Mestrado em Estatística e Ciência de Dados
Disciplinas Obrigatórias:
Inferência - 90 horas
Ementa/Descrição: Estimação pontual e intervalar. Propriedades de estimadores. Testes de hipóteses.
Teoria das Probabilidades - 60 horas
Ementa/Descrição: Experimento aleatório, espaço amostral, eventos e coleção de eventos, probabilidade, probabilidade condicional e independência, variável aleatória, funções de probabilidade, densidade e distribuição, vetores aleatórios, esperança, variância, momentos. Esperança de funções de vetores aleatório e propriedades. Distribuições condicionais e propriedades. Distribuições de funções aleatórias e de vetores aleatórios, modos de convergência e suas relações, função característica, leis dos grandes números, teorema central do limite.
Estatística Computacional - 60 horas
Ementa/Descrição: Ferramentas computacionais em estatística. Simulação estocástica. Métodos de maximização numérica. Técnicas de integração numérica. Métodos de Reamostragem. Método de Monte Carlo via Cadeias de Markov.
Seminários em Estatística - 30 horas
Ementa/Descrição: Seminários diversos abordando temas de pesquisa em Estatística, ministrados por professores(as) do curso, professores(as) convidados(as) ou alunos(as) de pós-graduação.
Doutorado em Estatística e Ciência de Dados
Disciplinas Obrigatórias:
Probabilidade Avançada – 60 horas
Ementa/Descrição: Espaços de probabilidade, sigma-álgebras, Sistemas de Dynkin, Teorema da Classe Monótona, Funções mensuráveis, espaços de Probabilidade. Medidas de probabilidade e suas funções de distribuição, Extensão de medidas, variáveis aleatórias, Integração, Esperança matemática. Teoremas de convergência. Espaço produto. Independência. Esperança condicional. Modos de convergência, Funções Características, Leis dos Grandes Números, Teorema Central do Limite.
Inferência Estatística Avançada – 60 horas
Ementa/Descrição: Modelos estatísticos, princípios de redução de informação, estimação pontual, propriedades de estimadores pontuais, Testes de hipóteses, estimação intervalar.
Seminários em Estatística - 30 horas
Ementa/Descrição: Seminários diversos abordando temas de pesquisa em Estatística, ministrados por professores(as) do curso, professores(as) convidados(as) ou alunos(as) de pós-graduação.
Mestrado e Doutorado em Estatística e Ciência de Dados
Disciplinas Optativas:
Análise de Dados Correlacionados - 60 horas
Ementa/Descrição: Análise exploratória da estrutura de dependência dos dados. Modelos estatísticos para análise de dados correlacionados. Equações de estimação generalizadas. Modelos de efeitos aleatórios.
Análise de Sobrevivência - 60 horas
Ementa/Descrição: Dados e funções de sobrevivência. Estimadores não paramétricos. Distribuições para o Tempo de Vida. Inferência. Modelos de Regressão em Análise de Sobrevivência e suas extensões. Técnicas de Diagnóstico.
Aprendizado Estatístico de Máquina - 60 horas
Ementa/Descrição: Introdução aos conceitos fundamentais em aprendizado estatístico, otimização da função e métodos de gradiente descendente. Inferência não paramétrica, métodos kernel, Máquinas de vetores de suporte. Regularização e seleção em modelos de alta dimensão. Modelos combinados e ensembles. Agrupamento e redução de dimensão. Redes neuronais artificiais; Aprendizado estatístico interpretável.
Aspectos Recentes em Estatística - 60 horas
Ementa/Descrição: Esta disciplina abordará temas de pesquisa atuais relacionados à Estatística. Trata-se de disciplina de ementa variável, sendo direcionada à introdução de temas atuais e inovações na área de concentração em Estatística que não estejam inicialmente previstos no elenco de disciplinas.
Inferência Bayesiana - 60 horas
Ementa/Descrição: Princípios da Inferência Bayesiana e comparação com os princípios clássicos. Funções de perda e de risco. Distribuições a priori: subjetivas e objetivas. Famílias Conjugadas. Estimador de Bayes e regiões de credibilidade. Testes de hipóteses e comparação de modelos. Fator de Bayes. Métodos de Monte Carlo via Cadeias de Markov (MCMC). Modelos lineares e modelos lineares generalizados. Aplicações.
Métodos Estatísticos - 60 horas
Ementa/Descrição: Probabilidade. Inferência. Análise de Variância de um fator. Regressão Múltipla.
Modelagem Estatística - 60 horas
Ementa/Descrição: Modelos de regressão. Modelos Lineares Generalizados. Estimação dos parâmetros. Análise de diagnóstico. Modelos Binomial, Multinomial, Poisson, Binomial Negativo e Beta. Modelagem não paramétrica.
Estatística Multivariada - 60 horas
Ementa/Descrição: Vetores aleatórios e a distribuição normal multivariada; Distribuições amostrais do vetor de médias e da matriz de covariâncias; Testes de hipóteses e regiões de confiança para o vetor de médias e para a matriz de covariâncias; Análise de variância multivariada (MANOVA). Redução da dimensionalidade e agrupamento: análise de componentes principais, análise fatorial, análise discriminante.
Reconhecimento de Padrões em Imagens - 60 horas
Ementa/Descrição: Introdução a sistemas de reconhecimento de padrões em imagem; conceitos básicos de visão por computador; processamento digital de imagens; features; classificadores; análise de desempenho.
Séries Temporais e Processamento de Sinais - 60 horas
Ementa/Descrição: Introdução a séries temporais e processamento digital de sinais; Filtros digitais; Transformadas discretas; Tópicos avançados em processamento de sinal; Aplicações em detecção de anomalias, processamento digital de dados de sensores, processamento digital de voz, processamento de imagens e processamento de vídeo.
Tópicos Avançados em Estatística Computacional - 60 horas
Ementa/Descrição: Esta disciplina abordará temas de pesquisa atuais relacionados à Computação aplicados na Estatística. Trata-se de disciplina de ementa variável, sendo direcionada à introdução de temas atuais e inovações na área de concentração em Estatística que não estejam inicialmente previstos no elenco de disciplinas.
Tópicos Avançados em Estatística e Ciência de Dados - 30 horas
Ementa/Descrição: Esta disciplina abordará temas de pesquisa atuais relacionados à Estatística e Ciência de Dados, Aprendizado de Máquina e Big Data. Trata-se de disciplina com ementa variável, sendo direcionada a temas recentes que não estejam inicialmente previstos no elenco de disciplinas.