: M. Campos e A. Bertoldi.
  4. Saulo Morellato
    • Modelos Markovianos para sistemas de filas.
    • TCC em Estatística, UFES, 2006.
    • Orientador: M. Campos.
  5. Michel Weber
    • Simulação Monte Carlo via cadeias de Markov.
    • TCC em Estatística, UFES, 2006.
    • Orientador: M. Campos.
  6. Moysés Nascimento
    • Algoritmo de Metropolis-Hastings e Monte Carlo annealing.
    • TCC em Estatística, UFES, 2006.
    • Orientador: M. Campos.