ministÉrio da educaÇÃo secretaria de educaÇÃo...

UNIVERSIDADE FEDERAL DO AMAZONAS

Projeto Pedagógico do Curso de Bacharelado em Estatística 1

MINISTÉRIO DA EDUCAÇÃO

SECRETARIA DE EDUCAÇÃO SUPERIOR UNIVERSIDADE FEDERAL DO AMAZONAS

INSTITUTO DE CIÊNCIAS EXATAS CURSO DE BACHARELADO EM ESTATÍSTICA

Manaus – Amazonas

2017



MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO SUPERIOR

UNIVERSIDADE FEDERAL DO AMAZONAS INSTITUTO DE CIÊNCIAS EXATAS

CURSO DE BACHARELADO EM ESTATÍSTICA

Administração Superior

Prof. Dr. Sylvio Mário Puga Ferreira

Reitor

Prof. Dr. Jacob Moysés Cohen

Vice-Reitor

Prof. Dr. David Lopes Neto

Pró-Reitor de Ensino de Graduação

TAE Luís Simão Neves Botelho

Pró-Reitor de Pesquisa e Pós-Graduação

Prof. João Ricardo Bessa Freire

Pró-Reitor de Extensão

Prof. Waltair Vieira Machado

Pró-Reitor de Inovação Tecnológica

Prof. Raimundo Nonato Pinheiro de Almeida

Pró-Reitor de Administração e Finanças

TAE Maria Vanusa do Socorro de Souza Firmo

Pró-Reitor Gestão de Pessoas

Profa. Dra. Kleomara Gomes Cerquinho

Pró-Reitora de Planejamento e Desenvolvimento Institucional






ASSESSORIA PEDAGÓGICA

Departamento de Apoio ao Ensino/DAE/PROEG Diretora: Raimunda Monteiro Sabóia TAEs:

Adriana de Souza Groschke

Fabíola Rodrigues Costa

Fernanda Feitoza de Oliveira

João Rakson Angelim da Silva

Neylane Aracelli de Almeida Pimenta

Rosana Alvarenga Canto






Administração da Área

Prof. Dr. Cícero Augusto Mota Cavalcante Diretor do Instituto de Ciências Exatas

Profa. Dra. Marta Silva dos Santos Gusmão

Vice-Diretora do Instituto de Ciências Exatas

Profa. Carla Rodrigues Bandeira Chefe do Departamento de Estatística

Prof. Dr. Max Sousa de Lima

Coordenador do Curso de Bacharelado em Estatística

Raimunda Monteiro Sabóia Diretora do Departamento de Apoio ao Ensino

Elizeu Queiroz Lins

Presidente do Centro Acadêmico de Estatística

Fernanda Feitoza de Oliveira Assessoria Pedagógica

Membros da Comissão de Elaboração

Amazoneida Sá Peixoto Pinheiro (Membro) Carla Zeline Rodrigues Bandeira (Membro)

James Dean Oliveria dos Santos Júnior (Membro) José Cardoso Neto (Membro)

José Raimundo Gomes Pereira (Membro) Luiz Irapuan Pinheiro (Colaborador)

Max Sousa de Lima (Presidente)



Sumário

Apresentação ................................................................................................................................................... 7

1. CARACTERIZAÇÃO DO CURSO ............................................................................................................... 8

1.1. Diagnóstico da área no país e no quadro geral de conhecimentos ............................................................ 8

1.2. Formação de Pessoal e Mercado .............................................................................................................. 12

1.3. Campos de Atuação Profissional ............................................................................................................... 13

1.4. Regulamento e Registro da Profissão ....................................................................................................... 14

1.5. Perfil do Profissional a ser formado .......................................................................................................... 15

1.6.Competências Gerais/ Habilidades/Atitudes/Valores ............................................................................... 16

1.7. Objetivos do curso .................................................................................................................................... 17

2. ESTRUTURA E FUNCIONAMENTO DO CURSO .............................................................................................. 18

2.1. Titulação ................................................................................................................................................... 18

2.2. Modalidades ............................................................................................................................................. 18

2.3. Número de vagas oferecidas pelo curso ................................................................................................... 18

2.4 Turno .......................................................................................................................................................... 19

2.5 Local de Funcionamento ............................................................................................................................ 19

2.6 Reconhecimento ........................................................................................................................................ 19

3.MATRIZ CURRICULAR ................................................................................................................................... 20

3.1 Núcleo de Conteúdos Básicos .................................................................................................................... 20

3.2 Núcleo de Conteúdos Específicos .............................................................................................................. 21

3.3 Núcleo de Conteúdos Gerais...................................................................................................................... 21

3.4 Núcleo de Conteúdos Eletivos ................................................................................................................... 22

3.5 Núcleo de Conteúdos Optativos ................................................................................................................ 22

3.6 Quadro Sinóptico da Composição Curricular ............................................................................................. 23

3.7 Quadro Geral de Integralização do Curso .................................................................................................. 23

3.8 Matriz Curricular – Periodização ................................................................................................................ 23



3.9. Estágio Supervisionado ............................................................................................................................. 28

3.10. Atividades Complementares ................................................................................................................... 28

3.11. Atividades Complementares de Extensão .............................................................................................. 30

3.12 Objetivos, Ementas e Referências Básicas e Complementares das Disciplinas ....................................... 32

4. ORGANIZAÇÃO DIDÁTICO PEDAGÓGICA ..................................................................................................... 82

4.1. Plano de Ensino ......................................................................................................................................... 82

4.2. Concepção Metodológica ......................................................................................................................... 82

4.3. Princípios Norteadores da Avaliação da Aprendizagem ........................................................................... 86

4.4. Sistemática de Acompanhamento e Avaliação do Projeto Pedagógico do Curso .................................... 88

4.5 Relação Ensino-Pesquisa-Pós-Graduação e Extensão ................................................................................ 89

4.5 Apoio ao Discente ...................................................................................................................................... 89

5.INFRA-ESTRUTURA NECESSÁRIA .................................................................................................................. 91

6.CORPO DOCENTE E TÉCNICO-ADMINISTRATIVO .......................................................................................... 92

ANEXOS .......................................................................................................................................................... 99



Apresentação

A Reformulação do Projeto Pedagógico do Curso de Estatística (PPCE) da

Universidade Federal do Amazonas-UFAM, descrito neste documento foi elaborado

pelo Núcleo Docente Estruturante do curso (NDE) com base na Resolução no 08, de

28.11.2008, do Conselho Nacional de Educação/Câmara de Educação Superior –

CNE/CES, a qual Institui as Diretrizes Curriculares Nacionais do curso de

Graduação em Estatística, Resolução no 02, de 18.11.2007, do CNE/CES, a qual

dispõe sobre carga horária mínima e procedimentos relativos à integralização e

duração dos cursos de graduação (bacharelados) na modalidade presencial e,

também, no conjunto de resoluções e normas que regulamentam o tratamento de

questões temáticas (relações étnico-raciais, educação ambiental, direitos humanos,

acessibilidade) nos conteúdos de disciplinas e atividades curriculares dos cursos.

Essa Reformulação tem como finalidades: flexibilizar a estrutura do curso,

atualizar e promover atividades que incrementem o conhecimento profissional,

cultural e social do aluno. Além de adequar a estrutura de ensino, em suas

dimensões pedagógica, docente e física. Buscamos através deste, mapear a

organização do curso, viabilizando o trabalho de formação educacional e

profissional. Nesse sentido, apresentamos um arranjo didático-pedagógico do

funcionamento global do curso, envolvendo um conjunto de dimensões pedagógicas

articuladas para promover o ensino ministrado nas disciplinas do curso, nas

atividades complementares de estudo e pesquisa consolidados em projetos de

pesquisa, extensão e eventos do curso.

Este novo PPCE foi baseado em um Plano de Metas e ações para melhoria

da qualidade do Curso de Bacharelado em Estatística da UFAM e estabelece as

orientações para a obtenção de padrões de qualidade na formação do Estatístico.

Tem como objetivo o aperfeiçoamento significativo da prática universitária,

observando a questão da qualidade do ensino, nas suas dimensões através da

implementação de ações Metodológicas, Curriculares, de Extensão e melhora da

Formação Profissional. Consideramos este documento como um instrumento de

reflexão e aprimoramento e por isso, demandará adequações e reformulações ao

longo do tempo.



1. CARACTERIZAÇÃO DO CURSO

1.1. Diagnóstico da área no país e no quadro geral de conhecimentos

A Estatística enquanto ciência dedica–se ao desenvolvimento e ao uso

de métodos para a coleta, análise e interpretação de dados. Para tanto, utiliza-

se das teorias probabilísticas em estudos observacionais e/ou experimentais,

modelando matematicamente a aleatoriedade e a incerteza de forma a estimar,

predizer ou possibilitar a previsão de fenômenos futuros, conforme o caso. O

foco estatístico é sempre a produção da melhor informação a partir dos dados

disponíveis. No entanto para à maioria das pessoas, como palavra, a

estatística lembra recenseamentos. Talvez porque surja da expressão em latim

statisticum collegium que significa palestra sobre os assuntos do Estado, ou

porque as primeiras aplicações estatísticas estavam voltadas para as

necessidades de Estado, auxiliando na formulação de políticas públicas após a

obtenção de dados demográficos e econômicos oriundos dos censos. Portanto,

associar estatística a censo é perfeitamente correto do ponto de vista histórico.

Mas hoje, a estatística é largamente aplicada em todas as áreas do

conhecimento e também na administração pública e privada.

Embora, em termos de publicação, o marco inicial da estatística seja

"Observations on the Bills of Mortality" (Observações sobre os Censos de

Mortalidade, 1662) de John Graunt. No Brasil, o primeiro registro é de agosto

de 1872, data do “primeiro Recenseamento Geral do Império do Brasil”. No

período anterior a essa data (1750 – 1872), a Coroa Portuguesa era quem

determinava levantamentos populacionais. Mais recentemente, a Estatística

brasileira tem sua história associada à história do Instituto Brasileiro de

Geografia e Estatística – IBGE. Em 1934, criou–se o Instituto Nacional de

Estatística, que só passou a existir, de fato, em 1936, mudando em 1938 para

“Instituto Brasileiro de Geografia e Estatística – IBGE”, quando os serviços



geográficos foram a ele vinculados. A partir de 1940, iniciaram–se os

“modernos censos” decenais.

Hoje, o IBGE é chamado de Fundação Instituto Brasileiro de Geografia e

Estatística, sendo integrante da Administração Federal, subordinado

diretamente à Secretaria de Planejamento e Coordenação Geral da

Presidência da República. O IBGE coordena o Sistema Estatístico Nacional –

SEN, tendo a seu encargo a orientação, a coordenação e o desenvolvimento,

em todo o Território Nacional, das atividades técnicas do Plano Geral de

Informações Estatísticas e Geográficas – PGIE.

Do ponto de vista acadêmico, em 1953 duas Escolas iniciaram o ensino

regular de Estatística: a Escola Nacional de Ciências Estatísticas – ENCE,

criada pelo IBGE nesse mesmo ano, com o objetivo de contribuir para o

cumprimento de sua missão institucional e a Escola de Estatística da Bahia,

mantida pela Fundação Visconde de Cairú. Em 1970, o Instituto de Matemática

Pura e Aplicada – IMPA (Rio de Janeiro, RJ), a Universidade Estadual de

Campinas e a Universidade Federal do Rio de Janeiro iniciaram a formação de

grupos de pesquisa em probabilidades, constituindo–se num dos grandes

passos para a criação de outros cursos nessa área.

Atualmente, Dados do último Censo da Educação Superior de 2013 do

Ministério da Educação – MEC apontam que hoje há 34 universidades que

oferecem o curso de estatística no país, sendo que 31 delas são públicas (a

maioria federal). Algumas destas instituições desenvolvem paralelamente

atividades de pós–graduação, oferecendo cursos de Especialização, Mestrado

e Doutorado, e dispondo de grupos de pesquisas de padrão internacional.

O Censo 2000 do IBGE apontou que havia 5.300 profissionais da área

no Brasil, concentrados, na sua maioria nos estados de São Paulo e do Rio de

Janeiro. Hoje, estima-se que há no máximo 8 mil profissionais no Brasil em

atuação

Nos últimos anos, a profissão tem ganhado muita visibilidade na

imprensa, como por exemplo, nas reportagens: “Estatístico: O que faz essa

profissão que está crescendo tanto?”, no portal educação em maio/2014;



“Estatísticos entram em cena”, no Jornal o Globo em janeiro de 2013; “6

Razões para acreditar que estatística é a profissão do futuro”, na Super

Interessante, em novembro/2009; A vez dos Estatísticos”, na Revista Você S/A,

em junho/2007. Recentemente, houve um aumento acentuado de demanda por

estatísticos em todas as áreas devido a integração da Estatística com vários

campos do conhecimento e o surgimento de novas profissões como Cientista

de Dados e Analista de Inteligência de Negócios.

Os conceitos estatísticos também têm exercido profunda influência na

maioria dos campos do conhecimento humano. Métodos estatísticos, antes

usados quase exclusivamente em atividades censitárias, vêm sendo utilizados

no aprimoramento de produtos agrícolas, no desenvolvimento de equipamentos

espaciais, no controle do tráfego, na previsão de surtos epidêmicos bem como

no aprimoramento de processos de gerenciamento, tanto na área

governamental como na iniciativa privada. Evidencia–se, portanto, a

importância dessa ciência e do profissional, cujo perfil garante a aplicação

adequada das metodologias.

A Estatística na UFAM

Em 1976, o Departamento de Assuntos Universitários do Ministério da

Educação e Cultura – MEC opinou favoravelmente à criação do Curso de

Estatística na Universidade do Amazonas, que posteriormente passou a ser

Universidade Federal do Amazonas – UFAM, ficando satisfeita assim a

exigência da Portaria Ministerial no 30–BSB, de 23 de janeiro de 1974, que

condiciona a criação de cursos ou ampliação de vagas à prévia Audiência do

Ministério.

O Curso de Estatística da UFAM foi criado pela Resolução no 15/76, de

07.05.1976, do Egrégio Conselho Universitário – CONSUNI. Mediante

Concurso Vestibular, com abertura de 30 (trinta) vagas, o curso deu início às

suas atividades no 2o período de 1976. Inicialmente foi administrado pelo

Departamento de Matemática do Instituto de Ciências Exatas – ICE da UFAM.



Em 1979 passou a ser administrado pelo Departamento de Estatística e

Computação e somente em 1991 com a criação do Departamento de

Estatística – DE no ICE, através da Resolução no 022/91–CONSUNI, de

18.10.1991, passou definitivamente a ser administrado pelo DE.

Foi reconhecido pelo MEC através da Portaria no 224, de 18.03.1980.

Em agosto, deste mesmo ano, formou–se a primeira turma de Bacharéis em

Estatística da UFAM. Atualmente, o curso tem um total de 280 formados.

O curso teve quatro currículos ao longo dos seus 40 anos de vida. O

primeiro, implantado em 1976, época da criação do curso, foi fruto da

experiência de outras regiões do País e também da vivência dos professores

que o implantaram, mas respeitando a Portaria Ministerial no 314/65, de

26.10.1965, que fixava os mínimos de conteúdo e duração do Curso de

Estatística. Atualmente este currículo encontra–se inativo. O segundo,

implantando em 1981, uma nova versão foi proposta em 1992 e o atual,

implantado em 2011, mantiveram muito da estrutura dos bacharelados em

matemática típico, isto é, o egresso estaria preparado para fazer uma pós–

graduação e trabalhar em algum grupo de pesquisa. Atualmente, o Curso de

Estatística da UFAM é conceito 3 no MEC e possui 3 estrelas no guia do

estudante 2016. Em termos de departamento, o departamento de Estatística da

UFAM, possui três grupos de pesquisa (Bioestatística, Estimação semi-

paramétrica, Simulação Estocástica e Modelos de Regressão) e uma área de

concentração dentro do Programa de Pós-Graduação-PPGM/UFAM, na qual já

foram formados 11 (onze) mestres em matemática com área de concentração

em Estatística e outros 9 (nove) discentes encontram-se em fase de

dissertação.

O currículo corrente (2011/1) foi baseado no currículo mínimo do curso

de Estatística instruído pela Resolução no 8, de 28.11.2008, do Conselho

Nacional. Apresenta tempo para integralização de no mínimo 08 (oito) e no

máximo de 12 (doze) períodos letivos, num total de 3.000 (três mil) horas–aula

divididas em: 2.535 (dois mil, quinhentos e trinta e cinco) horas–aula de

disciplinas obrigatórias, 240 (duzentos e quarenta) horas–aulas de disciplinas



optativas, e 225 (duzentos e vinte e cinco) horas de atividades complementar,

totalizando 154 (cento e cinquenta e quatro) créditos.

Há 5 (cinco) anos da implantação do atual currículo, que proporcionou

experiências positivas e negativas, sente–se a necessidade de uma

atualização curricular completa do Curso de Estatística da UFAM, seja pelo

anseio da comunidade acadêmica, seja pela necessidade do mercado de

trabalho e/ou pela necessidade de se adequar às novas diretrizes

estabelecidas pelo Ministério e pela Universidade Federal do Amazonas.

1.2. Formação de Pessoal e Mercado

O Estatístico é o profissional capacitado a desenvolver métodos

racionais para o tratamento da incerteza presente na maior parte dos

fenômenos que nos cercam, podendo atuar em qualquer área na qual exista a

necessidade de obter conhecimento através de coleta, análise e interpretação

de dados. Além disso, auxilia na tomada de decisões racionais, tanto

integralizando a informação disponível em estatísticas que podem criar

cenários claros da realidade, quanto através da previsão do comportamento de

variáveis mensuráveis. A importância deste profissional consiste na demanda

por conhecimento estatístico nas empresas públicas e privadas.

Na era do Big Data (grandes bases de dados), toda empresa precisa de

estatísticos para fazer diagnósticos do mercado e de seus concorrentes,

conhecer tendências de seu setor e acompanhar o alcance de campanhas de

marketing. O mercado para este profissional está em expansão. O estatístico

analisa esses dados, gerando e agregando valor a informação extraída. Os

nichos tradicionais são agências do governo, institutos de pesquisa, empresas

do setor financeiro, grandes corporações e escritórios de consultoria.

Companhias aéreas, operadoras de telefonia e redes varejistas também são

grandes empregadoras em potencial, além, é claro, das empresas e



instituições públicas como IBGE. Segundo a Empresa Catho, que funciona

como um classificado online de currículos e vagas.

Em 2016, já surgiram 531 novas vagas para Estatísticos com salário

médio em torno de R$ 5.130,00 e um diversificado tipo de profissional:

Estatístico, Analista Estatístico, Analista de Modelagem Estatística, Analista de

Dados, Especialista Estatístico, Estatístico Pleno, Estatístico Sênior, Estatístico

Júnior, Estatístico Programador, Estatístico Analista de SSPS, Estatístico

Analista de Marketing-BI.

1.3. Campos de Atuação Profissional

As principais áreas de atuação no mercado de trabalho são instituições

públicas, centros de pesquisa, indústrias, bancos, seguradoras, mercado

financeiro, empresas de planejamento e de consultoria, ensinos médio e

superior e outros segmentos que exijam a análise de grandes bases dados.

Apesar de o atual currículo apresentar um perfil do estatístico formado

basicamente para a pós–graduação, constatamos que os estatísticos formados

pela UFAM desempenham suas funções nos mais diversos órgãos e

instituições no Estado do Amazonas, tais como:

Centro Universitário de Ensino Superior do Amazonas – CIESA

Centro Universitário do Norte – UNINORTE

Centro Universitário Nilton Lins – UNINILTON LINS

Departamento Estadual de Trânsito do Amazonas – DETRAN/AM

Empresa Estadual de Turismo – AMAZONASTUR

Empresa Thomson Multimídia Ltda.

Federação das Indústrias do Estado do Amazonas – FIEAM

Fundação Centro de Análise, Pesquisa e Inovação Tecnológica –

FUCAPI

Fundação de Apoio Institucional – MURAKI



Fundação de Hematologia e Hemoterapia do Amazonas – HEMOAM

Fundação de Vigilância em Saúde – FVS/AM

Fundação Hospital Adriano Jorge

Instituto Nacional de Pesquisas da Amazônia – INPA

Secretaria de Estado de Ciência e Tecnologia – SECT

Secretaria do Estado de Educação do Amazonas – SEDUC

Secretaria de Estado de Planejamento e Desenvolvimento Econômico

do Amazonas – SEPLAN

Secretaria de Estado de Saúde do Amazonas – SUSAM

Secretaria Municipal de Saúde – SEMSA

Universidade Estadual do Amazonas – UEA

Universidade Federal do Amazonas – UFAM

Secretaria Municipal de Educação – SEMED

Fundação de Medicina Tropical–FMT/AM

1.4. Regulamento e Registro da Profissão

A profissão de Estatístico é regulamentada pelo Decreto no 62.497, de

01.04.1968. O registro profissional, obrigatório a todo Estatístico, de acordo

com o disposto no artigo 2o da Lei no 4.739, de 1965, deve ser feito junto aos

Conselhos Regionais de Estatística – CONRE, que são por sua vez

organizados pelo Conselho Federal de Estatística – CONFE. Segundo a

regulamentação oficializada no Decreto no 62.497, Capítulo III, Art. 3o, as

atividades da profissão são definidas como:

I. Planejar e dirigir a execução de pesquisas ou levantamentos

estatísticos;

II. Planejar e dirigir os trabalhos de controle estatístico de produção e de

qualidade;

III. Efetuar pesquisas e análises estatísticas;

IV. Elaborar padronizações estatísticas;



V. Efetuar perícias em matéria de estatística e assinar os laudos

respectivos;

VI. Emitir pareceres no campo da estatística;

VII. Assessorar e dirigir órgãos e seções de estatística;

VIII. Escriturar os livros de registro ou de controle estatístico criados em

lei.

1.5. Perfil do Profissional a ser formado

O presente Projeto Pedagógico do Curso de Estatística, estando de

acordo com a Resolução no 08/2008–CNE/CES, Art 4º, §1º, define o perfil do

egresso como sendo aquele profissional capaz de:

(a) dar continuidade aos estudos em cursos de pós–graduação;

(b) resolver problemas que envolvam coleta, sistematização e análise de

dados.

Para atingir o primeiro objetivo (em (a)), a nova matriz curricular do

Curso de Estatística contempla as disciplinas Processos Estocásticos, Modelos

Lineares Generalizados, Equações Diferenciais Ordinárias e Introdução à

Análise. Para atingir o segundo objetivo (em (b)), a nova matriz curricular

contempla disciplinas obrigatórias nas seguintes ênfases:

(i) Bioestatística: Análise de Sobrevivência, Modelos Lineares

Generalizados (Dados Binários, Regressão Logística);

(ii) Planejamento de Experimentos: Modelos de Regressão, Modelos

Lineares Generalizados;

(iii) Controle de Processos Industriais: Controle Estatístico da Qualidade;

(iv) Econometria: Séries Temporais, Modelos de Regressão (Análise de

Regressão Não–Linear).



As disciplinas eletivas e optativas presentes na nova matriz curricular

incentivam o aluno a se aprofundar em um dos dois perfis supracitados. As

disciplinas Equações Diferenciais Ordinárias, Tópicos em Probabilidade I e II,

Tópicos em Inferência Estatística I e II e Inferência Bayesiana visam engajar o

aluno na pós–graduação, enquanto que disciplinas como Modelos Lineares

Dinâmicos, Análise de Dados Longitudinais, Análise de Confiabilidade de

Sistemas, Tópicos em Séries Temporais, Séries Temporais no Domínio da

Frequência, Pesquisa Operacional, Introdução à Aprendizagem de máquina,

Introdução a Mineração de Dados e Introdução à Ciência dos Dados com o R,

visam aumentar o conhecimento de metodologias práticas para a resolução de

problemas.

1.6.Competências Gerais/ Habilidades/Atitudes/Valores

Dentro das perspectivas previstas na Resolução no 8/2008–CNE/CES,

Art. 5º, e considerando os Conteúdos Conceituais, Conteúdos Procedimentais,

Conteúdos Atitudinais e valores éticos envolvidos na formação do profissional

em Estatística, o Projeto Pedagógico desenvolverá, através de atividades

curriculares, as competências e habilidades elencadas na Tabela 1.

Tabela 1 – Atividades previstas que garantirão o desenvolvimento das competências e habilidades esperadas.

Diretrizes Curriculares Competências e habilidades

Atividades Curriculares

Ter cultura científica e conteúdos atitudinais Estatística e Sociedade Atividades Complementares

Ter capacidade de expressão e de comunicação Português Instrumental Inglês Instrumental I Inglês Instrumental II

Ter conhecimento das formas de planejamento de coleta de dados

Técnicas de Amostragem, Laboratório de Estatística.

Ter conhecimento das formas de medição das variáveis de sua área de atuação e de organização e manipulação dos dados e saber produzir sínteses numéricas e gráficas dos dados, através da construção de índices, mapas e gráficos

Análise Exploratória de Dados Espaciais Estatística Espacial Estatística Computacional I Estatística Computacional II Laboratório de Ciência dos Dados



Diretrizes Curriculares Competências e habilidades

Atividades Curriculares

Saber usar técnicas de análise e de modelagem estatística e ser capaz de, a partir da análise dos dados, sugerir mudanças em processos, políticas públicas, instituições etc.

Análise de Sobrevivência Controle Estatístico da Qualidade Estatística Multivariada Inferência Estatística Introdução à Inferência Bayesiana Métodos Não Paramétricos Modelos de Regressão I Modelos Lineares Generalizados Planejamento de Experimentos Séries Temporais

Possuir capacidade para assimilar novos conhecimentos científicos e/ou tecnológicos, além de capacidade de trabalhar em equipe multidisciplinar

Programação em R, Mineração de Dados, Introdução ao Aprendizado de máquina, pesquisa operacional, Introdução à Ciência dos Dados com o R

Ter habilidades gerenciais Empreendedorismo Introdução à Administração Introdução à Economia

1.7. Objetivos do curso

a) Geral:

O Curso de Graduação em Estatística tem por objetivo qualificar os seus

graduandos com conhecimentos gerais e específicos da área de Estatística

para ocupar as mais diversas posições no mercado de trabalho, contribuindo

para a manutenção e expansão da área, através do aperfeiçoamento e

desenvolvimento de técnicas de coleta e análise inovadoras, interagindo com

equipes multidisciplinares, além de prepará-los para estudos em nível de pós–

graduação.

b) Específicos:

Formar profissionais com:

Sólida formação em conteúdos de Métodos Estatísticos;

Conhecimento de informática básica, linguagem de programação,

noções de banco de dados e pacotes estatísticos;



Domínio de conhecimentos estatísticos, tendo conhecimento das suas

aplicações em várias áreas;

Conhecimento das competências e habilidades próprias da estatística;

Capacidade de identificar, formular e resolver problemas nas áreas de

aplicação da estatística;

Capacidade para interpretar as soluções encontradas dentro do contexto

do problema.

2. ESTRUTURA E FUNCIONAMENTO DO CURSO

2.1. Titulação

Ao egresso do Curso de Estatística é conferido o grau de Bacharel em

Estatística, fornecendo um único diploma, sem nenhuma menção adicional.

2.2. Modalidades

O curso de Estatística prevê somente a modalidade de Bacharelado.

2.3. Número de vagas oferecidas pelo curso

São oferecidas anualmente 48 vagas, sendo 24 vagas a serem

preenchidas por meio do Processo Seletivo Contínuo – PSC; e as 24 restantes

por meio do Exame Nacional do Ensino Médio – ENEM.

As vagas preenchidas por meio do ENEM obedecerão às condições

dispostas em Edital, observados ainda, os critérios estabelecidos pelo

Ministério da Educação. O PSC é outra forma de ingresso na Universidade

Federal do Amazonas, criado pela Resolução no 18/98, do Conselho de Ensino

e Pesquisa – CONSEPE, com alterações feitas pela Resolução no 014/00–



CONSEPE. A seleção é feita com base em uma avaliação seriada e contínua

nas três séries do ensino médio.

2.4 Turno

Segundo as orientações expressas na Resolução no 2/2007–CNE/CES,

referente à carga horária mínima e os procedimentos relativos à integralização

e duração dos cursos de graduação, bacharelados, modalidade presencial,

prevê–se um mínimo de 3.000 (três mil) horas para os Cursos de Bacharelado

em Estatística, com limite mínimo para integralização de 4 (quatro) anos.

A estrutura curricular prevista para o curso de Bacharelado em

Estatística deste Projeto Pedagógico prevê um curso com 3.000 (três mil) horas

de carga horária total e duração ideal de 4 (quatro) anos, com tempos mínimo e

máximo de integralização curricular de 8 (oito) e 12 (doze) semestres letivos

respectivamente.

O curso será ministrado na sua totalidade nos turnos vespertino e

noturno.

2.5 Local de Funcionamento

O curso funcionará no Campus Universitário Senador Arthur Virgílio

Filho, Setor Norte da Universidade Federal do Amazonas.

2.6 Reconhecimento

O curso foi reconhecido pela Portaria n.224 de 18/03/1980, publicada no

DOU em 21/03/1980. Teve sua renovação de conhecimento pela Portaria n.110

de 25/06/2012, publicada no DOU n.124 em 28/06/2012.



3.MATRIZ CURRICULAR

Nesta seção é apresentada a distribuição das disciplinas nos 8 (oito)

semestres. Em seguida é apresentada a relação de todas as disciplinas com

seus objetivos, suas ementas e pré–requisitos.

3.1 Núcleo de Conteúdos Básicos

Quadro 1 - Organização dos Componentes Curriculares do Núcleo de Formação Básica

NÚCLEO DE FORMAÇÃO BÁSICA

CNE/Diretrizes Curriculares Disciplinas Desdobradas/UFAM

CR CH

Matemática

Cálculo Diferencial e Integral

Cálculo Diferencial e Integral I 4.4.0 60

Cálculo Diferencial e Integral I 4.4.0 60

Geometria Analítica Álgebra Linear I 4.4.0 60

Álgebra Linear Teoria das Matrizes 4.4.0 60

Computação

Informática Básica e Pacotes Estatísticos

Análise Exploratória de Dados 3.2.1 60

Linguagem de Banco de Dados

Introdução à Programação de Computadores

3.2.1 60

Introdução à Programação em R

3.2.1 60

Sistema de Banco de Dados

Geração e Uso de Base de Dados

3.3.0 45

Probabilidade

Probabilidade

Probabilidade A

4.4.0 60

Probabilidade B

4.4.0 60

Estatística

Métodos Estatísticos Paramétricos e Não

Paramétricos

Introdução à Inferência Estatística

5.4.1 90

Métodos Não Paramétricos

3.2.1 60

Tópicos Essenciais de Inferência

Estatística

Inferência Estatística

6.6.0 90

Modelos Lineares

Modelos de Regressão

5.4.1 90

Modelos Lineares Generalizados

5.4.1 90

Amostragem Técnicas de Amostragem 4.3.1 75

Análise Multivariada

Estatística Multivariada I 4.4.0 60

Estatística Multivariada II 3.2.1 60



NÚCLEO DE FORMAÇÃO BÁSICA

CNE/Diretrizes Curriculares

Disciplinas Desdobradas/UFAM

CR CR CH

Estatística Modelagem, Análise de Dados e Relatórios

Estatísticos

Trabalho de Conclusão de Curso I

7.0.7 210

Trabalho de Conclusão de Curso II

8.0.8 240

Estatística Computacional

Geração de Variáveis Aleatórias e Métodos

de Simulação

Estatística Computacional I 3.2.1 60

TOTAL 89.64.25 1.710

3.2 Núcleo de Conteúdos Específicos

Quadro 2 - Organização dos Componentes Curriculares do Núcleo de Formação Específica

NÚCLEO DE FORMAÇÃO ESPECÍFICA


CR CH

Continuidade de Estudos na Pós-Graduação

Probabilidade C 4.4.0 60

Introdução à Inferência Bayesiana

3.2.1 60

Controle de Processos Industriais

Controle Estatístico da Qualidade 4.3.1 75

Econometria Séries Temporais 5.4.1 90

Bioestatística

Análise de Sobrevivência e Confiabilidade

3.2.1 60

Planejamento de Experimentos Planejamento de Experimentos 5.4.1 90

TOTAL 24.19.5 435

3.3 Núcleo de Conteúdos Gerais

Quadro 3 - Organização dos Componentes Curriculares do Núcleo de Conteúdo Geral

NÚCLEO DE CONTEÚDOS GERAIS


CR CH

Educação em Direitos Humanos Educação das Relações Étnico-Raciais Educação Ambiental

Estatística e Sociedade 1.0.1 30

Outras áreas

Inglês Instrumental I 4.4.0 60

TOTAL 5.4.1 90



3.4 Núcleo de Conteúdos Eletivos

Quadro 4 - Organização dos Componentes Curriculares do Núcleo de Formação Específica

Disciplinas Carga Horária

Análise de Dados Longitudinais 60

Inferência Bayesiana 60

Introdução ao Reconhecimento Estatístico de Padrões 60

Modelos Lineares Dinâmicos 60

Pesquisa Operacional 60

Séries Temporais no Domínio da Frequência 60

Tópicos em Séries Temporais 60

Tópicos em Estatística Espacial 60

Tópicos em Monitoramento Estatístico 60

Processos Estocásticos 60

Estatística Computacional II 60

Introdução à Ciências dos Dados 90

Introdução a Aprendizagem de Máquina 90

Introdução a Mineração de Dados 90

3.5 Núcleo de Conteúdos Optativos

Quadro 5 - Organização dos Componentes Curriculares do Núcleo de Formação Optativa

CNE/Diretrizes Curriculares (Ênfases) Disciplinas Desdobradas/UFAM CH

Mercado de Trabalho

Introdução à Administração

Introdução à Economia A

Empreendedorismo 60

Métodos Quantitativos Financeiros Administração de Produção Matemática Aplicada a Administração

Estatística no Ensino Superior (professor em Faculdades Particulares)

Psicologia Geral I Tecnologia da Informação I Estatística Econômica II

60

Pós-Graduação

Álgebra Linear II Cálculo Avançado Tópicos em Probabilidade I Tópicos em Probabilidade II

60



CNE/Diretrizes Curriculares (Ênfases) Disciplinas Desdobradas/UFAM CH

Outras Áreas

Português Instrumental

Inglês Instrumental II Libras – Língua Brasileira de Sinais Controle Estatístico das Operações Modelagem e Simulação da Produção.

60

3.6 Quadro Sinóptico da Composição Curricular

Quadro 6 – Resumo das Cargas Horárias dos Componentes Curriculares

QUADRO SINÓPTICO DA MATRIZ CURRICULAR CH CR

Carga Horária Teórica e Prática 2.235 134

Disciplinas Obrigatórias 2.235 134

Disciplinas Eletivas 300 16

Disciplinas Optativas 240 16

Trabalho de Conclusão de Curso – TCC 450 15

Atividades Acadêmico-Científico-Culturais – AACC 225 ***

3.7 Quadro Geral de Integralização do Curso

Quadro 7 – Informações Gerais Sobre a Integralização do Curso

Número de Períodos Créditos Exigidos por

período Carga Horária Exigida

Máximo Mínimo Máximo Mínimo Créd. Obrig.

Créd. Opt.

CH Obrig.

CH Opt.

Créd. Eletivo

CH Eletiva

12 08 30 10 134 16 2.235 240 16 300

3.8 Matriz Curricular – Periodização

A estrutura curricular do curso é dividida em disciplinas obrigatórias,

eletivas, optativas e atividades complementares. As disciplinas eletivas são

aquelas constantes da matriz curricular para opção do aluno. Deverão ser

cumpridas pelo aluno, sob a orientação pedagógica da coordenação do curso.

Trata-se de um elenco de disciplinas, devendo o aluno ter a obrigatoriedade de

cumprir um determinado número de carga horária ao longo do curso.

A carga horária total do curso é de 3.000 h distribuídas ao longo de oito

semestres com 150 créditos (118 obrigatórios, 16 eletivos e 16 optativos),

respeitando a estrutura de pré–requisitos. No decorrer desses oito semestres o



aluno deverá cursar 2.235 h em disciplinas obrigatórias, 300 h em disciplinas

eletivas, 240 h em disciplinas optativas e desenvolver 225 (duzentas e vinte e

cinco) horas em Atividades Complementares. Abaixo, estão listados os oito

semestres do Curso com as respectivas disciplinas, acompanhadas dos pré–

requisitos, número de créditos (total, teórico e prático, respectivamente) e carga

horária.

a) Disciplinas Obrigatórias

PER SIGLA DISCIPLINA PR TC CT CP CHS

1º

IEM075 Cálculo Diferencial e Integral I - 4 4 0 60

IEC037 Introdução à Programação de Computadores

- 3 2 1 60

IEM012 Álgebra Linear I - 4 4 0 60

IEE054 Probabilidade A - 4 4 0 60

Subtotal 15 14 1 240

2º

IEM076 Cálculo Diferencial e Integral II IEM075 4 4 0 60

IEE055 Probabilidade B IEE054 4 4 0 60

IEC048 Geração e Uso de Base de Dados - 3 3 0 45

IEE381 Teoria das Matrizes - 4 4 0 60

IEE056 Análise Exploratória de Dados - 3 2 1 60


3º

IEE045

Introdução a Programação em R -

3

2

1

60

IEE014 Introdução à Inferência Estatística IEE055 5 4 1 90

IEE057 Probabilidade C IEE055 4 4 0 60

IHE130 Inglês Instrumental I - 4 4 0 60

Eletiva I - 5 4 1 90


4º

IEE015 Inferência Estatística IEE014 6 6 0 90

IEE021 Técnicas de Amostragem IEE014 4 3 1 75

IEE017 Controle Estatístico da Qualidade IEE014 4 3 1 75

IEE058 Estatística Multivariada I IEE014 4 4 0 60

IEE019 Estatística Computacional I IEE045

IEE014 3 2 1 60


5º

IEE059 Métodos Não Paramétricos IEE014 3 2 1 60

IEE016 Introdução à Inferência Bayesiana IEE057 3 2 1 60

IEE062 Estatística Multivariada II IEE058 3 2 1 60

IEE063 Estatística e Sociedade - 1 0 1 30

IEE023 Modelos de Regressão I IEE015 5 4 1 90

Eletiva II 3 2 1 60




PER SIGLA DISCIPLINA PR TC CT CP CHS

6º

IEE025 Séries Temporais IEE014 5 4 1 90

IEE064 Planejamento de Experimentos IEE014 5 4 1 90

Eletiva III - 5 4 1 90

Eletiva IV - 3 2 1 60


7º

IEE027 Trabalho de Conclusão de Curso I

IEE015 7 0 7 210

IEE028 Modelos Lineares Generalizados IEE023 5 4 1 90

IEE065 Análise de Sobrevivência e Confiabilidade

IEE014 3 2 1 60

Subtotal 15 6 9 360

8º IEE030 Trabalho de Conclusão de Curso II

IEE027 8 0 8 240

Subtotal 8 0 8 240

TOTAL 134 99 35 2.535 Legenda: PR - Pré-requisito; CT - Crédito teórico; CP - Crédito Prático; CHS - Carga horária semestral.

b) Disciplinas Eletivas

As disciplinas eletivas são de livre escolha do aluno regular, para fins

de enriquecimento, aprofundamento e/ou atualização de conhecimentos

específicos que complementem a formação acadêmica. É parte integrante da

matriz curricular, componente integrante do currículo pleno, para efeito de

conclusão de curso. Com isso, dá-se maior flexibilização curricular. É

importante esclarecer que qualquer carga horária excedente das disciplinas

eletivas, pode ser utilizada como carga horária optativa e também, uma mesma

disciplina eletiva pode ser ofertada em mais de um período.

Quadro 7 – Disciplinas Eletivas distribuídas por semestre letivo

Sem. Código Disciplinas Eletivas PR TC CT CP CHS

3º

IEE066 Introdução a Ciências dos Dados - 5 4 1 90

IEE067 Introdução à Aprendizagem de Máquina - 5 4 1 90

IEE068 Introdução à Mineração de Dados - 5 4 1 90

5º

IEE034 Introdução ao Reconhecimento Estatístico de Padrões

IEE058 3 2 1

60

IEE018 Processos Estocásticos IEE057 4 4 0 60

IEE036 Pesquisa Operacional IEE057 4 4 0 60

IEE039 Tópicos em Estatística Espacial - 3 2 1 60

IEE022 Estatística Computacional II IEE037 3 2 1 60

IEE040 Tópicos em Monitoramento Estatístico - 3 2 1 60



Sem. Código Disciplinas Eletivas PR TC CT CP CHS

IEE031 Análise de Dados Longitudinais IEE023 3 2 1 60

IEE033 Inferência Bayesiana IEE015 4 4 0 60

IEE035 Modelos Lineares Dinâmicos IEE057 3 2 1 60

IEE037 Séries Temporais no Domínio da Frequência IEE025 3 2 1 60

IEE038 Tópicos em Séries Temporais IEE025 3 2 1 60

IEE066 Introdução a Ciências dos Dados - 5 4 1 90

IEE067 Introdução à Aprendizagem de Máquina - 5 4 1 90

IEE068 Introdução à Mineração de Dados - 5 4 1 90

IEE034 Introdução ao Reconhecimento Estatístico de Padrões

- 3

2 1 60

Legenda: PR - Pré-requisito; TC - Total de Créditos; CT - Crédito teórico; CP - Crédito Prático; CHS - Carga horária semestral.

c) Disciplinas Optativas

As disciplinas optativas são de livre escolha do aluno, dentre as

disciplinas oferecidas em outros cursos, que complementam a formação

profissional, numa determinada área ou subárea de conhecimento, e permitem

ao aluno iniciar-se numa diversificação de conteúdo.

Sigla Nome da Disciplina PR CR CH

Total Teórico Prático

IEE032 Confiabilidade de

Sistemas IEE055

4 3 1 75

IEE041 Tópicos em Inferência

Estatística I

IEE015 4 4 0 60

IEE042 Tópicos em Inferência

Estatística II

IEE015 4 4 0 60

IEE043 Tópicos em Probabilidade

I

IEE055 4 4 0 60

IEE044 Tópicos em Probabilidade

II

IEE055 4 4 0 60

IEM106 Introdução à Análise IEM076 4 4 0 60

IEM141 Equações Diferenciais

Ordinárias

IEM076 4 4 0 60



Sigla Nome da Disciplina PR CR CH

Total Teórico Prático

IEM231 Cálculo Avançado IEM076 4 4 0 60

FAA011 Introdução à

Administração

- 4 4 0 60

FAE101 Introdução à Economia A - 4 4 0 60

FAE206 Empreendedorismo - 4 4 0 60

FEN024 Libras – Língua Brasileira

de Sinais

- 4 4 0 60

FAA006 Métodos Quantitativos

Financeiros

- 4 4 0 60

FAA032 Administração de

Produção

- 4 4 0 60

IEM006 Matemática Aplicada a

Administração

- 4 4 0 60

IEM022 Álgebra Linear II - 4 4 0 60

FEP001 Psicologia Geral I - 4 4 0 60

IEC111 Informática Instrumental - 3 2 1 60

IBB067 Bioinformática - 4 2 2 90

ICC501 Simulação de Eventos

Discretos

- 4 4 0 60

ICC011 Laboratório de

Programação A

IEC037 2 0 2 60

IEE102 Estatística Econômica II IEE014 4 4 0 60

FAE174 Econometria I IEE102 4 4 0 60

FTL509 Tecnologia da Informação

I

IEC037 4 4 0 60

FTL514 Controle Estatístico das

Operações

IEE014 4 4 0 60

FTL517 Modelagem e Simulação

da Produção

IEE014 3 2 1 60

IHE176 Inglês Instrumental II IHE130 4 4 0 60

IHP164 Português Instrumental - 4 4 0 60

Legenda: PR - Pré-requisito; CR - Crédito CH - Carga horária.



3.9. Estágio Supervisionado

No curso, o estágio é opcional podendo ser utilizado como atividade

complementar (AACC).

3.10. Atividades Complementares

As atividades complementares são componentes curriculares

enriquecedores e implementadores do próprio perfil do formando e deverão

possibilitar o desenvolvimento de habilidades, conhecimentos, competências e

atitudes ao aluno, inclusive as adquiridas fora do ambiente acadêmico, que

serão reconhecidas mediante processo de avaliação.

O aluno deverá desenvolver 225 (duzentas e vinte e cinco) horas em

atividades complementares. As Atividades Complementares se constituirão no

aproveitamento de estudos e práticas realizadas ao longo de todo o Curso

conforme o estabelecido pela Resolução no 018/2007–CONSEPE/CEG/UFAM,

de 01.08.2007. O conjunto das ações referentes às atividades complementares

de Ensino, Pesquisa e Produção Científica está descrito abaixo e sua

regulamentação é apresentada no anexo IV deste documento.

a) Ensino

Item Ensino Carga Horária

1 Ministrante de curso de extensão Máximo por atividade: 20h. Máximo durante o curso: 40h.

2 Debatedor em mesa redonda Máximo por participação: 4h. Máximo durante o curso: 20h.

3 Atividade de monitoria desenvolvida em relação às disciplinas oferecidas na área de conhecimento

Máximo por atividade: 60h. Máximo durante o curso: 120h.

4 Participação em Semana de Curso como ouvinte

Mínimo por atividade: 4h. Máximo por atividade: 12h. Máximo durante o curso: 36h.



Item Ensino Carga Horária

5 Participação em Programa Especial de Treinamento – PET


6 Carga horária optativa excedente não elencada no quadro de disciplinas optativas do Projeto Pedagógico


7 Carga horária optativa excedente entre as elencadas no quadro de disciplinas do Projeto Pedagógico


8 Estágios não obrigatórios, vinculados ao Ensino de Graduação e à matriz curricular do Curso


b) Pesquisa e Produção Científica

Item Pesquisa e Produção Científica Carga Horária

1 Participação em projetos de pesquisa aprovados e concluídos do PIBIC


2 Participação em projetos de pesquisa aprovados e concluídos em outros programas


3 Autor ou co–autor de artigo científico completo publicado em periódico com comissão editorial


4 Autor ou co–autor de trabalho científico apresentado (pôster/oral) em evento científico


5 Autor ou co–autor de capítulo de livro Máximo por atividade: 120h. Máximo durante o curso: 120h.

6 Premiação em trabalho acadêmico Máximo por atividade: 60h. Máximo durante o curso: 120h.



Item Pesquisa e Produção Científica Carga Horária

7 Participação em evento científico, comprovada com emissão de certificado ou declaração, de âmbito regional, nacional ou internacional


3.11. Atividades Complementares de Extensão

No que tange as atividades de extensão, atendendo à indicação do PNE (Lei 13.005/2014) sobre esta carga, descrevemos abaixo as atividades complementares de extensão nas quais os alunos devem atingir o total de 300 horas. Isto é, 10% da carga horária total do curso.

Quadro de atividades complementares de Extensão

Item Extensão Carga Horária

1 As desenvolvidas sob a forma de congressos, seminários, simpósios, conferências, palestras, fóruns, apresentações de painéis ou outras atividades similares, como ouvinte.


2 As desenvolvidas sob a forma de congressos, seminários, simpósios, conferências, palestras, fóruns, apresentações de painéis ou outras atividades similares, como participante direto.


3 Participação como membro de comissão organizadora de eventos de extensão (semana de curso)


4 Presidente do Centro Acadêmico Máximo por mandato: 60h. Máximo durante o curso: 120h.

5 Membro do Centro Acadêmico Máximo por mandato: 15h. Máximo durante o curso: 30h.

6 Representação discente comprovada (membro em Colegiado)




Item Extensão Carga Horária

7 Participação em projetos de extensão aprovados em outros programas


8 As desenvolvidas sob a forma de extensão. Máximo por atividade: 60h. Máximo durante o curso: 120h.

9 Realização de Cursos online ou a distância com temas relacionados a alguma atividade ou disciplina do curso e que tenha gerado certificado de conclusão.


FIGURA: Matriz Curricular do Bacharelado em Estatística-2017 (Carga horária total=3000; Carga horária Obrigatória = 2235; Carga horária Eletiva = 300; Carga Horária Optativa = 240; Carga Horária de Atividades Acadêmicas Complementares = 225)



3.12 Objetivos, Ementas e Referências Básicas e Complementares das Disciplinas

O ementário de disciplinas deste Projeto Pedagógico, com seus

objetivos, ementas contendo uma descrição do objeto de estudo de cada

componente curricular bem como suas respectivas referências básicas e

complementares estão descritas abaixo:

a) Disciplinas Obrigatórias 1º Período

Disciplina: Cálculo Diferencial e Integral I Código: IEM075

Pré–Requisito: -

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Estudar o Cálculo Diferencial e Integral para uma variável;

Estudar o teorema fundamental do Cálculo Diferencial e Integral;

Reconhecer as consequências e obter contra-exemplos de cada teorema;

Estudar Aplicações do Cálculo.

Ementa:

Funções. Gráficos e Curvas. Limite e Continuidade. A Derivada. A Regra da

Cadeia. O Teorema do Valor Médio. Funções Inversas. Integração. Teorema.

Fundamental do Cálculo. Integrais Impróprias. Técnicas de Integração.

Aplicação de Integrais.

Referências Básicas: Ávila, G. S. S. (2003). Cálculo. Vol. 1. 7a ed. Livro Técnico e Científico, 2003. Guidorizzi, H. (2001). Um Curso de Cálculo. Vol 1. 5a ed. Livro Técnico e Científico, 2001. Swokowski, E. W. (2000). Cálculo com Geometria Analítica. 2a ed. Makron Books, 2000. Referências Complementares: LEITHOLD, Louis. O Cálculo com Geo. Analítica. 3.ed. Harbra, 2002. vol. 1. SANTOS, Angela Rocha dos; BIANCHINI, Waldecir. Aprendendo Cálculo com Maple: Cálculo de Uma Variável. 1.ed. Rio de Janeiro: LTC, 2002. STEWART, James. Cálculo. 6. ed. Editora Cengage Learning vol. 1. Anton, Howard; Bivis. Iri e Davis, Stephen. Cálculo, Vol. I - oitava edição - Editora Harbra. Apostol, Tom M. Calculus, Vol. 1: One variable Calculus with an introduction to linear algebra - segunda edição - Ed. Wiley.



Disciplina: Introdução à Programação de Computadores Código: IEC037

Pré–Requisito: -

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Apresentar aos alunos fundamentos sobre desenvolvimentos em algoritmos,

programação de computadores digitais, seu funcionamento e sua aplicação na

resolução de problemas de caráter geral e específico. Apresentar os conceitos

gerais de informática.

Ementa:

Noções sobre Computadores. Programação Estruturada: desenvolvimento de algoritmos, procedimentos e funções. Implementação de algoritmos usando uma Linguagem de Programação. Estrutura de Dados Básicas: Vetores e Matrizes. Referências Básicas: Deitel H. M., Deitel P. J. Como Programar em C. LTC, 1999. Forbellone, A. L. V. Lógica de Programação. Editora Makron Books, 2000. Magalhães Netto, J. F., Barreto, R. S., Caldas, R. B. Apostila de Introdução à Ciência dos Computadores. Departamento de Ciência da Computação, Universidade Federal do Amazonas, 1999. Referências Complementares: Carboni, I. F. Lógica de programação. São Paulo: Pioneira Thomson Learning, 2003. Souza, M. A. F. Algoritmos e lógica de programação. São Paulo: Pioneira Thomson Learning, 2005. Schildt, H. (1996). C Completo e Total. Editora Makron Books, 1996. Velloso, F. C. Informática Conceitos Básicos. Editora Campus, 1999. Damas, L. Linguagem C. 10ª ed. Rio de Janeiro: LTC, 2007. Disciplina: Álgebra Linear I Código: IEM012

Pré–Requisito: -

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Estabelecer critérios para o tratamento de problemas de natureza vetorial,

encontrados em diversas situações práticas como: linearidade, representação

de grandeza física, programação linear e outras.

Ementa:

Matrizes. Cálculo de Determinantes. Sistemas de Equações Lineares. Vetores. Equações da Reta e do Plano. Ângulos. Distância e Intersecções. Geometria Analítica Plana. Referências Básicas: Boldrini, J. L., Costa, S. I. R., Figueiredo, V. L. e Wetzler, H. G. Álgebra Linear. 3a ed. Harbra, 1986.



Boulos, P. & Camargo, I. Geometria analítica: Um Tratamento Vetorial. 3a ed. Prentice Hall, 2005. Steinbruch, A. & Winterle, P. Geometria Analítica. 2a ed. Makron Books, 1987. Referências Complementares: LEON, S. J. Álgebra Linear com Aplicações. Rio de Janeiro : LTC, 1998. STRANG, G., Introduction do Linear Algebra, Wellesley, WellesleyCambridge, 1998. CALLIOLI, C.; DOMINGUES, H. H.; COSTA, R. C. F. Álgebra linear e aplicações. São Paulo: Atual, 1983. LIMA, E. L. Álgebra linear. Rio de Janeiro: SBM. (Coleção Matemática Universitária), 1996. LIPSCHUTZ, S. Álgebra linear. São Paulo: McGraw-Hill, 1971. Disciplina: Probabilidade A Código: IEE054

Pré–Requisito: -

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Compreender os princípios básicos de probabilidade par aplicações em teorias

estatísticas. Aplicar os conceitos fundamentais da teoria da probabilidade.

Modelar fenômenos reais utilizando modelos discretos.

Ementa:

Métodos de contagem. Conceitos básicos de probabilidade. Probabilidade condicional e independência de eventos. Características de uma variável aleatória. Variáveis aleatórias discretas. Principais modelos discretos. Função de variável aleatória discreta. Referências Básicas: DANTAS, Carlos A.B. Probabilidade: Um curso introdutório. 3ª ed., Edusp, 2013. Meyer, Paul G. Probabilidade: Aplicações à estatística, 2ª ed., LTC, 2006. Ross, Sheldon M. Probabilidade: Um curso moderno com aplicações, 8ª ed., Bookman Companhia Editora, 2010. Referências Complementares: Hoel, Paul G., Port, S.C. e Stone, C.J. Introdução à teoria da probabilidade, Interciência, 1978. Pinheiro,I.D., Carvajal, S.S.R., Cunha, S.B. e Gomes, G.C. Probabilidade e Estatística: Quantificando a incerteza, Elsevier, 2012. Fernandez, Pedro J. Introdução à Teoria das Probabilidades, LTC, 1973. Magalhães, Marcos N. Probabilidade e Variáveis Aleatórias, 2ª ed., Edusp, 2004. James, Barry R. Probabilidade: um curso em nível intermediário, SBM, 1996. 2º Período



Disciplina: Cálculo Diferencial e Integral II Código: IEM076

Pré–Requisito: Cálculo Diferencial I (IEM075)

Crédito: 6.6.0

Carga Horária: 90h

Objetivos:

Ao final do curso o aluno deverá ser capaz de saber conceitos e operações

básicas sobre funções de várias variáveis; ter noção sobre derivação de

vetores, Regra da Cadeia, Séries; compreender problemas envolvendo

máximos e mínimos; conhecer as derivadas de ordem superiores e derivada

direcional; conhecer as integrais múltiplas assim como sua interpretação

geométrica; saber resolver problemas envolvendo as integrais múltiplas.

Ementa:

Derivação de Vetores. Regra da Cadeia. Funções de Várias Variáveis. Derivada Diferencial. Derivada de Ordem Superior. Máximos e Mínimos. Funções Potenciais e Integrais de Linha. Integrais Múltiplas. Mudança de Variável na Integral. Teorema de Green. Fórmula de Taylor e Séries. Referências Básicas: Ávila, G. S. S. Cálculo. Vol. 1. 7a ed. Livro Técnico e Científico, 2003.

Guidorizzi, H. Um Curso de Cálculo. Vol 2. 5a ed. LTC, 2001.

Stewart, James. Cálculo, Vol. 2, Editora Thomson, 5a. edição, 2006.

Referências Complementares: Simmons, G. F., Cálculo com Geometria Analítica, Vol. 2, Makron Books do

Brasil Editora Ltda, 1987.

Finney, Ross L., Weir, Maurice D., Giordano, Frank R. Cálculo de George B.

Thomas Jr., Vol. 2, Pearson Education do Brasil, 2002.

Larson - Hostetler- Edwards, Cálculo, Vol. 2, McGrawHill, 2006.

Stewart, James, Calculus, International Student Edition, THOMSON ISE, 5th. edition, 2003. Disciplina: Probabilidade B Código: IEE055

Pré–Requisito: Probabilidade A (IEE054)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Apresentar a conceituação probabilística, com ênfase no caso contínuo e

bidimensional, buscando preparar o aluno para o estudo de métodos de

inferência estatística.

Ementa:

Variáveis aleatórias contínuas. Função geradora de momentos. Principais modelos Contínuos. Distribuição normal. Função de variável aleatória contínua. Distribuições bivariadas.



Referências Básicas: Dantas, Carlos A.B. Probabilidade: Um curso introdutório. 3ª ed., Edusp, 2013 Meyer, Paul G. Probabilidade: Aplicações à estatística, 2ª ed., LTC, 2006. Ross, Sheldon M. Probabilidade: Um curso moderno com aplicações, 8ª ed., Bookman Companhia Editora, 2010. Referências Complementares: Hoel, Paul G., Port, S.C. e Stone, C.J. Introdução à teoria da probabilidade, Interciência, 1978. Pinheiro, I. D., Carvajal, S.S.R., Cunha, S.B. e Gomes, G.C., Probabilidade e Estatística: Quantificando a incerteza, Elsevier, 2012. Fernandez, Pedro J. Introdução à Teoria das Probabilidades, LTC, 1973. Magalhães, Marcos N. Probabilidade e Variáveis Aleatórias, 2ª ed., Edusp, 2004. James, Barry R. Probabilidade: um curso em nível intermediário, SBM, 1996. Disciplina: Geração e Uso de Base de Dados Código: IEC048

Pré–Requisito: -

Crédito: 3.3.0

Carga Horária: 45h

Objetivos:

Proporcionar aos alunos conhecimento sobre os referenciais teóricos que

fundamentam à geração e uso de bases de dados e sistemas de recuperação

da informação.

Ementa:

Conceitos básicos. Organização de dados. Modelagem de dados. Modelos de dados. Projeto e implementação de base de dados. Sistemas de recuperação de base de dados. Referências Básicas: Date, C. J. Bancos de Dados: Tópicos Avançados. Editora Campus, 1988. Date, C. J. Bancos de Dados: Introdução aos Sistemas de Bancos de Dados. Tradução da 4ª edição, Editora Campus, 1994. Korth, H. F., Silberschatz,A. Sistemas de Banco de Dados. McGraw-Hill, 1993. Referências Complementares: Setzer, V. W. Bancos de Dados: Conceitos e Modelos. Edgard Blücher, 1989. HEUSER, Carlos Alberto. Projeto de Banco de Dados. 6ª Ed., Bookman, 2008. Elmasri, R., Navathe, S. B. Sistemas de Banco de Dados. 4ª ed., Pearson-Addison-Wesley, 2005. GARCIA-MOLINA Hector, ULLMAN, Jeffrey D., WIDOM, Jennifer. Database Systems: the complete book. 2ª ed., Prentice Hall, 2008. RAMAKRISHNAN, R.; GEHRKE, J. Sistemas de Gerenciamentos de Bancos de Dados. 3ª ed., McGraw Hill Brasil, 2008. Disciplina: Teoria das Matrizes Código: IEE381



Pré–Requisito: -

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Apresentar e discutir a teoria de matrizes necessária para o desenvolvimento e

entendimento das disciplinas metodológicas em estatística.

Ementa:

Matrizes: definição e operações; Independência linear, posto, subespaços e bases; Decomposições de matrizes; Equações lineares e inversão de matrizes; Formas quadráticas; Projeções; Método de mínimos quadrados. Referências Básicas: Searle, S.R. Matrix algebra useful for statistics, Ed. John Wiley, New York, USA, 1982 438p; Graybill, F.A. Matrices with applications in statistics, 2nd Ed., Wadsworth & Brooks/Cole, Pacific Grove, California, USA, 1983, 461p; Boldrini, J.L. et. al. Álgebra linear, 3a Ed., Harbra & Row do Brasil, São Paulo, SP, 1986 411p. Referências Complementares: Guttman, I. Linear models: an introduction, Ed. John Wiley, New York, USA, 1982 358p; Healy, M.J.R. Matrices for statistics, Ed. Oxford, Oxford: Clarendon Press, UK, 1986, 89p. Anton, H.; Busby, R.C. Álgebra linear contemporânea, Bookman, Porto Alegre, RS, 2008 610p.; Searle, S.R. Linear models, John Wiley, Newe York, 1971, 532p; Caroli, A.; Callioli, C.A.; Feitosa, M.O. Matrizes, vetores, geometria analítica: teoria e exercícios, Nobel, São Paulo, SP, 2006, 167p. Rao, C.R.; Mitra, S.K. Generalized inverse of matrices and its applications, John Wiley & Sons, New York, USA, 1971, 240p. Banerjee, S.; Roy, A. Linear algebra and matrix analysis for statistics, CRC Press, Boca Raton, FL, USA, 2014, 565p. Disciplina: Análise Exploratória de Dados Código: IEE056

Pré–Requisito: -

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Introduzir noções de análise de dados univariados e multivariados. Capacitar o

aluno a utilizar ferramentas computacionais para resolução de problemas a

nível exploratório.

Ementa:

Conceitos básicos em Estatística Descritiva. Representação gráfica e tabular de dados univariados. Medidas resumo. Distribuição de frequências para dados bivariados. Associação entre duas variáveis qualitativas. Associação entre



duas variáveis quantitativas. Associação entre uma variável qualitativa e uma quantitativa. Extensões para dados multivariados. Edição de texto, planilha eletrônica e internet. Referências Básicas: Bussab, W. O. e Morettin, P. A. Estatística Básica. 8a Ed. Editora Saraiva, 2013. Witte, R. S. e Witte, J. S. Statistics. Wiley, 2013. Murteira, B. J.; Ribeiro, C. S.; Silva, J. A. e Pimenta, C. Introdução à Estatística. Escolar Editora, 2010. Referências Complementares: Ware, W. B.; Ferron, J. M. e Miller, B. M. Introductory Statistics: A Conceptual Approach Using R. Routledge, 2012. Dalgaard, P. Introductory Statistics with R. 2nd Edition. Springer, 2008. Murteira, B. J. F. e Black, G. H. J. (1983). Estatística Descritiva. McGraw-Hill,1983. Hoaglin, D. C., Mosteller, F. e Tukey, J. W. (1983). Understanding Robust and Exploratory Data Analysis. John Wiley & Sons, 1983. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006. 3º Período Disciplina: Introdução à Inferência Estatística Código: IEE014

Pré–Requisito: Probabilidade B (IEE055)

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Aplicar, em nível introdutório, técnicas inferenciais de estimação de parâmetros

e testes de hipóteses sob a suposição de normalidade. Introduzir

procedimentos inferenciais através de um forte apelo intuitivo e apoio

computacional.

Ementa:

População e amostra. Distribuições amostrais. Estimação pelo Método dos Momentos. Estimação pelo método de Máxima Verossimilhança. Intervalos de confiança. Testes de hipóteses. Inferência para duas populações. Referências Básicas: Bussab, W.O. e Morettin, P.A. Estatística Básica. 8a Ed. Editora Saraiva, 2013. Trosset, M. W. An Introduction to Statistical Inference and Its Applications with R. Chapman & Hall/CRC, 2009. Larson, H. J. Introduction to Probability Theory and Statístical Inference. Third Edition. Wiley, 1982. Referências Complementares: Murteira, B. J. Probabilidade e Estatística. Volume II. 2a Edição. McGraw-Hill, 1990.

http://www.amazon.com/Robert-S.-Witte/e/B001ILHEQI/ref=dp_byline_cont_book_1

http://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=John+S.+Witte&search-alias=books&text=John+S.+Witte&sort=relevancerank

http://www.amazon.com/William-B.-Ware/e/B00DXKYN3O/ref=dp_byline_cont_book_1

http://www.amazon.com/John-M.-Ferron/e/B00DW6C6K6/ref=dp_byline_cont_book_2

http://www.amazon.com/s/ref=dp_byline_sr_book_3?ie=UTF8&field-author=Barbara+M.+Miller&search-alias=books&text=Barbara+M.+Miller&sort=relevancerank

http://www.amazon.com/Michael-W.-Trosset/e/B0027DJN6A/ref=dp_byline_cont_book_1



Wasserman, L. All of Statistics: A Concise Course in Statistical Inference. Springer, 2010. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006. Casella, G. e Berger, R. L. Inferência Estatística. Cengage Learning, 2011. Hogg, R. V. e Tanis, E. e Zimmerman, D. Probability and Statistical Inference. 9th Edition. Pearson, 2014. Disciplina: Probabilidade C Código: IEE057

Pré–Requisito: Probabilidade B (IEE055)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Transmitir os conhecimentos básicos dos fundamentos da probabilidade

necessários para um embasamento teórico que esses alunos deverão utilizar

com propriedade nas disciplinas técnicas do Curso de Estatística.

Ementa:

Vetores de variáveis aleatórias. Distribuição de vetores de variáveis aleatórias. Covariância e correlação. Distribuição e esperança condicional. Função de vetores de variáveis aleatórias. Conceitos de convergência. Lei dos grandes números. Teorema limite central. Introdução às cadeias de Markov. Referências Básicas: Dantas, Carlos A.B. Probabilidade: Um curso introdutório. 3ª ed., Edusp, 2013. Meyer, Paul G. Probabilidade: Aplicações à estatística, 2ª ed., LTC, 2006. Ross, Sheldon M. Probabilidade: Um curso moderno com aplicações, 8ª ed., Bookman Companhia Editora, 2010. Referências Complementares: Hoel, Paul G., Port, S.C. e Stone, C.J. Introdução à teoria da probabilidade, Interciência, 1978. Pinheiro,I.D., Carvajal, S.S.R., Cunha, S.B. e Gomes, G.C, 2012. Probabilidade e Estatística: Quantificando a incerteza, Elsevier, 2012. Fernandez, Pedro J. Introdução à Teoria das Probabilidades, LTC, 1973. Magalhães, Marcos N., Probabilidade e Variáveis Aleatórias, 2ª ed., Edusp, 2004. James, Barry R., Probabilidade: um curso em nível intermediário, SBM, 1996. Disciplina: Inglês Instrumental I Código: IHE130

Pré–Requisito: -

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

http://www.amazon.com/s/ref=dp_byline_sr_book_3?ie=UTF8&field-author=Dale+Zimmerman&search-alias=books&text=Dale+Zimmerman&sort=relevancerank



Capacitar os alunos a usar devidamente as técnicas e estratégias de leitura

que lhes facilitem a compreensão de textos de interesse geral e específico de

sua área acadêmica.

Ao final do curso os alunos deverão estar habilitados a:

Ler um texto rapidamente para obter a idéia geral (SKIMMING);

Ler um texto rapidamente para localizar informações específicas

(SCANNING);

Ler um texto cuidadosamente para encontrar os pontos gramaticais;

Ler um texto detalhadamente para total compreensão;

Ler um texto cuidadosamente para fazer julgamentos críticos;

Ativar o conhecimento prévio na leitura.

Ementa:

Estudo do discurso de textos autênticos de interesse geral e específico. Noções e funções do texto. Estratégias de leitura. Análise do sistema lingüístico-gramatical da língua inglesa. Referências Básicas: Contemporary English Dictionary, 1997. Murphy, R. Essential Grammar in Use. Cambridge University Press, 1990. Oliveira, S. R. F. (1998). Estratégias de Leitura para Inglês Instrumental. Editora UNB, 1998. Referências Complementares: Rangel, M. Dinâmicas de Leitura para sala de aula. Vozes, 1990. Silva, J. A. C.; Garrido, M. L. e Barreto, T. P. Inglês Instrumental: Leitura e Compreensão de Textos. Centro Editorial e Didático da UFBA, 1995. Vieira, L. C. F. Projeto Ensino de Inglês Instrumental. UFC, 1999. Disciplina: Introdução à Programação em R Código: IEE045

Pré–Requisito: -

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Apresentar o conhecimento sobre a Linguagem e Programação em R,

introduzir noções básicas de Manipulação de Dados e dar autonomina ao aluno

para programar, simular e realizar análises Estatísticas usando a Linguagem R.

Ementa:

Introdução ao Ambiente R. Fundamentos da Linguagem R. Programação em R. Manipulação de Dados em R. Visualização de Dados em R. Interação com Outras Linguagens de Programação. Referências Básicas: Peternelli, L.A and Pupin Mello, A. Conhecendo o R: Uma Visão Estatística. UFV, Série Didática, 2011.



Jones, O.; Maillardet, R. e Andrew Robinson,A. Introduction to Scientific Programming and Simulation Using R. Chapman & Hall/CRC, 2009. R Development Core Team. R: A language and Environment for Statistical Computing. R Foundation For Statistical Computing, 2006. Referências Complementares: Dalgaard, P. Introductory Statistics with R. 2nd Edition. Springer, 2008. Rizzo, M. L. Statistical Computing with R. Chapman & Hall/CRC, 2007. Murrell, P. R Graphics. Chapman & Hall/CRC, 2006 Crawley, M. J. The R book. 2nd Edition. Willey, 2012. Matloff. N. The Art of R Programming: A Tour of Statistical Software Design. No Starch Press, 2011. 4º Período Disciplina: Inferência Estatística Código: IEE015

Pré–Requisito: Introdução à Inferência Estatística (IEE014)

Crédito: 6.6.0

Carga Horária: 90h

Objetivos:

Desenvolver os principais resultados inferenciais a partir de argumentos que

envolvam a necessidade de descrição adequada de fenômenos aleatórios.

Aplicar técnicas inferenciais gerais de estimação de parâmetros e testes de

hipóteses em modelos específicos.

Ementa:

Conceitos básicos sobre amostras aleatórias. Estatísticas de ordem. Estatísticas suficientes. Estatísticas completas. Estimação pelo método dos momentos. Estimação pelo método de Máxima Verossimilhança. Erro quadrático médio. Estimadores não viciados ótimos. Testes de razão de verossimilhança. Testes mais poderosos e uniformemente mais poderosos. Métodos para encontrar intervalos de confiança. Referências Básicas: Bolfarine H. e Sandoval, M. C. Introdução à Inferência Estatística. SBM, 2010. Casella, G. e Berger, R. L. Inferência Estatística. Cengage Learning, 2011. Hogg, R. V. e Tanis, E. e Zimmerman, D. Probability and Statistical Inference. 9th Edition. Pearson, 2014. Referências Complementares: Wasserman, L. All of Statistics: A Concise Course in Statistical Inference. Springer, 2010. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006.

http://www.amazon.com/Owen-Jones/e/B0034PDF0K/ref=dp_byline_cont_book_1

http://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Robert+Maillardet&search-alias=books&text=Robert+Maillardet&sort=relevancerank

http://www.amazon.com/Andrew-Robinson/e/B005HZYVF8/ref=dp_byline_cont_book_3

http://www.amazon.com/s/ref=dp_byline_sr_book_3?ie=UTF8&field-author=Dale+Zimmerman&search-alias=books&text=Dale+Zimmerman&sort=relevancerank



DeGroot, M. H e Schervish, M. J. Probability and Statistics. 4th Edition. Pearson, 2011. Bickel, P. J. e Doksum, K. A. Mathematical Statistics, Updated Printing. 2a ed. Prentice Hall, 2006. Disciplina: Técnicas de Amostragem Código: IEE021


Crédito: 4.3.1

Carga Horária: 75h

Objetivos:

Capacitar os alunos no delineamento das principais técnicas de amostragem,

com ênfase na formatação dos protocolos amostrais.

Capacitar os alunos a discernir entre os principais tipos de pesquisas na

estatística.

Ementa:

Tipos de Pesquisas em Estatística. Levantamento e Experimentação. Principais Técnicas de Amostragem Probabilística. Amostragem Estratificada. Amostragem em Vários Estágios (Conglomerado). Amostragem Sistemática. Construir experimentos. Referências Básicas: Bolfarine, H. e Bussab, W. O. Elementos de Amostragem. Edgard Blücher, 2005. Cochram, W. G. Sampling Techniques. 3ª ed. John Wiley & Sons, 1977. Fundação Instituto Brasileiro de Geografia e Estatística (IBGE). Pesquisa Nacional por Amostra de Domicílios (PNAD): Para compreender a PNAD. Rio de Janeiro, 1991. Referências Complementares: Montgomery, D. C. Design and Analysis of Experiments. 7a ed. John Wiley & Sons, 2009. Silva, N. N. da. Amostragem Probabilística. 2a ed. Edusp, 2004. MARCONI, Marina de A; LAKATOS, Eva Maria. Técnicas de Pesquisa/São Paulo: Atlas Ed., 2002. 282p. Thompson, S. K. Sampling. New York: John Wiley & Sons. Scheaffer, R. L., Mendenhall, W. & Ott, (1996) L. Elementary Survey Sampling. Boston: PWS-KENT Publishing Company, 1992. Disciplina: Controle Estatístico da Qualidade Código: IEE017


Crédito: 4.3.1

Carga Horária: 75h

Objetivos:

Capacitar os alunos a monitorar processos industriais e de serviços. Prover o

entendimento das principais ferramentas estatística da qualidade.

http://www.amazon.com/s/ref=dp_byline_sr_book_1?ie=UTF8&field-author=Morris+H.+DeGroot&search-alias=books&text=Morris+H.+DeGroot&sort=relevancerank

http://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Mark+J.+Schervish&search-alias=books&text=Mark+J.+Schervish&sort=relevancerank



Disponibilizar aplicativos computacionais para o monitoramento de processos e

da qualidade.

Ementa:

Filosofia da estatística da qualidade. Gráficos de Controle por Variáveis. Análise da Capacidade de Processos. Gráficos de Controle para Processos Autocorrelacionados. Gráficos de Controle para Soma Acumulada (CUSUM) e para Média Exponencialmente Ponderada (EWMA). Gráficos para Atributos. Inspeção de Qualidade. Monitoramento de processos multivariados. Referências Básicas: Box, G. E. P., Luceno, A. e Paniagua–Quinones, M. Statistical Control by Monitoring and Adjustment. Wiley Series, 2009. Colosimo, B. M. e Castillo, E. Bayesian Process Monitoring, Control and Optimization. Chapman & Hall/CRC, 2007. Costa, A . F. B. Controle Estatístico de Qualidade. 2a ed. Atlas, 2007. Referências Complementares: Montgomery, D. C. Introdução ao Controle Estatístico da Qualidade. 4a ed. LTC Editora S/A, 2004. Montgomery, D. C. Introduction to Quality Control. 5a ed. Wiley & Sons, 2008. LOUZADA, Francisco & OUTROS. Controle Estatístico de Processos. Ed. LTC. Rio de Janeiro. 269 p. 2013. WERKEMA, M. C. Ferramentas Estatísticas Básicas para o Gerenciamento de Processos. Belo Horizonte: Werkema, 2006. CARVALHO, M. M.; PALADINI, E. P. (Org.). Gestão da Qualidade Teoria e Casos. São Paulo: Campus, 2006. Disciplina: Estatística Computacional I Código: IEE019

Pré–Requisito: Introdução à Inferência Estatística (IEE014);

Introdução à Programação em R (IEE045)

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Utilizar métodos de simulação estocástica como uma ferramenta para análise

de dados. Aplicar técnicas numéricas na resolução de problemas inferenciais.

Ementa:

Solução numérica de equações; Integração numérica; Geração de variáveis aleatórias; Integração de Monte Carlo. Referências Básicas: Arenales, S. e Darezzo, A. Cálculo Numérico. Thomson, 2008. Gentle, J. E. Elements of Computational Statistics. Springer Verlag, 2002. Givens, G.H. e Hoeting, J. A. Computational Statistics. John Wiley & Sons, 2005. Referências Complementares: Jones, O., Maillardet, R. e Robinson, A. Introduction to Scientific Programming and Simulation Using R. Chapman & Hall, 2009.



Robert, C. P. e Casella, G. Introducing Monte Carlo Methods With R. Springer Verlag, 2010. Dalgaard, P. Introductory Statistics with R. 2nd Edition. Springer, 2008. Rizzo, M. L. Statistical Computing with R. Chapman & Hall/CRC, 2007. Matloff. N. The Art of R Programming: A Tour of Statistical Software Design. No Starch Press, 2011. Disciplina: Estatística Multivariada I Código: IEE058


Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Apresentar procedimentos de estatística descritiva para dados multivariados,

procedimentos de inferência estatística em populações normais multivariadas e

as principais técnicas específicas para a análise de dados multivariados.

Ementa:

Análise descritiva de dados multivariados. Vetores aleatórios. Amostra aleatória multivariada. Distribuição normal multivariada. Estimação e teste de hipóteses em populações normais multivariadas. Análise de componentes principais. Referências Básicas: Ferreira, D. F. Estatística Multivariada. Editora da UFLA, 2008. Izenman, A. J. Modern Multivariate Statistical Techniques. Regression, Classification, and Manifold Learning. Springer, 2008. Johnson, R. A. e Wichern, D. W. Applied Multivariate Statistical Analysis. 6a ed. Prentice Hall, 2008. Referências Complementares: Mardia, K. V., Kent, J. T. e Bibby, J. M. Multivariate Analysis. Academic Press, 1980. Mingotti, S. A. Análise de Dados Através de Métodos de Estatística Multivariada – Uma Abordagem Aplicada. Editora da UFMG, 2005. CORRAR, L.J., PAULO, E., FILHO. J. M. D. Análise Multivariada. São Paulo: Editora Atlas, 2007. CARVALHO, H. Análise Multivariada de Dados Qualitativos. Lisboa: Edições Silabo, 2004. HUBERTY, C. J. Applied Discriminant Analysis. New York: John Wiley, 1994. 5º Período Disciplina: Métodos Não Paramétricos Código: IEE059


Crédito: 4.3.1

Carga Horária: 75h

Objetivos:



Fornecer aos estudantes do curso de Graduação em Estatística, conhecimentos de testes de hipóteses e estimação de densidades. Ementa:

Métodos estatísticos não–paramétricos. Testes para o caso de uma amostra. Testes para duas amostras relacionadas. Testes para duas amostras independentes. Testes para K–amostras relacionadas. Testes para K–amostras independentes. Medidas de correlação e seus testes de significância. Suavização. Estimação de curvas não paramétricas. Tópicos de regressão não paramétrica. Referências Básicas: Conover, W. J. Pratical Nonparametric Statistics. 3a ed. John Wiley & Sons, 1998. Gibbons, J. D. e Chakraborti, S. Nonparametric Statistical Inference. Marcel Dekker Inc, 2003. Härdle, W. Applied Nonparametric Regression. Cambridge University Press, 1990. Referências Complementares: Härdle, W. Smoothing Techniques: With Implementation in S. Springer–Verlag, 1990. Siegel, S. e Castellan, N. J. Estatística Não–Paramétrica para Ciências do Comportamento. 2a ed. Artmed, 2006. Wasserman, L. All of Nonparametric Statistics. Springer–Verlag, 2006. SPRENT, P., SMEETON, N.C. Applied Nonparametric Statistical Methods. New York: Chapman Hall, 2001. GIBBONS, J. D. Nonparametric Methods for Quantitative Analysis. Columbus: Am. Sci. P., Inc, 1985. Disciplina: Introdução à Inferência Bayesiana Código: IEE016

Pré–Requisito: Probabilidade C (IEE057)

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Apresentar os métodos tradicionais de inferência bayesiana para modelos

discretos, contínuos e multivariados.

Ementa:

Noções de probabilidade subjetiva. Teorema de Bayes. Prioris para família exponencial. Priori de Jeffreys. Inferência para dados binomiais e Poisson. Inferência para dados Normais. Resultados assintóticos. Adequação de modelos. Referências Básicas: Albert, J. Bayesian Statistics with R. 2a ed. Springer, 2009. Berry, D. A. Statistics: A Bayesian Perspective. Duxbury Press, 1995. Gelman, A., Carlin, J. B., Stern, H. S. e Rubin, D. B. Bayesian Data Analysis. 2a ed. Chapman & Hall/CRC, 2004. Referências Complementares:



Robert, C. P. The Bayesian Choice: From Decision–Theoretic Foundations to Computational Implementation. 2a ed. Springer, 2007. PAULINO, D.; TURKMAN, M.A. e MURTEIRA, B. Estatística Bayesiana. Fundação Calouste Gulbenkian – Lisboa, 2003 LEE, P. Statistics: An Introduction. Edward Arnold, 1989. 2. GAMERMAN, D. ; MIGON, H., 1999. A. Hodder Arnold. Statistical Inference: An Integrated Approach,. O'HAGAN, A. Bayesian Inference, Edward Annold, London, 2005. Disciplina: Estatística Multivariada II Código: IEE062

Pré–Requisito: Estatística Multivariada I (IEE058)

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Apresentar procedimentos de estatística descritiva para dados multivariados,

procedimentos de inferência estatística em populações multivariadas e as

principais técnicas específicas para a análise de dados multivariados.

Ementa:

Análise de componentes principais. Análise fatorial. Análise de correlação canônica. Análise discriminante. Análise de agrupamentos. Análise de Correspondência. Referências Básicas: Ferreira, D. F. Estatística Multivariada. Editora da UFLA, 2008. Izenman, A. J. Modern Multivariate Statistical Techniques. Regression, Classification, and Manifold Learning. Springer, 2008. Johnson, R. A. e Wichern, D. W. Applied Multivariate Statistical Analysis. 6a ed. Prentice Hall, 2008. Referências Complementares: Mardia, K. V., Kent, J. T. e Bibby, J. M. Multivariate Analysis. Academic Press, 1980. Mingotti, S. A. Análise de Dados Através de Métodos de Estatística Multivariada – Uma Abordagem Aplicada. Editora da UFMG, 2005. CORRAR, L.J., PAULO, E., FILHO. J. M. D. Análise Multivariada. São Paulo: Editora Atlas, 2007. CARVALHO, H. Análise Multivariada de Dados Qualitativos. Lisboa: Edições Silabo, 2004. HUBERTY, C. J. Applied Discriminant Analysis. New York: John Wiley, 1994 Disciplina: Estatística e Sociedade Código: IEE063

Pré–Requisito: -

Crédito: 1.0.1

Carga Horária: 30h

Objetivos:

Desenvolver o senso crítico no profissional de Estatística para a solução de

problemas culturais, éticos, ambientais e sociais na comunidade em que atua.



Compreender a sua função social como profissional de Estatística para o

desenvolvimento socioeconômico da sua região e do País.

Identificar potenciais impactos das novas metodologias estatísticas e a sua

difusão na sociedade.

Ementa:

As revoluções técnico-científicas e a sociedade. Aspectos econômicos, sociais, culturais e legais da Estatística. Desenvolvimento social e desenvolvimento econômico. Sustentabilidade. Ética profissional. Mercado de trabalho de Estatística. Regulamentação da profissão. Legislação. Estatística na Sociedade, na Educação, nos Direitos Humanos, na Economia, no Meio-ambiente e na Medicina. Novas tecnologias para ensino. História e Cultura Afro-Brasileira e Indígena. Referências Básicas: Conselho Federal de Estatística – Código de ética, Leis, decretos, resoluções e portarias. DUPAS, Gilberto. Ética e Poder na Sociedade da Informação, 3ª edição. Editora UNESP, 2011. Salsburg, D. (2009) – Uma senhora toma chá – Como a Estatística revolucionou a ciência no século XX. 1 ª edição. Ed. Zahar. Rio de Janeiro. Referências Complementares: Constituição da República Federativa do Brasil - 1988 http://bd.camara.gov.br/bd/bitstream/handle/bdcamara/.../constituicao_federal_35ed.pdf. IBGE – PNAD – Pesquisa Nacional por Amostras de Domicílios http://www.biblioteca.ibge.gov.br/visualizacao/livros/liv94935.pdf. IBAMA – Instituto Brasileiro do Meio-ambiente e dos Recursos Naturais Renováveis – CTF http://www.ibama.gov.br/cadastro-tecnico-federal-ctf. FAOSTAT– Organização das Nações Unidas para Alimentação e Agricultura – Estatísticas da FAO para o Brasil. http://www.FAO.org. DATASUS – Base de dados do Sistema Único de Saúde. http://www.datasus.gov.br. Disciplina: Modelos de Regressão I Código: IEE023

Pré–Requisito: Inferência Estatística (IEE015)

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Utilizar modelos de regressão normal linear para fazer inferências em torno da

relação entre variáveis relevantes para um determinado fenômeno sob

investigação.

Proceder a estimação e testes em modelos de regressão normal linear,

explicando assim como a variabilidade de uma determinada variável é

influenciada por outras variáveis relacionadas ao fenômeno sob investigação.

Ementa:

http://bd.camara.gov.br/bd/bitstream/handle/bdcamara/.../constituicao_federal_35ed.pdf

http://bd.camara.gov.br/bd/bitstream/handle/bdcamara/.../constituicao_federal_35ed.pdf

http://www.biblioteca.ibge.gov.br/visualizacao/livros/liv94935.pdf

http://www.ibama.gov.br/cadastro-tecnico-federal-ctf

http://www.fao.org/

http://www.datasus.gov.br/



Regressão linear simples e múltipla: estimação pontual e por intervalo, testes de hipóteses, previsão. Análise de adequação do modelo de regressão linear. Transformações e mínimos quadrados ponderados. Diagnósticos. Regressão polinomial. Multicolinearidade. Referências Básicas: Draper, N. R. e Smith, H. Applied Regression Analysis. 3a ed. John Wiley & Sons, 1998. Faraway, J. J. Linear Models with R. Chapman & Hall/CRC, 2004. Maindonald J. e Brown J. Data Analysis and Graphics Using R: An Example–Based Approach. 2a ed. Cambridge University Press, 2007. Referências Complementares: Montgomery, D. C., Peck, E. A. e Vining, G. G. (2006). Introduction to Linear Regression Analysis. 4a ed. John Wiley & Sons, 2006. PAULA, G. A. Modelos de Regressão com apoio computacional, IME – Instituto de Matemática e Estatística – USP, 2004. PRICE, B., CHATTERJEE, S. Regression Analysis by Example. New York: John Wiley & Sons, 1991. WEISBERG, S. Applied Linear Regression. New York: John Wiley & Sons, 1985. GUNST, R. F., MASON, R. L., Regression Analysis and its Application. New York: Marcel Dekker Inc, 1980.

6º Período

Disciplina: Séries Temporais Código: IEE025


Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Utilizar as técnicas tradicionais de suavização e modelagem Box–Jenkins para

fazer inferências e previsão de dados de séries temporais levando em conta

ocorrências de curta ou longa dependência dos dados e sazonalidade.

Ementa:

Modelos para série temporais. Tendência e sazonalidade. Modelos de alisamento exponencial. Modelos ARIMA. Modelos Sazonais. Modelos de Função de Transferência. Processos com Memória Longa. Referências Básicas: Morettin, P. A. e Toloi, C. M. C. Análise de Séries Temporais. 2a Ed. Edgard Blücher, 2008. Box, G. E. P., Jenkins, G. M. e Reinsel, G. C. Time Series Analysis: Forecasting and Control. 4a Ed. Wiley, 2008. Cowpertwait, P. S. P. e Metcalfe, A. V. Introductory Time Series With R. Springer, 2009. Referências Complementares:



Shumway, R. H. e Stoffer, D. S. Time Series Analysis and Its Applications: With R Examples. Springer, 2010. Cryer, J. D. e Chan, K-S. Time Series Analysis: With Applications in R. Second Edition. Springer, 2008. Hamilton, J. D. Time Series Analysis. Princeton University Press, 1994. Wei, W. W. S. Time Series Analysis: Univariate and Multivariate Methods. Second Edition. Addison–Wesley, 2006. Brockwell, P. J. e Davis R. A. Time Series: Theory and Methods. Second Edition Springer, 2009. Disciplina: Planejamento de Experimentos Código: IEE064


Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Utilizar modelos de regressão normal linear para fazer inferências em torno da

relação entre variáveis relevantes para um determinado fenômeno sob

investigação.

Proceder a estimação e testes em modelos de regressão normal linear,

explicando assim como a variabilidade de uma determinada variável é

influenciada por outras variáveis relacionadas ao fenômeno sob investigação.

Ementa:

Delineamento inteiramente ao acaso. Delineamento em bloco ao acaso. Experimentos fatoriais. Modelo de efeitos fixos, aleatórios e mistos. Análise de covariância. Regressão não linear. Referências Básicas: Draper, N. R. e Smith, H. Applied Regression Analysis. 3a ed. John Wiley & Sons, 1998. Faraway, J. J. Linear Models with R. Chapman & Hall/CRC, 2005. Jørgensen, B. Theory of Linear Models. Chapman & Hall/CRC, 1993. Referências Complementares: Maindonald, J. e Brown, J. Data Analysis and Graphics Using R: An Example–Based Approach. 2a ed. Cambridge University Press, 2007. Montgomery, D. C. Design And Analysis Of Experiments. 7a ed. Wiley–Interscience, 2008. PINTO, J. C., SCHWAAB, MARCIO. Análise de Dados Experimentais II: Planejamento de Experimentos.E-PAPERS, 2011. KUTNER, M. H., NETER, J., WASSERMAN, W. Applied Linear Statiscal Models, Regression, Analysis of Variance and Experimental Designs. 3a. ed., Homewood: Richard D. Irwin, Inc, 1990. BOX, G. E. P., HUNTER, J. S., HUNTER, H. G Statistics for Experimenters. New York: John Wiley, 1978. 7º Período

http://www.amazon.com/s/ref=dp_byline_sr_book_1?ie=UTF8&field-author=Robert+H.+Shumway&search-alias=books&text=Robert+H.+Shumway&sort=relevancerank

http://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=David+S.+Stoffer&search-alias=books&text=David+S.+Stoffer&sort=relevancerank

http://www.amazon.com/Peter-J.-Brockwell/e/B001IQX9XA/ref=dp_byline_cont_book_1



Disciplina: Trabalho de Conclusão de Curso I Código: IEE027

Pré–Requisito: Inferência Estatística (IEE015)

Crédito: 7.0.7

Carga Horária: 210h

Objetivos:

Instruir os alunos sobre normas e técnicas para elaboração da monografia.

Propor o projeto de monografia.

Elaborar a revisão bibliográfica.

Ementa:

Participação em seminários de metodologia científica. Elaboração da proposta de projeto de monografia. Elaboração da revisão bibliográfica da monografia. Referências Básicas: Barros, A. J. P. e Lehfeld, N. A. S. Projeto de Pesquisa: Propostas Metodológicas. 15a ed. Vozes, 2004. Creswell, J. W. Projeto de Pesquisa: Método Qualitativo, Quantitativo e Misto. Artmed, 2007. Lakatos, E. M. e Marconi, M. A. Fundamentos de Metodologia Científica. 6a ed. Atlas, 2005. Referências Complementares: Marconi, M. A. e Lakatos, E. M. Técnicas de Pesquisa: Planejamento e Execução de Pesquisas, Amostragens e Técnicas de Pesquisa, Elaboração, Análise e Interpretação de Dados. 7a ed. Atlas, 2008. Severino, A. J. Metodologia do Trabalho Científico. 23a ed. Cortez, 2007. Pereira, J.M. Manual de Metodologia da Pesquisa Científica. 4ª Ed. Atlas, 2016. Ludwig, A. C. W. Fundamentos e Prática de Metodologia Científica. Vozes, 2009. Barros, A. J. S. e Lehfeld, N. A. S. Fundamentos de Metodologia Científica. 2ª Ed. Pearson, 2007. Disciplina: Modelos Lineares Generalizados Código: IEE028

Pré–Requisito: Modelos de Regressão I (IEE023)

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Utilizar extensões do modelo de regressão normal linear para fazer inferências

em torno da relação entre variáveis relevantes para um determinado fenômeno

sob investigação. Proceder à estimação e testes em extensões do modelo de

regressão normal linear.

Ementa:

Estimação em modelos lineares generalizados. Testes de hipóteses em modelos lineares generalizados. Diagnóstico em modelos lineares generalizados. Modelos de regressão para dados binários. Modelos de regressão para dados de contagem.

https://www.amazon.com.br/s/ref=dp_byline_sr_book_1?ie=UTF8&field-author=Aidil+Jesus+da+Silveira+Barros&search-alias=books

https://www.amazon.com.br/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Neide+Aparecida+de+Souza+Lehfeld&search-alias=books



Referências Básicas: Dobson, A. J. e Barnett, A. An Introduction to Generalized Linear Models. 3a ed. Chapman & Hall/CRC, 2008. Faraway, J. J. Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC, 2005. McCulloch, C. E., Searle, S. R. e Neuhaus, J. M. Generalized, Linear and Mixed Models. 2a ed. John Wiley & Sons, 2008. Referências Complementares: Myers, R. H., Montgomery, D. C., Vining, G. G. e Robinson, T. J. Generalized Linear Models: with Applications in Engineering and the Sciences. 2a ed. John Wiley & Sons, 2010. PAULA, G. A. Modelos de Regressão com apoio computacional. IME – Instituto de Matemática e Estatística – USP, 2004. Demétrio, C. G. B., Modelos Lineares Generalizados em Experimentação Agronômica. 2002. MONTGOMERY, D. C.; PECK, E. Introduction to linear regression analysis. 3 rd Edition. New York: Wiley-Interscience, 2001. Collet D. Modelling Binary Data. Chapman & Hall, 1991. Disciplina: Análise de Sobrevivência e Confiabilidade Código: IEE065


Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Descrever o modelo para tempos de vida e estudar métodos paramétricos e

não-paramétricos para estimar modelos de sobrevivência e confiabilidade.

Introduzir conhecimentos de análise de risco de sistemas e/ou componentes.

Ementa:

Dados de sobrevivência. Função de sobrevivência. Métodos não–paramétricos de estimação da função de sobrevivência. Métodos paramétricos de tempos de vida. Principais distribuições do tempo de vida. Modelo Aditivo de Aalen. Censura intervalar e dados grupados. Confiabilidade de Sistemas. Testes acelerados. Redundância e Manutenabilidade. FMEA e FTA (Árvore de Falhas). Referências Básicas: Colossimo, E. A. e Giolo. S. R. Análise de Sobrevivência Aplicada. Edgar Blücher, 2006. Cox, D. R. e Oakes, D. Analysis of Survival Data. Chapman & Hall/CRC, 1984. Lawless, J. F. Statistical Models and Methods for Lifetime Data. 2a ed. John Wiley & Sons, 2002. Lee, E. T. e Wang, J. W. Statistical Methods for Survival Data Analysis. 3a ed. John Wiley & Sons, 2003. Referências Complementares:



BORGES, W.S; COLOSIMO, E. A & FREITAS, M. Métodos estatísticos e melhoria da qualidade: construindo confiabilidade em produtos. 12º. Sinape. ABE. Caxambu, 1996. LEWIS, E.E. Introduction to Reliability Engineering. John Wiley & Sons. 1998, 435 p. Louzada Neto, F.; Mazucheli, J. & Achcar, J. A. Tópicos em Análise de Sobrevivência e Confiabilidade. Apostila da 21ª. Semana de Estatística da Ufam. Manaus, 2003. Carvalho, M. S.; Andreozzi, V. L.; Codeço, C. T.; Campos, D. P.; Barbosa, M. T. S. & Shimakura, S. E. Análise de Sobrevivência: Teoria e Aplicações em Saúde. 2a. Ed. Rio de Janeiro. Ed. Fiocruz, 2011, 434 p. 8º Período Disciplina: Trabalho de Conclusão de Curso II Código: IEE030

Pré–Requisito: Trabalho de Conclusão de Curso I (IEE027)

Crédito: 8.0.8

Carga Horária: 240h

Objetivos:

Permitir ao discente a prática da pesquisa de cunho profissional, ainda no

ambiente estudantil, bem como a defesa das conclusões alcançadas em tal

pesquisa, perante uma banca de docentes.

Ementa:

Elaboração de monografia final de curso com base em projeto anteriormente elaborado, considerando as exigências teórico-metodológicas e relacionado com um tópico de pesquisa na área de Estatística, sob a orientação de um professor. Referências Básicas: Barros, A. J. P. e Lehfeld, N. A. S. Projeto de Pesquisa: Propostas Metodológicas. 15a ed. Vozes, 2004. Creswell, J. W. Projeto de Pesquisa: Método Qualitativo, Quantitativo e Misto. Artmed, 2007. Lakatos, E. M. e Marconi, M. A. Fundamentos de Metodologia Científica. 6a ed. Atlas, 2005. Referências Complementares: Marconi, M. A. e Lakatos, E. M. Técnicas de Pesquisa: Planejamento e Execução de Pesquisas, Amostragens e Técnicas de Pesquisa, Elaboração, Análise e Interpretação de Dados. 7a ed. Atlas, 2008. Severino, A. J. Metodologia do Trabalho Científico. 23a ed. Cortez, 2007. Pereira, J.M. Manual de Metodologia da Pesquisa Científica. 4ª Ed. Atlas, 2016. Ludwig, A. C. W. Fundamentos e Prática de Metodologia Científica. Vozes, 2009.



Barros, A. J. S. e Lehfeld, N. A. S. Fundamentos de Metodologia Científica. 2ª Ed. Pearson, 2007. b) Disciplinas Eletivas Disciplina: Introdução a Ciências dos Dados Código: IEE066

Pré–Requisito: -

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Introduzir as principais ferramentas do cientista de dados. Aprimorar o

conhecimento da estrutura da linguagem R. Desenvolver as habilidades de

manipulação e visualização de dados. Introduzir à criação de produtos.

Ementa:

Ferramentas da Ciência de Dados; Tópicos Avançados da Linguagem R; Obtenção e Limpeza de Dados; Visualização de Dados; Criação de Produtos: webapps shiny, rMarkdown. Referências Básicas: Amaral, F. Introdução à Ciência de Dados: mineração de dados e big data. Alta Books. Abedin, J. Data Manipulation with R. Packt, 2014. Publishing. Birmingham. UK.Beeley, C. Web Application Development with R Using Shiny. Packt Publishing, 2013. Chang, W. R Graphics Cookbook. O'Reilly Media, 2012. Referências Complementares: Munzert, S., Rubba, C., Maibner, P. & Nyhuis, D. Automated Data Collection with R – A Practical Guide to Web Scraping and Text Mining. John Wiley & Sons. UK, 2015. Peng, R. D. R Programming for Data Science. Lean Publishing. (Livro pode ser adquirido gratuitamente em http://leanpub.com/rprogramming), 2015. Wickham, H. Advanced R. CRC Press. NW, 2014. Wickham, H. R Packages - Organize, Test, Document, and Share Your Code. O´Reilly Media, 2015. Xie, Y. Dynamic Documents with R and knitr. Chapman and Hall/CRC, 2013. Disciplina: Introdução a Aprendizagem de Máquina Código: IEE067

Pré–Requisito: -

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

O objetivo principal desta disciplina é apresentar os principais conceitos e métodos em aprendizagem de máquina, incluindo uma variedade de algoritmos e técnicas como: aprendizagem de conceitos, árvores de decisão, redes neurais, métodos probabilísticos de aprendizagem, redes bayesianas, bem como a aplicação destes conceitos em problemas reais.

https://www.amazon.com.br/s/ref=dp_byline_sr_book_1?ie=UTF8&field-author=Aidil+Jesus+da+Silveira+Barros&search-alias=books

https://www.amazon.com.br/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Neide+Aparecida+de+Souza+Lehfeld&search-alias=books



Ementa:

Introdução a aprendizagem de máquina, Extração de Características. Árvores de Decisão. Aprendizagem Baseada em Instâncias. Aprendizagem Bayesiana. Redes Neurais Artificiais. Máquinas de Vetor de Suporte. Tópicos especiais em Aprendizagem de Máquina. Referências Básicas: Bishop, C. M. Pattern Recognition and Machine Learning. Springer, 2006. R. O. Duda, P. E. Hart, D. G. Stork. Pattern Classification, 2nd edition, Wiley-Interscience, 2000. ISBN 0471056693. José Augusto Baranauskas. Sistemas Inteligentes, Manole, 2003. Referências Complementares: Faceli, Katti; Lorena, Ana Carolina; Gama, João; de Carvalho, A. C. P. L. F., Inteligência Artificial:Uma Abordagem de Aprendizado de Máquina. 1. ed. Riode Janeiro: LTC, 2011. Alpaydin, E. Introduction to Machine Learning. MIT Press, 2004. Han, Jiawei; Kamber, Micheline. Data Mining Concepts and Techiniques. 3ª. Edição, 2012. Witten, Ian; Frank, Eibe. Data Mining: Practical Machine Learning Tools and Techniques. 2005. Hastie, Trevor; Tibshirani, Robert; Friedman, Jeromebert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2005. Disciplina: Introdução a Mineração de Dados Código: IEE068

Pré–Requisito: -

Crédito: 5.4.1

Carga Horária: 90h

Objetivos:

Assimilar conceitos de mineração de dados e descoberta de conhecimento em bases dados. Assim como, Apresentar/experimentar técnicas de mineração de dados e descoberta de conhecimento de bases de dados para a modelagem de problemas reais em áreas científicas e tecnológicas. Ementa:

Volume de dados e exemplos científicos e comerciais; Relação entre dados, informação e conhecimento; Definição de mineração de dados e de descoberta de conhecimento em bases de dados; Aplicação de técnicas de mineração de dados; Conceitos básicos; Pré-processamento de dados para mineração; Técnicas e algoritmos: classificação, regressão, agrupamento, busca de regras de associação; Exemplos de aplicação destas técnicas; Visualização para mineração de dados. Referências Básicas: Leandro N. de Castro, DANIEL G. FERRARI. Introdução a Mineração de Dados. Saraiva, 2011. Leandro A. Silva. Introdução À Mineração de Dados - Com Aplicação em R. Elsevier, 2016.



Thomas H. Davenport. Big Data No Trabalho - Derrubando Mitos e Descobrindo Oportunidades. Campus, 2015. Referências Complementares: Thomas H. Davenport, Jinho K. Dados Demais. Elsevier, 2016 Ronaldo Goldschmidt, Emmanuel Passos. Data Mining: Conceitos, Técnicas, Algoritmos, Orientações e Aplicações. Elsevier, 2015. Han, Jiawei; Kamber, Micheline. Data Mining Concepts and Techiniques. 3a. Edição, 2012 Witten, Ian; Frank, Eibe. Data Mining: Practical Machine Learning Tools and Techniques. 2005. Hastie, Trevor; Tibshirani, Robert; Friedman, Jeromebert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2005. Disciplina: Introdução ao Reconhecimento Estatístico de Padrões Código:

IEE034

Pré–Requisito: Estatística Multivariada I (IEE058)

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Apresentar métodos estatísticos empregados para a resolução de problemas

em Reconhecimento de Padrões.

Ementa:

O problema em reconhecimento de padrões. Classificador de Bayes. Abordagem paramétrica. Abordagem não paramétrica. Métodos de regressão para classificação. Métodos para agrupamentos. Mistura finita de densidades. Redes neurais artificiais. Referências Básicas: Hastie, T., Tibshirani, R. e Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2a ed. Springer-Verlag, 2009. Theodoridis, S. e Konstantinos, K. Pattern Recognition. 4a ed. Academic Press, 2009. Ripley, B. D. Pattern Recognition and Neural Networks. Cambridge University Press, 1996. Referências Complementares: McLachlan, G. J. Discriminant Analysis and Statistical Pattern

Recognition. John Wiley & Sons, 2004.

Han, Jiawei; Kamber, Micheline. Data Mining Concepts and Techiniques. 3ª. Edição, 2012 Witten, Ian; Frank, Eibe. Data Mining: Practical Machine Learning Tools and Techniques. 2005. Thomas H. Davenport, Jinho K. Dados Demais. Elsevier, 2016. Leandro A. Silva. Introdução À Mineração de Dados - Com Aplicação em R. Elsevier, 2016.



Disciplina: Pesquisa Operacional Código: IEE036


Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Apresentar os modelos matemáticos e os métodos tradicionais utilizados na

análise quantitativa e tomada de decisão.

Ementa:

Programação Linear. Teoria da Dualidade e Análise de Sensibilidade. Modelos de Transporte e Alocação. Análise de Grafos. Programação Inteira. Processos de Markov. Teoria das Filas. Simulação. Referências Básicas: Hiller, F. e Liebermann, G. F. Introduction to Operations Research With Student Access Card. 9a ed. McGraw–Hill, 2009. Lachtermacher, G. Pesquisa Operacional na Tomada de Decisões. 4a ed. Prentice Hall Brasil, 2004. Frederick S. Hillier,Gerald J. Lieberman. Introdução à Pesquisa Operacional. 9ed. MC GRAM HILL, 2013. Referências Complementares: Taha, H. A. Operations Research: An Introduction. 8a ed. Prentice Hall, 2007. Andrade, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos para Análise de Decisões. 5 ed. LTC, 2014. Arenales, M. N., Armentano, Vinícius. Pesquisa Operacional. 2 ed. Campus, 2006. W. L. WINSTON. Operations Research: Applications and Algorithms, 4 ed., Duxbury Press, 2003. D. G. LUENBERGER. Linear and Nonlinear Programming. New York: Kluwer Academic, 2nd edition, 2003. Disciplina: Processos Estocásticos Código: IEE018


Crédito: 4.4.0

Carga Horária: 60h

Objetivos:

Apresentar resultados da teoria elementar de probabilidade aplicada ao estudo

de processos estocásticos e os principais modelos desses processos.

Ementa:

Classificação e caracterização de processos estocásticos. Cadeia de Markov à parâmetro discreto. Cadeia de Markov à parâmetro contínuo. Processo de Poisson. Processo de Renovação. Referências Básicas:

https://www.amazon.com.br/s/ref=dp_byline_sr_book_1?ie=UTF8&field-author=Eduardo+Leopoldino+de+Andrade&search-alias=books






CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos Editora, 1979. Grimmett, G. R. e Stirzaker, D. R. Probability and Random Processes. 3a ed. Oxford University Press, 2001. Hoel, P. G., Port, S. C. e Stone, C. J. Introduction to Stochastic Processes. Waveland Press, 1972. Referências Complementares: Karlin, S. e Taylor, H. M. A First Course in Stochastic Processes. 2a ed. Academic Press, 1975. Karlin, S. e Taylor, H. M. An Introduction to Stochastic Modeling. 3a ed. Academic Press, 1998. Ross, S. M. Introduction to Probability Models. 10a ed. Academic Press, 2010. Papoulis, A. Probability, Random Variables and Stochastic Processes. 3ª Ed. McGraw Hill, 1991 . Magalhães, M. N. Introdução a redes de filas. 12o. SINAPE. Caxambu, 1996. Disciplina: Tópicos em Estatística Espacial Código: IEE039

Pré–Requisito: -

Crédito: 3.2.1

Carga Horária: 60h

Objetivos:

Fornecer as bases para o entendimento de variação temporal, espacial e interação espaço-tempo. Aplicar as técnicas de monitoramento em processos industriais, sistemas de vigilância em saúde e crimes, meio ambiente, entre outros. Ementa:

Conceitos básicos em Estatística Espacial: dependência espacial, estacionariedade e isotropia. Tipos de dados em Estatística Espacial. Visualização dos dados espaciais. Análise de Dados Espaciais. Definições básicas sobre processos no tempo, no espaço e espaço-tempo. Processos no domínio do tempo. Processos espaciais. Processos no espaço-tempo. Métodos Bayesianos. Referências Básicas: Assunção, R. M. Estatística Espacial com Aplicações em Epidemiologia, Economia e Sociologia. Vol. 1. Associação Brasileira de Estatística, 2000. Druck, S; Carvalho, M.S; Câmara, G & Monteiro, A.M V. (2004). Análise Espacial de Dados Geográficos. São José dos Campos, Distrito Federal; Embrapa, 2 ed. (Disponível em http://www.dpi.inpe.br/gilberto/livro/analise/) Bailey, T.; Gatrell, A. Interactive Spatial Data Analysis. London, Longman Scientific and Technical, 1995. Referências Complementares: Bivand, R.S; Pebesma, E.J & Rubio, V.G. Applied spatial data analysis with R. New York : Springer. Druck, S; et alli, 2008. Ripley, B.d. Spatial statistics. Hoboken, N.J : Wiley-Inerscience, 2004.



Davis, A.C, Jr.; Monteiro, A.M. (Org.) Advances in Geoinformatics. Springer Verlag, 2007. DIGGLE, P. J. & RIBEIRO JR., P. J. Model-based Geostatistics. Springer: New York, 2007. CRESSIE, N. Statistics for Spatial Data. Wiley: New York, 1993. Disciplina: Estatística Computacional II Código: IEE022 Pré–Requisito: Introdução à Programação de Computadores (IEC037) Crédito: 3.2.1

Carga Horária: 60h

Objetivos: Utilizar métodos de simulação estocástica como uma ferramenta para análise de dados. Aplicar técnicas numéricas na resolução de problemas inferenciais. Ementa: Algoritmo EM. MCMC. Bootstrap. Estimação de densidades. Referências Básicas: Gamerman, D., Lopes, H. F. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Chapman and Hall/CRC, 2006. Gentle, J. E. Elements of Computational Statistics. Springer Verlag, 2002. Givens, G. H. e Hoeting, J. A. Computational Statistics. John Wiley & Sons,2005. Referências Complementares: Jones, O., Maillardet, R. e Robinson, A. Introduction to Scientific Programming and Simulation Using R. Chapman & Hall, 2009. Robert, C. P. e Casella, G. Introducing Monte Carlo Methods With R. Springer Verlag, 2010. Peter, D. Introductory Statistics with R. Springer, 2002. EFRON, Bradley. The Jackknife, the bootstrap, and other resampling plans. Philadelphia, Pennsylvania: Society for Industrial and Applied Mathematics. W. J. Braun and D. J. Murdoch. A First Course in Statistical Programming with R. Cambridge University Press, 2007. Disciplina: Tópicos em Monitoramento Estatístico Código: IEE040 Pré–Requisito: - Crédito: 3.2.1

Carga Horária: 60h

Objetivos: Transmitir e desenvolver os conceitos que fundamentam o monitoramento estatístico de um processo estocástico no tempo e no espaço-tempo. Utilizar técnicas de controle estatístico do processo, séries temporais e teoria de controle para verificar a estabilidade do processo e reduzir a variabilidade do sistema. Ementa:



Gráficos de Controle EWMA e CUSUM. Modelos de Série Temporal. Gráfico de Ajuste Manual (Bounded Adjustment Chart). Monitoramento do processo através da Estatística Cuscore. Monitoramento e Ajuste Simultâneo. Referências Básicas: Hunter, J. S. The Box-Jenkins Bounded Manual Adjustment Chart: A Grahical Tool Designed for Use on the Production Floor. Quality Progress, 1998 pp. 129-137. Box, G. & Ramirez, J. Cumulative Score Charts. Quality and Realiability Engineering International, Vol 8, 1992, 17-27. MONTGOMERY, D.C. Introduction to Statistical Quality Control. John Wiley and Sons, New York, 1985. Referências Complementares: Box, G., Jenkins, G. & Reinsel, G. Time Series Analysis: Forecasting and Control, 1994. Peter R. and Ikuho Y. Statistical Detection and Surveillance of Geographic Clusters. Chapman and Hall/CRC, 2008. Kulldorff, M. SaTScan - Software for the spatial, temporal, and space-time cluster. SaTScanTM User Guide, 2015. Kulldorff, M., Andrew B. L., and Ken K. Spatial and Syndromic Surveillance for Public Health. Wiley, 2005. Box, G & Luceno, A. Statistical Control by Monitoring and Feedback Adjustment. Wiley Series in Probability and Statistics, 1999. Disciplina: Análise de Dados Longitudinais Código: IEE031 Pré–Requisito: Modelos de Regressão I (IEE023) Crédito: 3.2.1

Carga Horária: 60h

Objetivos: Fornecer métodos estatísticos básicos para a análise de dados longitudinais que consistem em medidas repetidas de indivíduos ao longo do tempo. O foco do curso é a modelagem da variável resposta levando-se em consideração a dependência das observações repetidas intra-indivíduo. Ementa: Conceitos básicos e exemplos de dados longitudinais. Análise exploratória. Estruturas de correlação. Modelo linear normal com erros correlacionados. Modelo de efeitos aleatórios. Equações de estimação generalizadas. Referências Básicas: Bruner, E., Domhof, S. & Langer, F. Nonparametric analysis of longitudinal data in factorial experiments. John Wiley, 2002. Crowder, M. J. & Hand, J. Practical longitudinal data analysis. Chapman and Hall, 1996. Davis, C. S. Statistical methods for the analysis of repeated measures. Springer, 2002. Referências Complementares: Jones, R. H. Longitudinal data with serial correlation: a state-space approach. Chapman and Hall, 1993.



Diggle, P. J., Heagerty, P., Liang, K. Y. & Zeger, S. L. Analysis of longitudinal data. 2a ed. Oxford University Press, 2002. Molenberghs, G. & Verbeke, G. Linear mixed models for longitudinal data. Springer, 2000. Molenberghs, G. & Verbeke, G. Models for discrete longitudinal data. Springer, 2005. Demidenko, E. Mixed Models: Theory and Applications. New York: Wiley, 2004. Disciplina: Inferência Bayesiana Código: IEE033 Pré–Requisito: Inferência Estatística (IEE015) Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Dissertar sobre os princípios fundamentais da inferência Bayesiana.

Formular modelos Bayesianos para análise de dados reais.

Proceder à abordagem Bayesiana de estimação e testes em modelos selecionados. Ementa: O paradigma Bayesiano. Os princípios da verossimilhança e da suficiência. Especificações a priori e distribuições a posteriori. Estimação pontual. Estimação por regiões. Testes de Hipóteses Bayesianos. Previsão. Métodos de Monte Carlo em Inferência Bayesiana. Simulação MCMC. Referências Básicas: Bolstad, W. M. Introduction to Bayesian Statistics. 2a ed. John Wiley & Sons,

2007.

Congdon, P. Bayesian Statistical Modelling. 2a ed. John Wiley & Sons, 2007.

Marin, J–M. e Robert, C. P. Bayesian Core: A Practical Approach to

Computational Bayesian Statistics. Springer, 2007.

Referências Complementares: Paulino, C. D., Turkman, M. A. A e Murteira, B. Estatística Bayesiana.

Fundação Calouste Gulbenkian, 2003.

Press, S. J. Subjective and Objective Bayesian Statistics: Principles,

Models, and Applications. 2a ed. John Wiley & Sons, 2002.

Robert, C. P. The Bayesian Choice: From Decision–Theoretic Foundations to

Computational Implementation. 2a ed. Springer-Verlag, 2007.

MIGON, H.S.; GAMERMAN, D. Statistical Inference: An Integrated Approach.

Arnold. London: 1999.

Gelman, A., Carlin, J.B., Stern, H.S. and Rubin, D.B. Bayesian Data Analysis. Chapman and Hall, London, 1995. Disciplina: Modelos Lineares Dinâmicos Código: IEE035 Pré–Requisito: Probabilidade C (IEE057) Crédito: 3.2.1



Carga Horária: 60h

Objetivos: Apresentar os modelos lineares dinâmicos e suas principais aplicações.

Capacitar o aluno a desenvolver, aplicar e supervisionar os principais modelos dinâmicos em séries de dados. Ementa: Teorema de Bayes. Modelos Lineares. Inferência para a distribuição normal multivariada via conjugação. Filtro de Kalman. Modelo Linear Dinâmico (MLD). Fator de descontos. MLD polinomial. MLD sazonal. Suavização. Superposição de modelos. Monitoração. Referências Básicas: Petris, G., Petrone, S. e Campagnoli, P. Dynamic Linear Models with R.

Springer, 2009.

Pole, A., West, M. e Harrison, J. Applied Bayesian Forecasting and Time

Series Analysis. Chapman & Hall/CRC, 1994.

West, M. e Harrison, J. Bayesian Forecasting and Dynamic Models. 2a ed.

Springer, 1997.

Referências Complementares: Prado, R., & West, M. Time series: modeling, computation, and inference. CRC Press, 2010. Harvey, A. C. Forecasting, structural time series models and the Kalman filter. Cambridge university press, 1990. Morettin, P. A., & Toloi, C. Análise de séries temporais. Blucher, 2006. Durbin, J., & Koopman, S. J. Time series analysis by state space methods (Vol. 38). OUP Oxford, 2012. Marin, J. M., & Robert, C. Bayesian core: a practical approach to computational Bayesian statistics. Springer Science & Business Media, 2007. Disciplina: Séries Temporais no Domínio da Frequência Código: IEE037 Pré–Requisito: Séries Temporais (IEE025) Crédito: 3.2.1

Carga Horária: 60h

Objetivos: Utilizar as técnicas de análise espectral e modelagem para dados de fronteira. Ementa: Análise de Fourier. Análise Espectral. Modelos Threshold. Referências Básicas: Cowpertwait, P. S. P. e Metcalfe, A. V. Introductory Time Series With R. Springer, 2009. Cryer, J. D. e Chan, K–S. Time Series Analysis: With Applications in R. 2a ed. Springer, 2008. Hamilton, J. D. Time Series Analysis. Princeton University Press, 1994. Referências Complementares: Morettin, P. A. e Toloi, C. M. C. Análise de Séries Temporais. 2a ed. Edgard

Blücher, 2006.



Shumway, R. H. e Stoffer, D. S. Time Series Analysis and Its Applications:

With R Examples. 2a ed. Springer, 2006.

Wei, W. W. S. Time Series Analysis: Univariate and Multivariate Methods. 2a

ed. Addison–Wesley, 2006.

Box, G. E. P., Jenkins, G. M. e Reinsel, G. C. Time Series Analysis: Forecasting and Control. 4a ed. John Wiley & Sons, 2008. West, M. e Harrison, J. Bayesian Forecasting and Dynamic Models. 2a ed. Springer, 1997. Disciplina: Tópicos de Séries Temporais Código: IEE038 Pré–Requisito: Séries Temporais (IEE025) Crédito: 3.2.1

Carga Horária: 60h

Objetivos: Utilizar técnicas adicionais para modelar dados com comportamento não–linear e dados multivariados. Ementa: Análise de Intervenção. Modelos de Espaço de Estados. Modelos Não–Lineares. Modelos Multivariados. Referências Básicas: Box, G. E. P., Jenkins, G. M. e Reinsel, G. C. Time Series Analysis: Forecasting and Control. 4a ed. John Wiley & Sons, 2008. Cowpertwait, P. S. P. e Metcalfe, A. V. Introductory Time Series With R. Springer, 2009. Cryer, J. D. e Chan, K–S. Time Series Analysis: With Applications in R. 2a ed. Springer, 2008. Referências Complementares: Enders, W. Applied Econometric Time Series. 3a ed. John Wiley & Sons, 2009. Hamilton, J. D. Time Series Analysis. Princeton University Press, 1994. Morettin, P. A. e Toloi, C. M. C. Análise de Séries Temporais. 2a ed. Edgard Blücher, 2008. Shumway, R. H. e Stoffer, D. S. Time Series Analysis and Its Applications: With R Examples. 2a ed. Springer, 2006. Wei, W. W. S. Time Series Analysis: Univariate and Multivariate Methods. 2a

ed. Addison–Wesley, 2006.

c) Disciplinas Optativas

Disciplina: Confiabilidade de Sistemas Código: IEE032 Pré–Requisito: Introdução à Inferência Estatística (IEE014); Probabilidade B

(IEE055)

Crédito: 4.3.1

Carga Horária: 75h

Objetivos:



Capacitar os alunos a estimar confiabilidade em produtos e/ou sistemas.

Introduzir conhecimentos para análise de risco de sistemas e/ou componentes. Ementa: Modelos para tempos de vida. Elementos da Confiabilidade. Dados censurados. Testes acelerados. Estimação não paramétrica. Estimação clássica e bayesiana. Confiabilidade de Sistemas. Redundância e Manutenabilidade. Confiabilidade em Sistemas Complexos – FMEA e FTA (Árvore de Falhas). Referências Básicas: Bazovsky, I. Reliability Theory and Practice. Dover Publications, 2004. Borges, W. S., Colosimo, E. A. e Freitas, M. A. Métodos Estatísticos e Melhoria da Qualidade: Construindo Confiabilidade em Produtos. 12o SINAPE. Associação Brasileira de Estatística, 1996. Dhillon, B. S. Design Reliability: Fundamentals and Applications. CRC Press LLC, 1999. Referências Complementares: Lewis, E. E. Introduction to Reliability Engineering. 2a ed. John Wiley & Sons, 1996. Louzada Neto, F.; Mazucheli, J. & Achcar, J. A. Tópicos em Análise de Sobrevivência e Confiabilidade. Apostila da 21 a. Semana de Estatística da Ufam. Manaus, 2003. STAPELBERG, R. F. Handbook of Reliability, Availability, Maintanainability and Safety in Engineering Design. London: Springer, 2009. BARLOW, R.E. Engineering Reliability. Berkeley: ASA-SIAM Series on Statistics and Applied Probability, 1998. WESSELS, W. R. Practical Reliability Engineering and Analysis for System Design and Life-cycle Sustainment. Boca Raton: CRC Press, 2010.

Disciplina: Tópicos em Inferência Estatística I Código: IEE041 Pré–Requisito: Inferência Estatística (IEE015)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Modelar fenômenos reais utilizando a teoria estatística.

Aplicar inferência estatística na solução de problemas reais.

Ementa: Suficiência e completicidade. Algoritmos de Estimação. Método do Bootstrap.

Aproximações Assintóticas: Consistência e Método Delta. Estimação em casos

multiparamétricos.

Referências Básicas: Bickel, P. J. e Doksum, K. A. Mathematical Statistics: Basic Ideas and Selected Topics. Vol 1. 2a ed. Prentice Hall, 2001. Casella, G e Berger R. L. Statistical Inference. 2a ed. Duxbury, 2002. Roussas, G. G. A Course in Mathematical Statistics. 2a ed. Academic Press, 1997.



Referências Complementares: Leite, J. G. e Singer, J. M. Métodos Assintóticos em Estatística: Fundamentos e Aplicações. 9o SINAPE-ABE, 1990. Wasserman, L. All of Statistics: A Concise Course in Statistical Inference. Springer, 2010. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006. DeGroot, M. H e Schervish, M. J. Probability and Statistics. 4th Edition. Pearson, 2011. Bickel, P. J. e Doksum, K. A. Mathematical Statistics. Updated Printing. 2a ed.

Prentice Hall, 2006.

Disciplina: Tópicos em Inferência Estatística II Código: IEE042 Pré–Requisito: Inferência Estatística (IEE015)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Compreender conceitos avançados da teoria da probabilidade

Modelar fenômenos reais utilizando a teoria da probabilidade Ementa: Teoria da decisão. Teoria Assintótica em testes de hipóteses. Testes de hipótese em casos multiparamétricos. Referências Básicas: Bickel, P. J. e Doksum, K. A. Mathematical Statistics: Basic Ideas and Selected Topics. Vol 1. 2a ed. Prentice Hall, 2001. Casella, G e Berger R. L. Statistical Inference. 2a ed. Duxbury, 2002. Roussas, G. G. A Course in Mathematical Statistics. 2a ed. Academic Press, 1997. Referências Complementares: Leite, J. G. e Singer, J. M. Métodos Assintóticos em Estatística: Fundamentos e Aplicações. 9o SINAPE-ABE, 1990. Wasserman, L. All of Statistics: A Concise Course in Statistical Inference. Springer, 2010. Rice, J. A. Mathematical Statistics and Data Analysis. Third Edition. Cengage Learning, 2006. DeGroot, M. H e Schervish, M. J. Probability and Statistics. 4th Edition. Pearson, 2011. Bickel, P. J. e Doksum, K. A. Mathematical Statistics. Updated Printing. 2a ed. Prentice Hall, 2006.

Disciplina: Tópicos em Probabilidade I Código: IEE043 Pré–Requisito: Probabilidade B (IEE055)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos:



Compreender conceitos avançados de probabilidade necessários para dar continuidade aos estudos em nível de pós-graduação. Ementa: Espaço de probabilidade: Álgebra e σ-Álgebra. Medida de probabilidade. Distribuições especiais. Distribuições e esperanças condicionais: Definições formais e teoremas de existência. O princípio da preservação de chances relativas. O princípio da substituição. Referências Básicas: James, B. R. Probabilidade: um curso em nível intermediário. 2a ed. Projeto Euclides-IMPA, 1996. Casella, G e Berger R. L. Statistical Inference. 2a ed. Duxbury, 2002. Feller, W. An Introduction to Probability Theory and its Applications. 3a ed. Volume I. John Wiley & Sons, Inc, 1967. Referências Complementares: Magalhães, M. N. Probabilidade e Variáveis Aleatórias. IME-USP, 2004. Roussas, G. G. A Course in Mathematical Statistics. 2a ed. Academic Press, 1997. DeGroot, M. H e Schervish, M. J. Probability and Statistics. 4th Edition. Pearson, 2011. Ross, Sheldon M. A first course in probability. 4ed., Prentice Hall International. London, 1994. Resnick, S.I. A Probability Path.Springer-Verlag. New York, 1998.

Disciplina: Tópicos em Probabilidade II Código: IEE044 Pré–Requisito: Probabilidade B (IEE055)

Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Compreender conceitos avançados de probabilidade necessários para dar continuidade aos estudos em nível de pós-graduação. Ementa: Variáveis aleatórias: Tipos de variáveis. Distribuição de somas de variáveis aleatórias. Teoremas limite. Funções Características e Convergência. Referências Básicas: James, B. R. Probabilidade: um curso em nível intermediário. 2a ed. Projeto Euclides-IMPA, 1996. Casella, G e Berger R. L. Statistical Inference. 2a ed. Duxbury, 2002. Feller, W. An Introduction to Probability Theory and its Applications. 3a ed. Volume I. John Wiley & Sons, Inc, 1967. Referências Complementares: Magalhães, M. N. Probabilidade e Variáveis Aleatórias. IME-USP, 2004. Roussas, G. G. A Course in Mathematical Statistics. 2a ed. Academic Press, 1997. DeGroot, M. H e Schervish, M. J. Probability and Statistics. 4th Edition. Pearson, 2011.



Ross, Sheldon M. A first course in probability. 4ed., Prentice Hall International. London, 1994. Resnick, S.I. A Probability Path.Springer-Verlag. New York, 1998. Disciplina: Introdução à Análise Código: IEM106 Pré–Requisito: Cálculo Diferencial e Integral II (IEM076) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Ao final do curso o aluno deve conhecer e aplicar os conceitos formais, definições e principais teoremas, sobre números reais, sequências, séries, topologia na reta, limite e continuidade de funções de uma variável real, cálculo diferencial e integral. Ementa: Números Reais. Sequências e Séries de Números Reais. Noções de Topologia da Reta. Funções Contínuas. Derivada. Integral de Riemann. Referências Básicas: Ávila, G. S. S. Introdução à Análise Matemática. 2a ed. Edgard Blücher, 2001. Lima, E. L. Análise Real: Funções de uma Variável. Vol. 1. 10a ed. Coleção Matemática Universitária/IMPA, 2009. Lima, E. L. Curso de Análise. Vol. 1. 12a ed. Projeto Euclides/IMPA, 2009. Referências Complementares: Ávila, G. O Ensino do Cálculo e a Análise. Matemática Universitária, N. 33, 2001. Figueiredo, D.G. Análise I. Edição, L.T.C. Editora, Rio de Janeiro, 1996. Rudin, W. Princípios de Análise Matemática. Livro Técnico e Ed. Universidade de Brasília, 1976. Bartle, R.G, and Sherbert, D.R. Introduction to Real Analysis. Third. Edition, John Wiley & Sons, Inc, 2000. Maciel, A.B and Lima, O.A. Introdução à Análise Real. EDUEPB, Campina Grande-PB, 2005. Disciplina: Equações Diferenciais Ordinárias Código: IEM141 Pré–Requisito: Cálculo Diferencial e Integral II (IEM076) Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Estudar os teoremas que fundamentam o Cálculo Diferencial e Integral de uma

variável.

Reconhecer as conseqüências e obter contra-exemplo de cada teorema. Ementa: Equações Diferenciais de Primeira Ordem. Equações Diferenciais Ordinárias. Lineares e de Ordem maior que 1. Coeficientes a Determinar e Variação de Parâmetros. Sistema de Equações Diferenciais Lineares com Coeficientes



Constantes. Transformada de Laplace: Aplicações à Resolução de Equações e Sistemas. Solução em Série e Potências. Métodos Numéricos. Referências Básicas: Abunahman, S. A. Equações Diferenciais. Editora Didática e Científica, 1991. Braun, M. Equações Diferenciais e suas Aplicações. 6a ed. Campus, 1999. Bronson, R. & Gabriel, C. Equações Diferenciais Aplicadas. Bookman, 2008. Referências Complementares: Boyce, W. E. and Di Prima, R. C. Equações Diferenciais Elementares e Problemas de Valores de Contorno. 9ed. Editora LTC, 2010. FIGUEIREDO, D. G. e NEVES, A. F. Equações diferenciais aplicadas. Rio de Janeiro: Coleção matemática universitária, IMPA, 1997. ZIll, D. G. Equações diferenciais com aplicações em modelagem. São Paulo: Thomson, 2003. DOERING, C. I. e LOPES, A. O. Equações Diferenciais Ordinárias. Rio de Janeiro: IMPA, 2005. Leighton, W. Equações Diferenciais Ordinárias. 2a ed. LTC, 1978. Disciplina: Cálculo Avançado Código: IEM231 Pré–Requisito: Cálculo Diferencial e Integral II (IEM076) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Estudar as funções entre espaços euclidianos, através de sua estrutura de espaço vetorial, o que irá esclarecer os enunciados e tornar as demonstrações dos resultados mais simples, proporcionando uma melhor compreensão dos fenômenos diferenciais. Ementa: Aplicações entre os espaços euclidianos. Diferenciação. Regra da Cadeia. Teoremas da Função Inversa e da Função Implícita. Teoremas de Green, Gauss e Stokes. Funções de uma Variável Complexa. Condições de Cauchy-Riemman. Funções Analíticas. Fórmula Integral de Cauchy. Funções Harmônicas. Referências Básicas: Ávila, G. S. S. Funções de uma Variável Complexa. LTC, 1974. Churchill, R. V. Variáveis Complexas e suas Aplicações. Makron Books, 1975. Guidorizzi, H. L. Um Curso de Cálculo. Vol. 3. 5a ed. LTC, 2002. Referências Complementares: Williamson, R. E., Crowell, R. H. e Trotter, H. F. Cálculo de Funções Vetoriais: Álgebra Linear e Cálculo Diferencial. Vol. 1. LTC, 1974. Williamson, R. E., Crowell, R. H. e Trotter, H. F. Cálculo de Funções Vetoriais: Séries e Integrais Múltiplas. Vol. 2. LTC, 1976. Spivak, M. Cálculo em Variedades. Rio de Janeiro: Editora Ciência Moderna, 2003. Quevedo, C.P. Cálculo Avançado. 1a.ed. Interciência, 2000. Praciano-Pereira, T e Gerônimo, J.R. Cálculo Diferencial e Integral com apoio computacional - Notas mimeografadas - BCE – UEM, 1991.



Disciplina: Introdução à Administração Código: FAA011 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Oferecer ao aluno, através da apresentação das diversas teorias das organizações e da sua administração, um leque de diferentes alternativas de abordagens acerca da administração das organizações. Ementa: Introdução. Funções administrativas: planejamento, organização, direção e controle. Administração de tecnologia e da inovação. Referências Básicas: Maximiano, A. C. A. Introdução à Administração. 7a ed. Atlas, 2007. Snell, S. A. e Bateman, T. Administração: Construindo Vantagem Competitiva. Atlas, 1998. Chiavenato, I. Administração nos Novos Tempos. 2a ed. Campus, 2009. Referências Complementares: Montana, P. J. e Charnov, B. Administração. Série Essencial. 3a ed. Saraiva, 2010. Stoner, J. A. F. e Freeman, R. E. Administração. 5a ed. LTC, 1999. Moraes, A. M. P. Introdução À Administração. 3ª Ed. 2004. Pearson, 2004. Ribeiro, A. L. Teorias da Administração - 3ª Ed. Saraiva, 2016. Chiavenato, I. Introdução À Teoria Geral da Administração - 9ª Ed. MANOLE, 2014. Disciplina: Introdução à Economia A Código: FAE101 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Proporcionar ao aluno uma visão ampla do estudo da Ciência Econômica. Ementa: Conceitos fundamentais em economia. Evolução do pensamento econômico. O problema econômico. Sistemas econômicos. Noções sobre mercados e preços. Noções sobre o comportamento do consumidor e do produtor no regime de concorrência perfeita. Noções sobre custos de produção. Noções sobre produto, renda e despesa nacional. Noções de economia monetária. Noções sobre o comportamento econômico do setor público. Noções sobre relações econômicas internacionais. Noções sobre crescimento e equilíbrio econômico à curto e longo prazos. Referências Básicas: Pinho, D. B. & Vasconcelos, M. A. S. Manual de Economia. 5a ed. Editora Saraiva, 2006. Robinson, J. & Eatwell, J. Introdução à Economia. LTC, 1979. Rossetti, J. P. Introdução à Economia. 20a ed. Editora Atlas, 2003.



Referências Complementares: Samuelson, P. A. Economia. McGraw-Hill, 2009. Wonnacott, P. & Wonnacott, R. Introdução à Economia. Makron Books, 1985. Vasconcellos, M.A.S. Fundamentos de Economia. 5ed. Saraiva, 2014. Montella, M. Micro e Macroeconomia: Uma Abordagem Conceitual e Prática. 2ªed. Atlas, 2012. Giambiagi, F. Economia Brasileira Contemporânea. Elsevier, 2016. Disciplina: Empreendedorismo Código: FAE206 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Identificar o perfil e as características de um empreendedor, seu

comportamento e fatores que o motivam para a criação de um negócio próprio.

Identificar, através de técnicas, oportunidades no mercado, discutindo os meios

de identificar nichos pouco explorados ou ainda inexistentes.

Identificar as forças mais importantes na criação de uma empresa.

Identificar conceitos básicos de legislação empresarial para pequenos empresários. Ementa: O fenômeno do empreendedorismo. A importância sócio-econômica do empreendedorismo. Características do empreendedor de sucesso. Perfil do empreendedor. Fatores que influenciam o empreendedorismo. Ciclo de vida das organizações. Empresas de pequeno, médio e grande porte. Plano de negócios. Referências Básicas: Chiavenato, I. Vamos Abrir um Novo Negócio? Makron Books, 1995. Degen, R. J. O empreendedor: Empreender como Opção de Carreira. Prentice Hall, 2009. Dolabela, F. O Segredo de Luísa. Sextante, 2008. Referências Complementares: Drucker, P. F. Inovação e Espírito Empreendedor: Prática e Princípios. Editora Cengage, 2008. Pereira, H. J. Criando seu Próprio Negócio: Como Desenvolver o Potencial Empreendedor. SEBRAE, 1995. Dornelas, J.C.A. Empreendedorismo. 4ªed, Elsevier Brasil, 2011. Dolabela, F. Oficina do empreendedor. Rio de Janeiro, Sextante, 2011. Dornelas, J.C.A. Empreendedorismo na Prática: Mitos Verdades do Empreendedor de Sucesso. Elsevier Brasil, 2013. Disciplina: Língua Brasileira de Sinais - Libras Código: FEN024 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h



Objetivos: Instrumentalizar o aluno para a comunicação e a inclusão social através do conhecimento da Língua Brasileira de Sinais. Ementa: Histórias de surdos; noções de língua portuguesa e lingüística; parâmetros em libras; noções lingüísticas de libras; sistema de transcrição; tipos de frases em libras; incorporação de negação; conteúdos básicos de libras; expressão corporal e facial; alfabeto manual; gramática de libras; sinais de nomes próprios; soletração de nomes; localização de nomes; percepção visual; profissões; funções e cargos; ambiente de trabalho; meios de comunicação; família; árvore genealógica; vestuário; alimentação; objetos; valores monetários; compras; vendas; medidas, meios de transporte, estados do Brasil e suas culturas; diálogos. Referências Básicas: Decreto Lei de LIBRAS. Decreto no 5.626, de 22 de dezembro de 2005. Fernandes, E. Linguagem e Surdez. Artmed, 2003. Goldfeld, M. A Criança Surda: Linguagem e Cognição numa Perspectiva Sócio-Interacionista. 2ª ed. Plexus Editora, 2002. Referências Complementares: Perlin, G. T. T. Identidades surdas. In. A Surdez – Um Olhar Sobre as Diferenças. Carlos Slkiar (Org.). Editora Mediação, 1998. Sá, N. R. L. Cultura, Poder e Educação de Surdos. 2a ed. Paulinas – Livros, 2010. Silva, I. R., Kauchakje, S. e Gesueli, Z. M. Cidadania, Surdez e Linguagem: Desafios e Realidades. Plexus Editora, 2003. QUADROS, R. M.; KARNOPP, L. Estudos Lingüísticos: a língua de sinais brasileira. Editora ArtMed: Porto Alegre. 2004. GESSER, Audrei. Libras? Que língua é essa? São Paulo, Editora Parábola: 2009. Disciplina: Métodos Quantitativos Financeiros Código: FAA006 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Proporcionar ao aluno um conhecimento básico sobre o cálculo financeiro utilizado em negociaçoes empresariais que envolvem o capital da empresa. Ementa: Capitalização Simples. Capitalização Composta. Montante e Valor Atual. Taxas do Mercado Financeiro. Rendas de Termos Constantes. Renda de Termos Variáveis. Desconto Simples. Desconto Composto. Equivalência de Capitais a Juros Compostos. Equivalência de Capitais e Juros Compostos. Fluxo de Caixa. Taxa Interna de Retorno. Amortização de Empréstimos. Máquinas Financeiras Programáveis. Referências Básicas: BONINI, E. E. Aplicação de Métodos Quantitativos no Mercado de Capitais. Editora USP.

http://legislacao.planalto.gov.br/legislacao.nsf/Viw_Identificacao/DEC%205.626-2005?OpenDocument



FURQUIM, Clodomiro de Almeida. Capitalização. SP. BONINI, Sérgio E. Estatística: Teoria e Exercícios - USP - S. Paulo. Referências Complementares: VIEIRA SOBRINHO, José Dutra. Matemática Financeira. Editora Atlas. Aiube., F.A.L. Modelos Quantitativos em Finanças. Ed Campus, 2013. Medeiros,Valéria Zuma. Métodos Quantitativos com Excel. Ed Cengage Learning, 2008. Stephen, R. Administração Financeira. 10 ed. Mc Graw Hill, 2015. Siqueira, J.O. Fundamentos de Métodos Quantitativos. 1.Ed, Saraiva, 2017. Disciplina: Administração de Produção Código: FAA032 Pré–Requisito: - Crédito: 4.4.0

Carga Horária: 60h

Objetivos: Fornecer aos alunos uma visão integrada e estratégica da função produção, das responsabilidades que são atribuídas aos gerentes de produção e das diversas ferramentas disponíveis para o desempenho desta função; Apresentar os sistemas de organização da empresa industrial ou de serviços, no dimensionamento da sua capacidade de produção; Dar conhecimento dos processos do projeto de bens físicos e serviços; Contribuir para a aquisição e domínio dos conceitos envolvidos no Planejamento da Capacidade Produtiva, Projeto do Produto, Planejamento e Controle da Produção e Gestão da Qualidade. Ementa: A posição do setor produção no contexto geral da empresa, Princípios gerais de Organização da Produção, Lay - out: fatores que influenciam, tipos, vantagens e desvantagens, Manutenção: planejamento, tipos e exemplos, Programação e Controle da Produção, Controle da Produção: tempos, quantidades. Referências Básicas: Manual de Administração da Produção - FGV - Machiline, Sá Motta, Schoeps. Administração da Produção - BUFFA - 2 volumes Planejamento e Controle da Produção – ZACARELLI Referências Complementares: Curso de Administração de Empresas - Editora Abril. SAMUELSON, Paul. Teoria Econômica - 2 volumes ROSSETI. Introdução à Economia - Ed. Atlas SILVA, Adelphino Teixeira. Administração e Controle - Ed. Atlas ETTINGER, Karl E. Organização e Direção de Produção - Coleção 6. PARDAL, Paulo. Produtividade Industrial – Rio. Disciplina: Matemática Aplicada à Administração Código: IEM006 Pré–Requisito: - Crédito: 4.4.0



Carga Horária: 60h

Objetivos: Estudar o Cálculo Diferencial com aplicações a área Administração. Ementa: Tópicos Elementares, Funções e Gráficos. Limite e Continuidade. Cálculo Diferencial e Integral. Aplicações à Administração. Referências Básicas: LEITHOLD, Louis. Matemática Aplicada à Economia e Administração. WEBER, Jean E. Matemática para Economia e Administração. São Paulo: Ed. Harper & Row do Brasil. CHIANG, Alpha C. Matemática para Economistas. São Paulo: Editora Mac Graw-Hill do Brasil. Referências Complementares: DOWLING, Edward T. Matemática Aplicada à Economia e Administração. São Paulo: Ed. Mac Graw-Hill do Brasil. KÜHLKAMP, Nilo. Matrizes e Sistemas de Equações Lineares. Florianópolis: Ed. Da UFSC, 2005. TAN, S. T. Matemática Aplicada à Administração e Economia. São Paulo: Ed. Pioneira Thomson Learning, 2001. GOLDSTEIN, J.L. Matemática Aplicada. São Paulo. Editora Bookman, 2004. SILVA, SEBASTIÃO M. ET. AL. Matemática: para os cursos de economia, administração e ciências contábeis. 4a ed., Atlas, .São Paulo, 1997. Disciplina: Álgebra Linear II Código: IEM022 Pré–Requisito: - Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Prover a base em teoria de matrizes para o desenvolvimento de outras disciplinas, especialmente as metodológicas. Ementa: Espaços Vetoriais. Aplicações Lineares. Núcleo e Imagem. Aplicações Lineares e Matrizes. Produto Interno. Formas Bilineares. Referências Básicas: Boldrini, J. L., Costa, S. I. R., Figueiredo, V. L. e Wetzler, H. G. Álgebra Linear. 3a ed. Harbra, 1986. Hoffman, K. Linear Algebra. Prentice Hall, 2010. Lima, E. L. Álgebra Linear. 7a ed. Coleção Matemática Universitária/IMPA, 2008. Referências Complementares: Lipschutz, S. Álgebra linear. São Paulo: McGraw-Hill, 1971. Noble, B; Daniel, J. W. Álgebra Linear Aplicada. Prentice/Hall do Brasil, 1977. Winterle, Paulo. Vetores e Geometria Analítica. São Paulo: Pearson, 2000. Leon, S.J. Álgebra Linear com Aplicações. Rio de Janeiro: LTC, 1998. Anton, H. Álgebra Linear. Ed. Bookman. Porto Alegre, 2001.



Disciplina: Psicologia Geral I Código: FEP001 Pré–Requisito: - Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Compreender a origem e o desenvolvimento histórico da Psicologia como ciência; Conhecer as principais linhas teóricas e temas atuais da Psicologia. Ementa: Psicologia Geral. História da Psicologia. Bases fisiológicas do Comportamento. Escolas de Psicologia. Psicologia Contemporânea. Métodos de Psicologia. Campos da Psicologia. Referências Básicas: GARRET, Henry E. Grandes experimentos da psicologia. 2ª ed.. São Paulo, Nacional, 1966. WOODWORTH, Roberts S. e MARQUIS, Donald G. Psicologia. 10ª ed.. S.P., Nacional, 1975. MARX, Melvin H. E HILLIX, William A. Sistema e teorias em psicologia. S.P., Cultrix, 1974. Referências Complementares: HALL, C. S. e LINDZEY, G. Teorias da personalidade. S.P., E.P.U., 1973. DAVID A. STATT. Introdução à Psicologia. JAPIASSU, Hilton. Introdução à epistemologia da Psicologia. R.J., Imago, 1975. PAVLOV, I. P. Fisiologia e Psicologia. PAVLOV, I. P. Reflexos condicionados e inibições. R.J., Zahar, 1972. GUILLAUME, Paul. Psicologia da Forma. 2ª ed. S.P., Nacional, 1966. Disciplina: Informática Instrumental Código: IEC111 Pré–Requisito: - Crédito: 3.2.1 Carga Horária: 60h

Objetivos: Tornar o aluno autônomo na área de informática. Resolver problemas usando a informática como ferramenta. Incentivar o trabalho cooperativo na utilização da tecnologia. Ementa: O computador e o mundo atual (novas tecnologias e redes sociais), o computador e seu funcionamento, ambientes operacionais e a computação em nuvem, Internet (novas aplicações e serviços), edição de texto e trabalho colaborativo (usando Google Docs), planilhas eletrônicas e formulários (usando Google Forms), noções de bancos de dados, editores de apresentação, projeto de aplicação da informática ao curso do aluno. Referências Básicas: FOROUZAN, Behrouz; MOSHARRAF, Firouz. Fundamentos da Ciência da Computação, tradução da 2ª edição internacional. Editora Cengage Learning, 2012.



BROOKSHEAR, J. Glenn. Ciência da Computação: Uma Visão Abrangente. 11ª Edição. Editora: Bookman, 2013. VELLOSO, F. C., Informática Conceitos Básicos. Rio de Janeiro: Campus, 2012. Referências Complementares: Dale, N. B.; Lewis, J. Ciência da computação. Rio de Janeiro: LTC Ed., 2011. Capron, H. L.; Johnson, J. A. Introdução à informática. São Paulo: Pearson- Prentice Hall, 2004. ARAUJO, Antonio Marcos de Lima. Fundamentos da Computação para Ciência e Tecnologia. Editora Ciência Moderna, 1a Edição. T. Laquey e J. C. Ryer. O Manual da Internet. Editora Campus, 3a Edição. Alcalde Lancharro, Eduardo; Garcia Lopez, Miguel; Peñuelas Fernandez, Salvador. Informática básica. São Paulo: Makron Books, 2004. Disciplina: Bioinformática Código: IBB067 Pré–Requisito: - Crédito: 4.2.2 Carga Horária: 90h

Objetivos: Relacionar a obtenção de sequências biológicas com a sua utilização em métodos evolutivos e biotecnológicos. Compreender os conceitos de homologia, similaridade. Aprender alinhamento de sequências e os algoritmos utilizados nesse método, bem como a utilização dos resultados para elaboração de modelos evolucionários e filogenia. Utilizar ferramentas de buscas em bancos de dados biológicos. Ementa: Introdução à bioinformática. Revisão de conceitos elementares de biologia molecular. Estratégias de seqüenciamento. Avaliação da qualidade das sequências biológicas. Métodos de alinhamento pareados de sequências. Alinhamento múltiplo de sequências. Predição de genes. Análise de genomas, proteínas e proteômica. Programas computacionais em genética de populações e filogenia. Referências Básicas: BAXEVANIS, A.D. & OUELETTE, B.F.F. Bioinformatics: a practical guide to the analysis of genes and proteins. 2a edição, Wiley InterScience, 2001. KOONIN, E.V. & GALPERIN, M.Y. Sequence - Evolution – Function: computational approaches in comparative genomics. Kluwer Academic Publishers, 2002. MOUNT, D.W. Bioinformatics: Sequence and genome analysis, CSHL Press, 2001. Referências Complementares: Gibas, C. & Jambeck, P. Desenvolvendo a Bioinformática. Campus, Rio de Janeiro, RJ. 2001, 448p. Lesk, A.M. Introdução à Bioinformática. 2ª ed. ArtMed, Porto Alegre. 2008, 384p. Schneider, H. Métodos de Análise Filogenética - Um guia prático. 3ª ed. Sociedade Brasileira de Genética e Holos, Ribeirão Preto, SP. 2007, 200p.



Verli, H. Bioinformática - da Biologia à Flexibilidade Molecular. Porto Alegre, RS. 2014, 291p. Ye, S.Q. Bioinformatics - A Practical Approach. Chapman & Hall/CRC, London, UK. 2012, 648p. Disciplina: Simulação de Eventos Discretos Código: ICC501 Pré–Requisito: - Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Apresentar os conceitos gerais de modelagem e simulação de sistemas estocásticos dinâmicos. Aplicar computadores para a elaboração e execução de experimentos de simulação: estabelecimento do problema, projeto do modelo, verificação e validação do modelo, experimentação, análise dos resultados e documentação das conclusões. Identificar os paradigmas básicos de simulação de sistemas. Ementa: Terminologia. Vantagens e desvantagens da simulação. Mecanismos de avanço no tempo. Princípios de modelagem. Métricas de desempenho. Modelos de sistemas de eventos discretos. Modelagem por simulação de eventos discretos. Geração de números aleatórios. Qualidades de um bom gerador. Geração de Variáveis aleatórias discretas. Geração de variáveis aleatórias contínuas. Verificação e validação. Técnicas e erros mais comuns. Amostragem e coleta de dados. Identificação da distribuição teórica de probabilidades. Eliminação do estado transiente. Regras de parada. Métodos de análise. Projeto de experimentos. Estudos de casos. Referências Básicas: CHWIF, Leonardo; MEDINA, Afonso Celso. Modelagem e Simulação de Eventos Discretos, 3ª edição. Editora do Autor, 2010. FREITAS FILHO, J. P. Introdução à Modelagem e Simulação de Sistemas com Aplicações em Arena. Editora Visual Books, 2008. 2ª Edição. A.C.Z. SOUZA e C.A.M. PINHEIRO. Introdução à Modelagem, Análise e Simulação de Sistemas Dinâmicos. Editor Interciência, 2008. 1ª Edição. Referências Complementares: LAW, Averill. Simulation Modeling and Analysis. McGraw Hill, 2014. 5ª Edição. BANKS, Jerry. Handbook of Simulation: Principles, Methodology, Advances, Applications, and Practice. Wiley-Interscience, 1998. 1ª Edição. BANKS, Jerry; CARSON, John S.; NELSON, Barry L.; NICOL, David M. Discrete-Event System Simulation. Prentice Hall, 2009. 5ª Edição. LEEMIS, L.M.; PARK, S.K. Discrete-Event Simulation: A First Course. Pearson Education, 2006. 1ª Edição. CLOSE, Charles M.; FREDERICK, Dean K.; NEWELL, Jonathan C. Modeling and Analysis of Dynamic Systems. Wiley, 2001. 3ª Edição. Disciplina: Laboratório de Programação A Código: ICC011 Pré–Requisito: Introdução a Programação de Computadores (IEC037)



Crédito: 2.0.2 Carga Horária: 60h

Objetivos: Dar aos alunos o contato prático com procedimentos e ferramentas relacionados à programação de computadores. O aluno deverá ser capaz de elaborar algoritmos e proceder a verificação dos mesmos, além implementá-los em uma linguagem de programação de alto nível. O aluno deverá estar apto a elaborar programas para manipular estruturas de dados armazenadas em memória principal. O assunto abordado deverá acompanhar as aulas de Algoritmos e Estruturas de Dados I. Ementa: Desenvolvimento sistemático de algoritmos. Elaboração e teste de programas. Desenvolvimento de programas por etapas. Conceitos de modularidade e refinamentos sucessivos. Estruturas de dados homogêneas e heterogêneas. Desenvolvimento de algoritmos de ordenação e busca. Introdução às estruturas de dados dinâmicas (ponteiros). Referências Básicas: CELES, Waldemar; CERQUEIRA, Renato; RANGEL, José Lucas. Introdução a Estruturas de Dados: com Técnicas de Programação em C. Editora Campus, 2008. ZIVIANI, N. Projeto de Algoritmos com Implementação em Pascal e C. Cengage Learning, 2010. DEITEL, Harvey M. & DEITEL, Paul J. C: Como Programar, 6ª edição. Pearson, 2011. Referências Complementares: MENEZES, Nilo Ney Coutinho. Introdução à Programação com Python. Editora Novatec. 2010. EDELWEISS, Nina; GALANTE, R. Estruturas de Dados, 1ª ed. São Paulo: Bookman, 2009. BARRY, Paul; GRIFFITHS, David. Use a cabeça – Programação. ALTA BOOKS, 2010. BIANCHI, Francisco; ENGELBRECHT, Angela de Mendonça; NAKAMITI, Gilberto Shigueo; PIVA JUNIOR, Dilermando. Algoritmos e Programação de Computadores, Campus, 2012. HANLY, Jeri R. & KOFFMAN, Elliot B. Problem Solving and Program Design in C. 7th Edition. Addison Wesley, 2012. Disciplina: Estatística Econômica II Código: IEE012 Pré–Requisito: Introdução à Inferência Estatística (EE014) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: A disciplina tem como objetivos específicos preparar o aluno com o ferramental estatístico para descrever dados sócio-econômicos e realizar análises estatísticas de correlação e de regressão. Um objetivo adicional é a apresentação de uma ferramenta ou pacote computacional de análise



estatística que permita ao aluno praticar e utilizar o conhecimento adquirido na disciplina. Ementa: Noções básicas de amostragem. Estimativas. Testes de hipóteses. Regressão múltipla. Noções básicas de séries temporais. Referências Básicas: COSTA NETO, Pedro Luiz (1994). Estatística : Edgard Blücher. DOWNING, Douglas e CLARK, Jeffrey (1998). Estatística Aplicada. Rio de Janeiro : Saraiva. HOFFMANN, Rodolfo (2006). Estatística para Economistas. São Paulo: Thonson Learning. Referências Complementares: WOOLDRIDGE, J.M. (2007). Introdução à econometria: uma abordagem moderna. Rio de Janeiro: Thomson. GUJARATI, Damodar N. (2006). Econometria Básica. Rio de Janeiro: Elsevier, 2006. ANDERSON, D. R.; SWEENEY, D. J.; WILLIANS, T. A. (2007). Estatistica Aplicada a Administração e Economia - 2ª Edição. São Paulo: Cengage Learning. PINDICKY, R. e RUBENFELD, D. (2004). Econometria: modelos e previsões. Rio de Janeiro: Campus. MADALA, G.S. (2003). Introdução à Econometria. São Paulo. LTC Editora, 3. ed. Disciplina: Econometria I Código: FAE174 Pré–Requisito: Estatística Econômica II (IEE102) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: O objetivo deste curso é dotar os alunos de um conhecimento introdutório das técnicas de análise econométrica, de modo que possam formar uma base para compreensão e aplicação de modelos econométricos em estudos econômicos. Ementa: O objetivo da Econometria. Correlação. Modelos de Regressão Linear Simples e Múltiplas. Problemas Econométricos. Referências Básicas: GUAJARATI, D.N. Econometria Básica. São Paulo: Makronbooks, 2000. MADALA, G.S. Introdução à Econometria. São Paulo. LTC Editora, 3. Ed, 2003. MATOS, O. C. Econometria Básica, teoria e aplicações. 3. ed. São Paulo: Atlas, 2000. Referências Complementares: VASCONCELLOS, M. A. S. E ALVES, D. (editores). Manual de econometria: nível intermediário. São Paulo: Atlas, 2000. WOOLDRIDGE, J.M. Introdução à econometria: uma abordagem moderna. São Paulo: Pioneira Thomson Learning, 2006.



DOWNING, Douglas e CLARK, Jeffrey. Estatística Aplicada. Rio de Janeiro: Saraiva, 1998. HOFFMANN, Rodolfo. Estatística para Economistas. São Paulo: Thonson Learning, 2006. ANDERSON, D. R.; SWEENEY, D. J.; WILLIANS, T. A. Estatistica Aplicada a Administração e Economia - 2ª Edição. São Paulo: Cengage Learning, 2007. Disciplina: Tecnologia da Informação I Código: FTL509 Pré–Requisito: Introdução a Programação de Computadores (IEC037) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Distinguir as diferentes categorias de sistemas de informação; desenvolver métodos para criação de uma consistente estrutura de informações na organização, que possa oferecer o adequado suporte as estratégias organizacionais. Ementa: Teoria Geral de Sistemas. Sistemas de Informação. Dimensionamento da informação. Gerenciamento da informação. Ciclo de vida e Desenvolvimento de Sistemas de Informações baseados em Computadores. Sistemas integrado de Gerenciamento – ERP. Referências Básicas: STAIR, R. M.; REYNOLDS, G. W. Princípios de Sistemas de Informação: uma abordagem gerencial. 4ª edição. Rio de Janeiro: LTC, 2002. O’BRIEM, J. Sistemas de Informação e as Decisões Gerenciais na Era da Internet. São Paulo: Saraiva, 2001. SORDI, José Osvaldo de. Tecnologia da informação aplicada aos negócios. São Paulo: Atlas, 2003. Referências Complementares: DAY, George S.; SCHOEMAKER, Paul J. H e GUNTHER, Robert E. A visão de Wharton School. Porto Alegre: Bookman, 2003. REZENDE, Denis Alcides; ABREU, Aline França. Tecnologia da informação: aplicada a sistemas de informação empresariais. São Paulo: Atlas, 2003. LAUDON, K. C.; LAUDON, J. P. Sistemas de Informação com Internet. 4ª edição. Rio de Janeiro: LTC, 1999. LEMOS, André. Cibercultura: tecnologia e vida social na cultura contemporânea. Porto Alegre: Sulina, 2010. LEVY, Pierre. As Tecnologias da inteligência: o futuro do pensamento na era da informática. Rio de Janeiro: Coleção Trans, 2005. Disciplina: Controle Estatístico das Operações Código: FTL514 Pré–Requisito: Introdução à Inferência Estatística (IEE014) Crédito: 4.4.0 Carga Horária: 60h

Objetivos:



Conhecer os conceitos de qualidade, dos sistemas de garantia (normas ISO e outros sistemas de garantias) e estudar os métodos de controle estatístico de qualidade. Ementa: Filosofia e história da qualidade. O atual movimento para a qualidade. O planejamento e gestão da qualidade: TQM/TQC; técnicas japonesas. Sistemas para a garantia da qualidade: normas da série ISSO 9000, outras; prêmio Nacional da Qualidade; TQM. Métodos de controle estatístico da qualidade. CEP, delineamentos de experimentos, técnicas de inspeção por amostragem, confiabilidade, metrologia. Referências Básicas: COSTA, Antônio Fernando Branco; EPPRECHT, Eugênio Kahn e CARPINETTI, Luiz César Ribeiro. Controle estatístico de qualidade. 2ª edição. São Paulo: Atlas, 2005. 336 p. DEMING, W. E. Qualidade: a revolução da administração. Rio de Janeiro, Editora Marques Saraiva, 1990. FALCONI CAMPOS, Vicente. Controle da Qualidade Total - no estilo japonês. Fundação Christiano Ottoni. Referências Complementares: JURAN, Joseph M. Controle da Qualidade. Vol. IV. Porto Alegre, Makron Books, 1999. JURAN, Joseph M. A qualidade desde o projeto. 2ª edição, Thomson Pioneira. OAKLAND, John S. Gerenciamento da Qualidade Total. Editora Nobel. REVISTA Controle da Qualidade. Editora Banas, São Paulo. VIEIRA, Sônia. Estatística para a qualidade. Pioneira, 1999. Disciplina: Modelagem e Simulação da Produção Código: FTL517 Pré–Requisito: Introdução à Inferência Estatística (IEE014) Crédito: 3.2.1 Carga Horária: 60h

Objetivos: Análise de Localização. Instalações Industriais. Arranjo Físico de Máquinas, Equipamentos e Facilidades. Movimentação de Materiais. Dimensionamento de Áreas. Projeto de Estruturas. Ementa: Planejamento da capacidade: terminologia e medidas de capacidade, economia de escala, estratégias de capacidade, abordagem sistemática para alocações de capacidade. Localização da planta: cadeia de fornecimento e distribuição, modelos de alocação, custos de transportes, técnicas de escolha da localização, localização da infra-estrutura de suporte. Referências Básicas: HARMON, R. L. e PETERSON, L. D. Reinventando a Fábrica. Campus, 1991. MUTHER, R. Planejamento de Lay-Out: Sistemas SLP. Edgard Blücher, 1970.



NETO, E. P. Cor e Iluminação nos Ambientes de Trabalho. Livraria Ciência e Tecnologia. Referências Complementares: OLIVÉRIO, José L. Projeto de Fábrica: Produto e Processos e Instalações Industriais. Instituto Brasileiro do Livro Científico Ltda, 1985. VALLE, C. Implantação de Indústria. Livros Técnicos e Científicos, 1975. JURAN, Joseph M. A qualidade desde o projeto. 2ª edição, Thomson Pioneira. BARTON, R.F. Manual de simulação e jogos. Petrópolis, Editora Vozes Ltda, 1973. GAITHER, N. FRAZIER G. Administração da Produção e Operações. São Paulo, Editora Guazzelli, 2001. Disciplina: Inglês Instrumental II Código: IHE176 Pré–Requisito: Inglês Instrumental I (IHE130) Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Aperfeiçoar a capacidade de leitura e compreensão de textos didáticos e técnicos em língua inglesa. Ao final do curso, o aluno deverá ser capaz de:

Ler um texto rapidamente para obter a idéia geral, localizar informações específicas e compreender os detalhes do texto;

Ler e compreender informações não-verbais como gráficos, mapas e similares;

Ler, identificar e compreender os itens do discurso e gramaticais em textos didáticos e técnicos em língua inglesa;

Identificar grupos nominais para melhor compreender textos em língua inglesa.

Ementa: Níveis de compreensão. Objetivos de leitura. Técnicas de leitura. Estudo de gêneros textuais. Compreensão de gráficos, tabelas, mapas e similares. Estudo de itens do discurso e gramaticais: referentes contextuais, sinalizadores da função retórica, grupos nominais, afixos, uso dos afixos –ing e –ed como substantivo e adjetivo. Como fazer anotações. Referências Básicas: Freire, P. (1994). A importância do ato de ler: em três artigos que se

completam. Cortez.

Monteiro, M. F. C. (2007). Markers of the Rhetorical Function. Apostila

elaborada para uso em aulas de Inglês Instrumental na UFAM (mímeo).

Monteiro, M. F. C. (2009). Representações de professores de inglês em

serviço sobre a Abordagem Instrumental: um estudo de caso. Dissertação

(Mestrado em Lingüística Aplicada e estudos da Linguagem) Pontifícia

Universidade Católica de São Paulo.

Referências Complementares:



Oliveira, S. R. F. (1998). Estratégias de Leitura para Inglês Instrumental.

Editora UnB

Souza, A. G. F.; et al. (2005). Leitura em Língua Inglesa: uma abordagem

instrumental. DISAL.

Rangel, M. (1990). Dinâmicas de Leitura para sala de aula. Vozes. Silva, J. A. C.; Garrido, M. L. e Barreto, T. P. (1995). Inglês Instrumental: Leitura e Compreensão de Textos. Centro Editorial e Didático da UFBA. Vieira, L. C. F. (1999). Projeto Ensino de Inglês Instrumental. UFC.

Murphy, R. (1990). Essential Grammar in Use. Cambridge University Press. Disciplina: Português Instrumental Código: IHP164 Pré–Requisito: - Crédito: 4.4.0 Carga Horária: 60h

Objetivos: Melhorar, através de exercícios práticos e direcionados, o desempenho do

estudante quanto à utilização das modalidades escrita e oral da língua

Portuguesa, particularmente dirigido à área de Estatística.

Ementa: Técnica de Redação. Redação Técnica e Administrativa. Instrumentação

Gramatical.

Referências Básicas: Adriano, J. e Ricardo, J. (1980). Português, Série Instrumental. 3a ed.

Editora Ao Livro Técnico.

Cunha, C. F. e Cintra, L. F. L. (1995). Nova Gramática do Português

Contemporâneo. 2a ed. Nova Fronteira.

Soares, M. B. e Campos, E. N. (1978). Técnica de Redação. Editora ao

Livro Técnico.

Referências Complementares: Garcia, O. M. (1990). Comunicação em Prosa Moderna. Fundação Getúlio

Vargas.

MEDEIROS, João Bosco. Técnicas de Comunicação Criativa. São Paulo:

Atlas, 2000.

BARROS, Antônio; DUARTE, Jorge; MARTINEZ, Regina. Comunicação, Discursos, Práticas e Tendências. São Paulo: Redeel, 2001. GARCIA, Luiz. Manual de Redação e Estilo. 29 ed. São Paulo: Globo, 2005. MARTINS, Dileta e ZILBERKNOF,Lúcia Scliar. Português Instrumental. 28 ed. São Paulo: Editora Atlas S/A, 2009.



4. ORGANIZAÇÃO DIDÁTICO PEDAGÓGICA

4.1. Plano de Ensino

O plano de ensino ou programa das disciplinas ministradas no curso de

Bacharelado em Estatística, segue um padrão bem definido que contém os

dados de identificação da disciplina e professor, ementa, objetivos (geral e

específicos), conteúdo programático, cronograma de atividades do professor,

distribuição do conteúdo de acordo com o tempo, procedimentos didáticos,

metodologia de avaliação, calendário de avaliação e Referência básica e

complementar da disciplina. Essa estrutura permite que a coordenação do

curso acompanhe de forma mais próxima o conteúdo que está sendo

ministrado aos alunos do curso e o desenvolvimento da disciplina pelos alunos.

4.2. Concepção Metodológica

O projeto pedagógico do Curso de Estatística prevê que os alunos

deverão integralizar parte de sua carga horária acadêmica com atividades de

ensino, pesquisa e extensão. Para isso, poderão participar de seminários e

congressos, engajar–se em projetos de pesquisa e extensão, especialmente

ligados às bases de pesquisa do Departamento de Estatística, além de

participar de outras ações relacionadas a essas atividades acadêmicas.

As disciplinas que compõem a matriz curricular do curso de Estatística

da UFAM serão ministradas compreendendo procedimentos teóricos e práticos

necessários para o processo da aprendizagem. A parte teórica será

normalmente ministrada por meio de aulas expositivas e a prática por meio de

aulas no Laboratório de Estatística onde serão apresentados softwares

adequados para a análise e resolução de problemas utilizando programas

estatísticos adequados.

Os programas das disciplinas foram organizados de forma a permitir

uma interação entre as mesmas e uma aprendizagem contínua, utilizando



aulas computacionais. Os grupos de conhecimentos necessários para a

formação do Estatístico segundo o perfil proposto neste Projeto e

contemplando as Diretrizes Curriculares são: Núcleo de Conhecimentos

Fundamentais, Núcleo de Conhecimentos Específicos, Complementação em

outras áreas, Trabalho de Conclusão de Curso e Atividades Complementares.

No núcleo de conteúdos fundamentais encontram–se as disciplinas

de formação básica, cujo conteúdo tem a finalidade de proporcionar ao aluno

uma formação sólida em matemática, computação, probabilidade, estatística e

estatística computacional que dão a fundamentação necessária para as

disciplinas do núcleo de conhecimentos específicos.

As disciplinas do núcleo de conhecimentos fundamentais são

ministradas por três departamentos: Matemática, Ciência da Computação e

Estatística. O Departamento de Matemática é responsável por 04 (cinco)

disciplinas, Cálculo Diferencial I e II, Introdução à Análise, Álgebra Linear I,

cujos conteúdos são organizados de forma que o aluno adquira o

conhecimento necessário em cálculo, álgebra e geometria analítica.

O Departamento de Ciência da Computação é responsável por 02 (duas)

disciplinas, Introdução à Programação de Computadores e Geração e Uso de

Base de Dados, cujo conteúdo objetiva o conhecimento por parte do aluno de

algoritmos computacionais, linguagem de programação e banco de dados.

As disciplinas do Departamento de Estatística, no núcleo de conteúdo

fundamentais, fornecem a base teórica necessária para o estudo da Estatística

e seus conteúdos são organizados de forma a permitir a fundamentação da

probabilidade (Probabilidade A, B e C), da estatística (Análise Exploratória de

Dados, Introdução à Inferência Estatística, Inferência Estatística, Introdução à

Inferência Bayesiana, Métodos Não Paramétricos, Técnicas de Amostragem,

Estatística Multivariada, Modelos de Regressão I e II, Modelos Lineares

Generalizados) e da estatística computacional (Estatística Computacional I e

Introdução a Programação em R), além de proporcionarem uma visão geral

dos principais métodos estatísticos existentes e suas aplicações.



O núcleo de conhecimentos específicos do curso é formado pelas

disciplinas do Departamento de Estatística (Controle Estatístico da Qualidade,

Processos Estocásticos, Séries Temporais, Modelos de Regressão II, Modelos

Lineares Generalizados e Análise de Sobrevivência), que visam dar ao aluno

uma fundamentação teórica e prática em relação às principais técnicas

estatísticas utilizadas.

As disciplinas optativas são escolhidas pelo aluno dentre um elenco de

opções de acordo com seus interesses e aspirações profissionais e/ou

acadêmicas. Em geral, o conteúdo dessas disciplinas aborda áreas específicas

e importantes da Estatística, como por exemplo, Análise de Dados

Longitudinais, Introdução ao Reconhecimento Estatístico de Padrões, Tópicos

de Séries Temporais, dentre outras. Além dessas, estão incluídas as disciplinas

Tópicos de Probabilidade e Tópicos de Inferência Estatística que permitirão

uma atualização permanente do ensino às novas demandas apresentadas para

a profissão.

Dentro do grupo de conhecimento de complementação em outras

áreas estão áreas de formação não menos importantes, mas, como constituem

poucas disciplinas, foram agrupadas. Compõem dois blocos distintos:

disciplinas eletivas e optativas. Por exemplo, as disciplinas que fazem parte

deste bloco optativo são: Cálculo Avançado, Equações Diferenciais Ordinárias,

Introdução à Análise, Empreendedorismo, Introdução à Administração,

Introdução à Economia A e Libras. Veja seção 1.3.6 para mais detalhes.

O trabalho de conclusão de curso, do Curso de Graduação em

Estatística, corresponderá a uma monografia de caráter obrigatório e individual

e tem a função de permitir ao aluno escrever um texto acadêmico com

fundamentação teórica e organizacional a ser apresentada perante uma banca

examinadora.

As atividades complementares, de caráter obrigatório, descritas na

Seção 1.3.4, têm por objetivo proporcionar ao aluno uma formação cidadã e

acadêmica. Para o cumprimento dessas atividades, o projeto prevê uma carga

horária de 225 horas.



As normas que regem a realização do trabalho de conclusão de curso e

a Resolução que regulamenta as atividades complementares estão nos Anexos

1 e 5, respectivamente.

No processo ensino–aprendizagem uma série de ações tem sido

realizadas e continuarão a serem aperfeiçoadas pela Coordenação e Colegiado

de Curso com o objetivo de melhorar o processo de ensino–aprendizagem e

aperfeiçoar o Projeto Pedagógico do Curso. Dentre tais ações, destacam–se as

seguintes:

1. Realização levantamentos periódicos do perfil sócio–econômico e do

desempenho dos alunos matriculados no curso;

2. Orientação aos alunos antes da matrícula semestral em disciplinas, na

escolha das disciplinas obrigatórias e optativas e das Atividades

Complementares a serem desenvolvidas, tendo em vista a eficiência e

eficácia no seu percurso acadêmico;

3. Auxílio, sempre que necessário, aos professores objetivando a

apresentação de planos de ensino, discussão de conteúdos, formas de

avaliação, concernente às disciplinas oferecidas no período letivo

subsequente;

4. Além da atuação da Coordenação do Curso no desenvolvimento do

Projeto Pedagógico é necessário que os professores adotem, na relação

com os alunos, os seguintes procedimentos de ensino:

a) Uso de recursos computacionais, softwares livres, para auxiliar no

aprendizado e estimular o auto–aprendizado;

b) Pratica da questão ética de não usar softwares piratas, mostrando que

existem alternativas de qualidade ao acesso de todos;

c) estimular a auto–suficiência no uso de recursos computacionais;

d) Ter horários de atendimento que sejam suficientes para auxiliar os

alunos na disciplina ministrada;

e) Dar oportunidades para que todos os alunos possam exercitar praticar e

aprender os conceitos e ideias da disciplina, procurando sempre que



possível relacionar o assunto com aplicações nas mais diversas áreas

de conhecimento, mostrando a aplicabilidade e importância da

estatística em um contexto mais amplo e real;

f) Usar a avaliação do curso como uma medida eficaz do aprendizado e

preparação dos alunos para a vida profissional;

g) Incentivo ao professor, regularmente, para que o mesmo possa procurar

atualizar–se tanto tecnicamente como pedagogicamente para propiciar

ao aluno conhecimentos relevantes à sua área;

Dessa forma, propõe–se a organização de uma estrutura curricular

capaz de adaptar–se ao dinamismo das demandas do perfil profissional exigido

pela sociedade, em que a graduação desempenha um papel inicial no processo

de formação permanente. A proposta apresentada prevê a discussão periódica

dessas exigências e a adequação do curso às mesmas.

4.3. Princípios Norteadores da Avaliação da Aprendizagem

Considerando que no contexto escolar espera–se que a aprendizagem

seja resultado do ensino (das condições criadas para que o aluno aprenda),

avaliar a aprendizagem implica avaliar os resultados da aprendizagem

propiciados pelo ensino.

Considerando os diferentes tipos de atividades envolvidas na formação

do aluno, faz–se necessário considerar diferentes formas de avaliação. Nas

disciplinas formadoras de conteúdo deve–se priorizar a avaliação individual,

sem, contudo, desprezar totalmente as atividades de trabalho em grupo. Nas

disciplinas de aplicação a avaliação em grupo deve também ser incentivada.

Os alunos podem ser avaliados a partir de diferentes instrumentos como

provas escritas e orais individuais, apresentação de seminários, elaboração de

projetos e trabalhos, resumos, relatórios e outros, em grupos e/ou individuais. A

aplicação de instrumentos de avaliação alternativos à simples realização de

provas contribui de forma significativa à aquisição do conhecimento e ao



desenvolvimento das habilidades, atitudes e valores esperados no profissional

formado. Não apenas os tipos de instrumentos são importantes, mas também a

frequência de aplicação destes instrumentos, procurando agir de forma

parcimoniosa, sem sobrecarregar o estudante a ponto de não haver

possibilidade de reflexão sobre os conteúdos e, por outro lado, não

concentrando poucos momentos de avaliação apenas no meio e final do curso,

dificultando o acompanhamento do processo de aprendizagem.

Outros aspectos importantes a serem considerados na avaliação dizem

respeito a critérios fundamentais como:

Os critérios de avaliação de uma disciplina devem constar como item

obrigatório de seu plano de ensino, e, como tal, devem ser aprovados

por colegiados departamentais e de coordenação de curso, com a

participação de representantes docentes e discentes;

A avaliação deve ser coerente com o ensino planejado no plano de

ensino da disciplina;

A avaliação deve sempre buscar mostrar ao aluno onde estão suas

deficiências e/ou virtudes, no sentido de construir seu aprendizado de

forma satisfatória;

Os critérios de avaliação devem obedecer todas as normas legais e

vigentes do Ministério da Educação e dos colegiados superiores da

UFAM.

O processo de avaliação estará completo apenas ao considerarmos,

além da avaliação dos alunos pelos professores, também a avaliação dos

professores e da Instituição pelos alunos, inclusive a auto–avaliação,

compondo um processo contínuo de avaliação do Curso. Atualmente a UFAM

dispõe do Sistema de Informações para o Ensino, designado pela sigla SIE,

que oferece uma avaliação dos professores pelos alunos on-line, no final do

período, incentivando a ocorrência de momentos de reflexão, com o objetivo de

superar possíveis dificuldades encontradas.



4.4. Sistemática de Acompanhamento e Avaliação do Projeto Pedagógico do Curso

Este Projeto Pedagógico será avaliado ao final/inicio de cada ano letivo.

Essa avaliação ficará sob a responsabilidade do NDE do curso. Na prática será

avaliada a situação do curso em relação aos indicadores que compõe o

Conceito Preliminar de Curso (CPC-inep) e também indicadores internos de

taxa de reprovação por disciplina, taxa de evasão instantânea, taxa de alunos

que retornaram ao curso. Esta avaliação será realizada através de Seminários

juntamente com os alunos atuais do curso, egressos e professores do

departamento de Estatística. Durante esse processo de avaliação do Projeto

Pedagógico, também será atualizado o quadro de transição entre os projetos

2011/01 e 2018/01. Um primeiro esboço deste quadro de transição é descrito a

seguir:

QUADRO DE TRANSIÇÃO ENTRE OS PROJETOS PEDAGÓGICOS

Ano Semestre Currículo 2011/01

Currículo 2018/01

2018 1o 3o, 5o, 7o 1o

2018 2o 4o, 6o, 8o 2o

2019 1o 5o, 7o 1o, 3o

2019 2o 6o, 8o 2o, 4o

2020 1o 7o 1o, 3o, 5o

2020 2o 8o 2o, 4o, 6o

2021 1o 1o, 3o, 5o, 7

2021 2o 2o, 4o, 6o, 7o, 8o

A última turma do Currículo 2011/01 integralizará o Curso no 2o

semestre letivo do ano de 2020.

A primeira turma do Currículo 2017/1 integralizará o Curso no 2o




4.5 Relação Ensino-Pesquisa-Pós-Graduação e Extensão

As atividades de ensino no Curso de Estatística se relacionam com as

atividades de pesquisa e extensão da seguinte forma: No concernente a

extensão, as atividades acontecem durante os dois semestres letivos no

Laboratório de Bioestatística (LABIO) através do Programa Atividade

Curriculares de Extensão - PACE/UFAM. Esses projetos prestam assessoria

e/ou consultoria estatística aos projetos e trabalhos de pesquisa de docentes,

pesquisadores e alunos de graduação e pós-graduação da área de saúde;

Auxiliam na metodologia estatística e análise dos dados das dissertações de

Mestrado e teses de Doutorado na área de saúde; Oferecem cursos de

atualização em Bioestatística e em utilização de Software Estatístico. No

mesmo formato, para toda comunidade, temos o Laboratório de acessória

Estatística no Departamento de Estatística que envolve todos os alunos do

curso e somente em 2015 assessorou mais de 10 projetos. No campo da

pesquisa, as atividades se relacionam através do departamento que mantém

dentro do Programa de Pós-graduação em Matemática da UFAM

(PPGM/UFAM), uma área de concentração em Estatística. Desta forma nossos

alunos formados podem cursar esse programa e no final, recebem o diploma

de mestre em Matemática com área de concentração em Estatística. O

departamento, também possui três grupos de pesquisa (Bioestatística,

Estimação semi-paramétrica, Simulação Estocástica e Modelos de Regressão)

no qual os alunos que se destacam são convidados a participar orientados por

pesquisadores do grupo.

4.5 Apoio ao Discente

Neste Projeto Pedagógico, também, temos atividades e projetos de

apoio ao discente ao longo da vida acadêmica, de modo a oportunizar a

permanência e o sucesso do educando na Universidade, diminuindo o número

de evasão, como por exemplo:



PROGRAMA DE TUTORIA ACADÊMICA

O Programa de Tutoria Acadêmica, voltado a alunos ingressantes nos cursos

de Bacharelado em Estatística da UFAM, tem por objetivo estabelecer um

relacionamento direto aluno-professor, em que o ingressante seja reconhecido como

pessoa na sua individualidade. Pelo Programa, cada aluno ingressante (tutorando)

contará com um professor tutor com quem poderá se relacionar de modo mais

aproximado e informal. O tutor ajudará seus tutorandos a se integrarem positivamente

no Curso de Estatística e em toda UFAM. Consequentemente, o Programa visa

reduzir a evasão escolar no curso, os professores participantes do Programa de

Tutoria são designados pelo Departamento de Estatística da Ufam.

PRÁTICA DE CAMPO NAS DISCIPLINAS AMOSTRAGEM E CONTROLE DE

QUALIDADE

A prática de campo é a ação pedagógica que permite ao aluno vivenciar

a prática de diversas disciplinas e com isso reforçar os conhecimentos teóricos

trabalhados em sala de aula, no curso de Estatística. No momento essas

iniciativas são realizadas através de visitas dos estudantes a algumas

empresas do distrito industrial. Os alunos quando estão cursando as disciplinas

Controle de Qualidade são convidados a realizar esta visita. Também na

disciplina técnicas de amostragem, os alunos são levados a campo para

aprimorar seus conhecimentos sobre pesquisa de opinião.

OUTRAS ATIVIDADES DE INCENTIVO

Os alunos do Curso de Estatística, também, são incentivados a

desenvolver atividades Monitoria e Projetos de PIBIC (Iniciação Cientifica),

PIBEX (Programa Institucional de Bolsas de Extensão) e PACE (Programa

Atividade Curriculares de Extensão).



5.INFRA-ESTRUTURA NECESSÁRIA

A infra-estrutura necessária para o funcionamento do Curso de

Graduação de Bacharelado em Estatística é composta por salas de aulas

climatizadas e com: recursos áudio visuais, quadro branco e cadeiras

adequadas; laboratório de informática com equipamentos suficientes para o

quantitativo de alunos do curso e com pacotes computacionais adequados;

biblioteca com acervo atualizado e ampliação e capacitação do corpo docente.

Atualmente o curso funciona no bloco para alocação dos departamentos

vinculados ao Instituto de Ciências Exatas – ICE. Este bloco está localizado no

setor norte do campus universitário, entre as faculdades de Direito e de

Tecnologia. O bloco do Departamento de Estatística – DE contém no

pavimento superior: 21 (vinte e uma) salas destinadas a gabinetes individuais

para os professores; 01 (uma) sala de chefia do departamento, 01 (uma) sala

de secretaria, 01 (uma) sala de coordenação de graduação, 01 (uma) sala de

coordenação de pós-graduação, 01 (uma) sala de reunião, 01 (uma) sala para

alunos de pós-graduação, 01 (uma) sala para alunos de PIBIC/Monitoria, 01

(uma) sala de arquivo, 01 (uma) sala para seminários e o Laboratório de

Assessoria Estatística; e no piso inferior: 01 (uma) sala para o Laboratório de

Informática e Ensino de Graduação.

Temos em andamento Projeto de Modernização e Ampliação do

Laboratório de Estatística. Este projeto contempla a tecnologia de

virtualização de estações de trabalho, tendo como principais características:

uso de “thin clients” para interação com o usuário, processamento e

armazenamento centralizado, redução do consumo direto e indireto de energia,

redução substancial da manutenção nas estações de trabalho e escalabilidade.

Este laboratório contará com 40 (quarenta) máquinas interligadas a uma central

de virtualização e a duas centrais de processamento. As máquinas centrais e

os computadores já foram adquiridos e no momento aguardam instalações.



6.CORPO DOCENTE E TÉCNICO-ADMINISTRATIVO

Na estrutura da distribuição de disciplinas e carga horária da matriz

curricular do Curso de Estatística, observamos que mais de 85% da carga

horária das disciplinas pertencem ao departamento de Estatística. Neste

Departamento, o corpo docente é constituído por 24(vinte e quatro)

professores, sendo 20 (dezenove) do quadro permanente da UFAM e 04

(quatro) substitutos, que atuam nos diferentes cursos oferecidos pela UFAM e

não apenas no curso de Estatística. Apresentam um nível excelente quanto à

formação acadêmica. Dos 20 professores efetivos tem–se 08 (oito) com

Doutorado, 04 (quatro) Doutorandos e 08 (oito) Mestres. Desta forma, 100%

dos professores possuem Pós–Graduação em seus diferentes níveis

garantindo uma melhor qualidade no processo ensino–aprendizagem.

Todos os professores do quadro efetivo tem dedicação exclusiva e do

quadro de substitutos todos tem carga horária de 40h. O Departamento dispõe

de um funcionário técnico administrativo em educação: Michel Delmiro de

Souza, secretário da Chefia do Departamento e da coordenação do curso. O

Núcleo Estruturante do Curso (NDE) é composto pelos professores:

Amazoneida Sá Peixoto Pinheiro (Membro, Doutorado em Estatística); Carla

Zeline Rodrigues Bandeira (Membro, Mestre em Estatística); James Dean

Oliveria dos Santos Júnior (Membro, Doutorado em Estatística); José Cardoso

Neto (Membro, Doutorado em Estatística); José Raimundo Gomes Pereira

(Membro, Doutorado em Estatística); Luiz Irapuan Pinheiro (Colaborador,

Mestre em Estatística); Max Sousa de Lima (Presidente, Doutorado em

Estatística). A qualificação e área de atuação do NDE. Mostra que o curso está

muito bem assessorado. As atribuições do NDE no curso são:

Acompanhar a consolidação do Projeto Pedagógico do Curso;

Contribuir para a consolidação do perfil profissional do egresso

do curso;



Zelar pela integração curricular interdisciplinar entre as diferentes

atividades de ensino e zelar pelo cumprimento das Diretrizes

Curriculares do curso.

No que tange a coordenação do curso, no momento é exercida pelo

Professor Dr. Max Sousa de Lima. O coordenador tem uma grande experiência

em ensino, pesquisa e extensão na área estatística (É coordenador de grupo

de pesquisa, já orientou alunos de doutorado, mestrado, PIBIC e TCC; é

coordenador de projetos de pesquisa e já foi coordenador de projeto de

extensão; já publicou vários artigos em revistas internacionais e capítulos de

livros). As principais responsabilidades do coordenador no Curso de Estatística

são:

1. Atribuições Políticas e Institucionais: O Coordenador, além de

conhecedor da área estatística, deve ter atitude estimuladora, proativa,

congregativa, participativa, articuladora; deve ser o responsável pelo

marketing do curso e ser um promotor permanente do desenvolvimento

e do conhecimento do curso no âmbito da UFAM, na sociedade.

2. Atribuições Gerenciais: O Coordenador deve ser o responsável pela

supervisão das instalações físicas, laboratórios e equipamentos do

Curso; deve ser responsável pela indicação da aquisição de livros,

materiais especiais necessários ao desenvolvimento do Curso e ser

responsável pelo estímulo e controle da frequência docente em sala de

aula.

3. Atribuições Acadêmicas: O Coordenador deve ser o responsável pela

elaboração e execução do Projeto Pedagógico do Curso; O

Coordenador deve estimular a atividade de iniciação científica, pesquisa

e extensão universitária entre professores e alunos; deve ser zelar pela

orientação e acompanhamento dos monitores nas disciplinas do curso;



deve ser o responsável direto pelo desenvolvimento das atividades

complementares do curso junto aos alunos.

A seguir estão listados todos os professores efetivos e um resumo de

sua formação.

PROFESSORES EFETIVOS:

1) ABENSUR, Themis da Costa

Bacharelado em Ciências Econômicas pelo Centro Integrado de Ensino

Superior do Amazonas (CIESA), Manaus, AM, 2002.

Bacharelado em Estatística pela Universidade Federal do Amazonas

(UFAM), Manaus, AM, 2004.

Mestrado em Estatística pela Universidade Federal de Pernambuco

(UFPE), Recife, PE, 2006.

Em doutoramento em Estatística junto à Universidade Federal de São Carlos, UFscar, SP.

2) BANDEIRA, C.Z.R

Bacharelado Estatística pela Universidade Federal do Amazonas


Mestrado em Matemática, Área de Concentração em Estatística, pela

Universidade Federal do Amazonas (UFAM), Manaus, AM, 2014.

3) CABRAL, C.R.B

Licenciatura Plena em Matemática pela Universidade Federal do

Amazonas (UFAM), Manaus, AM, 1985.



Mestrado em Estatística pela Associação Instituto Nacional de

Matemática Pura e Aplicada (IMPA), Rio de Janeiro, RJ, 1991.

Doutorado em Estatística pela Universidade de São Paulo (IME/USP),

São Paulo, SP, 2000.

Pós-Doutoramento em Estatística pela Universidade de São Paulo

(IME/USP), São Paulo, SP, 2008.

4) CARDOSO NETO, José

Licenciado em Matemática pela Universidade Federal do Amazonas




Aperfeiçoamento em Matemática – Modalidade Estatística pela




Mestrado em Estatística pela Universidade Estadual de Campinas

(UNICAMP), Campinas, SP, 1990.

Doutorado em Estatística pela Universidade de São Paulo (IME/USP),

São Paulo, SP, 2000.

5) COSTA, J.M.J



Especialização em Educação Matemática pela Escola Superior Batista

do Amazonas (ESBAM), Manaus, AM, 2004

Mestrado em Matemática pela Universidade Federal do Amazonas


Doutorado em Engenharia Mecânica pela Universidade Federal do Rio

de Janeiro (UFRJ), Rio de Janeiro, Rj, 2015.

6) GARCIA, E.P



Mestrado em Engenharia de Produção pela Universidade Federal de

Santa Catarina (UFSC), Florianópolis, SC, 1998.

Em doutoramento em Biometria junto à Universidade Estadual Paulista

Júlio de Mesquita Filho, UNESP, SP.

7) GOMES, José Clelto Barros



Mestre em Estatística pela Universidade Estadual de Campinas



8) LIMA, Max Sousa de



Mestrado em Estatística pela Universidade Federal de Minas Gerais

(UFMG), Belo Horizonte, MG, 2004.



Doutorado em Estatística pela Universidade Federal de Minas Gerais


9) LEÃO, J.S

Bacharelado em Estatística pela Universidade Federal do Ceará (UFC),

Fortaleza, CE, 2007.

Mestre em Estatística pela Universidade Federal de Pernambuco

(UFPE), Recife, PE, 2010.


10) LYRA, C.C





11) LOPES, Jocely Nascimento





Em doutoramento em Estatística junto à Universidade Federal do Rio de Janeiro, UFRJ, RJ.

12) MARQUES, Leyne Abuim de Vasconcelos

Licenciatura em Ciências – Hab. Plena em Matemática pela

Universidade Estadual Vale do Acaraú (UVA), Sobral, CE, 2001.

Especialização em Ensino de Matemática pela Universidade Estadual

Vale do Acaraú (UVA), Sobral, CE, 2002.



13) NASCIMENTO, Leonardo Brandão Freitas



Mestrado em Estatística, pela Universidade Federal de Minas Gerais




14) OLIVEIRA, M.B





15) PEREIRA, José Raimundo Gomes





Doutorado em Engenharia Elétrica pela Universidade Estadual de

Campinas (UNICAMP), Campinas, SP, 2001.

16) PINHEIRO, Amazoneida Sá Peixoto

Bacharelado em Engenharia Civil pela Universidade Federal do


Mestrado em Ciências de Florestas Tropicais pelo Instituto Nacional de

Pesquisas da Amazônia (INPA), Manaus, AM, 1991.

Doutorado em Engenharia de Produção pela Universidade de São Paulo

(USP), São Paulo, SP, 2003.

17) PINHEIRO, C.X.S.P





18) SANTOS JUNIOR, James Dean de Oliveira





Em doutoramento em Engenharia de Produção junto à Universidade

Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, RJ.

19) SOUZA FILHO, N.L







20) SOUZA, D.S





TÉCNICO-ADMINISTRATIVO

Michel Delmiro de Souza,

Ensino Médio Completo.

Secretário da Chefia do Departamento e da coordenação do curso.



ANEXOS

ANEXO 1: REGULAMENTAÇÃO DO TRABALHO DE CONCLUSÃO DE CURSO CAPÍTULO I DO OBJETIVO E DAS DISCIPLINAS PRÉ-REQUISITO Art. 1º O Trabalho de Conclusão de Curso – TCC do Curso de Graduação em

Estatística da Universidade Federal do Amazonas é um dos requisitos para que

o aluno obtenha o título de Bacharel em Estatística e corresponderá a uma

monografia a ser desenvolvida sob a orientação de um professor, sendo um

estudo num tópico de pesquisa na área de Estatística.

Art. 2º O TCC será desenvolvido no decorrer de duas disciplinas obrigatórias

do Curso de Estatística, assim denominadas: Trabalho de Conclusão de Curso

I, de agora em diante denominada TCC-I, e Trabalho de Conclusão de Curso II,

de agora em diante denominada TCC-II, com 07 (sete) e 08 (oito) créditos,

respectivamente, todos práticos.

Art. 3º A disciplina TCC-I terá como pré-requisitos a disciplina Inferência

Estatística, elencada no quadro de disciplinas obrigatórias.

Art. 4º A disciplina TCC-II terá como pré-requisitos a disciplina TCC-I.

CAPÍTULO II DA ORGANIZAÇÃO GERAL

Art. 5º As disciplinas do Trabalho de Conclusão de Curso terão a seguinte

estrutura administrativa:

I. Comissão de Trabalho de Conclusão de Curso – CTCC;

II. Professores Orientadores;

III. Bancas Examinadoras;

IV. Alunos orientandos.



Art. 6º A CTCC será constituída por três docentes, sendo o Coordenador do

Curso o presidente e dois membros, do Departamento de Estatística, indicados

em reunião do Colegiado do Departamento de Estatística com mandato de dois

ano.

Art. 7º Compete a CTCC:

I. Estabelecer o cronograma e organizar os seminários de metodologia

científica para os alunos matriculados na disciplina TCC-I;

II. Estabelecer o cronograma para a entrega dos projetos de

monografia da disciplina TCC-I;

III. Estabelecer o cronograma e organizar os seminários de

acompanhamento da disciplina TCC-II;

IV. Aprovar os projetos de monografia;

V. Distribuir de forma igualitária os orientandos entre os professores do

Departamento de Estatística;

VI. Aprovar os nomes dos orientadores externos ao Departamento de

Estatística ou à Universidade;

VII. Aprovar as Bancas Examinadoras sugeridas pelos professores

orientadores.

Art. 8º A Banca Examinadora de cada monografia será constituída pelo

orientador do projeto e mais dois professores.

Parágrafo Único - Os membros da Banca Examinadora devem ter

conhecimento afim com o conteúdo do projeto, podendo inclusive ser

profissionais externos ao Departamento de Estatística ou à Universidade.

CAPÍTULO III DA ORIENTAÇÃO



Art. 9º Ao aluno apto a cursar a disciplina TCC-I será designado um orientador

do Departamento de Estatística, de acordo com as áreas de interesse e

preferências individuais e conforme distribuição de vagas realizada pela CTCC.

Parágrafo Único - O Departamento de Estatística ofertará uma turma para a

disciplina TCC-I sob a responsabilidade do professor orientador.

Art. 10 O Orientador da disciplina TCC-I ou TCC-II deverá, preferencialmente,

ser um professor do Departamento de Estatística.

Parágrafo Único – Será permitida a orientação de um profissional externo ao

Departamento de Estatística ou à Universidade, desde que:

I. Aprovado pela CTCC;

II. Credenciado pelo Departamento de Estatística.

III. Incluída a co-orientação de um professor do Departamento de

Estatística.

Art. 11 Se o orientador for externo ao Departamento de Estatística, a disciplina

TCC-I ou TCC-II será ofertada sob a responsabilidade do professor co-

orientador.

Parágrafo Único – Se o orientador e, caso haja o interesse se tenha co-

orientador, e ambos forem do Departamento de Estatística, o primeiro será o

professor responsável e o segundo será o professor colaborador da disciplina

TCC-I ou TCC-II.

Art. 12 Compete ao professor orientador:

I. Orientar o aluno nas distintas fases da monografia, incluindo a

elaboração do projeto de monografia e a apresentação de

seminários de acompanhamento;

II. Fazer cumprir as datas estabelecidas pela CTCC referentes: a

entrega dos projetos de monografia da disciplina TCC-I e a



apresentação dos seminários de acompanhamento da disciplina

TCC-II;

III. Encaminhar à CTCC, como sugestão, lista de nomes dos membros

das bancas examinadoras;

IV. Encaminhar à CTCC a monografia.

CAPÍTULO IV DO CO-ORIENTADOR

Art. 13 A figura do co-orientador será imprescindível quando o orientador for

externo ao Departamento de Estatística.

Art. 14 Cada projeto de monografia poderá ter um único co-orientador. Casos

excepcionais serão analisados pela CTCC.

CAPÍTULO V DAS NORMAS DO PROFESSOR ORIENTADOR

Art. 15 Cada professor orientador poderá orientar no máximo 05 (cinco) alunos

por semestre, distribuídos entre TCC-I e TCC-II.

Art. 16 Cabe ao professor atribuir tarefas ao orientando de tal forma a garantir

que o trabalho seja realizado pelo próprio aluno, dentro dos prazos estipulados

e com a qualidade adequada.

CAPÍTULO VI DAS NORMAS E DEVERES DO ALUNO Art. 17 A todos os alunos é garantida orientação, a cargo de um professor do

Departamento de Estatística, para o desenvolvimento de seu Trabalho de

Conclusão de Curso.

Art. 18 Os alunos orientandos são aqueles que estão regularmente

matriculados nas disciplinas TCC-I e TCC-II.

Art. 19 Compete ao aluno orientando:



I. Elaborar o projeto de monografia sob a supervisão do professor

orientador;

II. Cumprir os cronogramas definidos para as disciplinas TCC-I e TCC-

II;

III. Executar o projeto de monografia aprovado pela CTCC.

Art. 20 É facultada ao aluno a mudança de orientador mediante a aprovação da

CTCC.

Art. 21 O aluno deverá enviar uma cópia impressa da monografia para cada

membro da Banca Examinadora no mínimo 15 (quinze) dias antes da data da

defesa.

Art. 22 O aluno terá no máximo 50 (cinquenta) minutos para realizar a defesa

de sua monografia perante a Banca Examinadora, que disporá de 20 (vinte)

minutos, por membro, para arguição.

CAPÍTULO VII DAS ETAPAS DE REALIZAÇÃO

Art. 23 A elaboração da monografia compreende um processo de pesquisa que

se iniciará na disciplina TCC-I e será desenvolvido na disciplina TCC-II.

Art. 24 A disciplina TCC-I é destinada à participação em seminários de

metodologia científica, elaboração de uma proposta de projeto de monografia e

elaboração da revisão bibliográfica.

§ 1º - Os seminários de metodologia científica tem o objetivo de instruir os

alunos sobre normas e técnicas para a elaboração da monografia.

§ 2º - As propostas de projeto deverão ser entregues, em meio impresso,

para a CTCC no prazo máximo de 60 (sessenta) dias, a contar do

início do semestre letivo.



§ 3º - A CTCC deverá avaliar as propostas de projeto no prazo máximo de

15 (quinze) dias, a contar da data de entrega pelo aluno.

Art. 25 A disciplina TCC-II é destinada à apresentação de seminários de

acompanhamento, elaboração e defesa da monografia.

§ 1º - Os seminários de acompanhamento tem o objetivo de divulgar os

resultados parciais da monografia.

§ 2º - A defesa da monografia deverá ser realizada até 15 (quinze) dias

antes do inicio do período de realização de provas finais.

§ 3º - A defesa da monografia, de caráter obrigatório, é aberta ao público.

Art. 26 As monografias sobre as quais a Banca Examinadora sugerir correções

deverão ser atualizadas e devolvidas no prazo máximo de 5 (cinco) dias antes

do último dia para o lançamento de notas e faltas.

Parágrafo Único – O aluno só terá a nota de avaliação após a realização das correções sugeridas pela Banca Examinadora. CAPÍTULO VIII DOS CRITÉRIOS PARA AVALIAÇÃO

Art. 27 A avaliação da disciplina TCC-I será feita pelo professor orientador

através de relatório das atividades realizadas no período e entrega do projeto

finalizado.

Art. 28 A avaliação da disciplina TCC-II será feita pela Banca Examinadora.

§ 1º - Após a arguição os membros da Banca Examinadora deverão se

reunir para atribuir a nota final.

§ 2º - Cada membro da Banca Examinadora atribuirá uma nota de 0 (zero)

a 10,0 (dez) pontos. A nota da disciplina será a média aritmética das

notas atribuídas pelos membros da Banca Examinadora.



CAPÍTULO IX DAS DISPOSIÇÕES GERAIS

Art. 29 Os casos omissos serão resolvidos pela CTCC.

Art. 30 Esta Norma estará sujeita ao Regimento Geral da Universidade Federal

do Amazonas.



ANEXO 2: QUADRO DE EQUIVALÊNCIAS

Currículo 2011/1 Currículo 2018/1

Perí

odo Sigla Disciplina Créditos

C.H

.

Perí

odo Sigla Disciplina

Cré

dito

s

C.H

.

1 IEM011 Calculo I 6 90 1 IEM075 Calculo Diferencial e

Integral I

4 60

2 IEM021 Calculo II 6 90 2 IEM076 Calculo Diferencial e

Integral II

4 60

2 IEM022 Algebrar Linear II 4 60 2 IEE381 Teoria das Matrizes 4 60

2 IEE201 Probabilidade I 6 90 1

2

IEE054

IEE055

Probabilidade A

Probabilidade B

4

4

60

60

3 IEE302 Probabilidade II 6 90 3 IEE055 Probabilidade B 4 60

5 IEE013 Estatística e Mercado 1 30 5 IEE058 Estatística e Mercado 1 30

6 IEE024 Estatística Multivariada 5 90 4 IEE058 Estatística

Multivariada I

3 60

4 IEE062 Estatística

Multivariada II

3 60

6 IEE026 Modelos de Regressão II 5 90 5 IEE026 Planejamento de

Experimentos

5 90

7 IEE029 Análise de Sobrevivência 3 60 7 IEE065 Análise de

Sobrevivência e

Confiabilidade

3 60



ANEXO 3: QUADRO DE TRANSIÇÃO

QUADRO DE TRANSIÇÃO ENTRE OS PROJETOS PEDAGÓGICOS

Ano Semestre Currículo 2011/01

Currículo 2018/01

2018 1o 3o, 5o, 7o 1o

2018 2o 4o, 6o, 8o 2o

2019 1o 5o, 7o 1o, 3o

2019 2o 6o, 8o 2o, 4o

2020 1o 7o 1o, 3o, 5o

2020 2o 8o 2o, 4o, 6o

2021 1o 1o, 3o, 5o, 7

2021 2o 2o, 4o, 6o, 7o, 8o

A última turma do Currículo 2011/01 integralizará o Curso no 2o


A primeira turma do Currículo 2018/1 integralizará o Curso no 2o




ANEXO 4: REGULAMENTAÇÃO DAS ATIVIDADES COMPLEMENTARES

CAPÍTULO I DISPOSIÇÕES PRELIMINARES

Art. 1o. O presente regulamento tem por finalidade normatizar as atividades

complementares do curso de Bacharelado em Estatística, sendo o seu integral

cumprimento indispensável para a colação de grau.

Parágrafo único: As atividades complementares estão regulamentadas de

acordo com a Resolução No.018/2007 CEG/CONSEPE.

Art. 2o. Define-se Atividades Complementares como o aproveitamento

curricular de atividades de Ensino, Pesquisa e Extensão, bem como outras

atividades de natureza científica, tecnológica, social, desportiva, política,

cultural ou artística, de livre escolha do estudante, que possibilitem a

complementação da formação profissional do Bacharel no âmbito de sua

formação profissional, ética e humanística.

Art. 3o. As Atividades Complementares deverão ser desenvolvidas pelos

alunos ao longo do curso de Bacharelado em Estatística.

Parágrafo único: Os alunos podem realizar atividades complementares desde

o primeiro semestre do curso.

Art. 4o. Para integralizar as Atividades Complementares, o discente deverá

realizar atividades que totalizem 225hs (duzentas e vinte e cinco horas) até o

último semestre do curso.

Art. 5o. As Atividades Complementares deverão ser desenvolvidas em horários

que não conflitem com a grade de horários das aulas na graduação;

I. A atividade complementar não pode ser aproveitada para a concessão de

dispensa de disciplinas integrantes do currículo do curso;



Art. 6o. O aluno deve escolher, buscar e realizar as atividades pertinentes, que

permitam um efetivo diferencial na qualidade de sua formação acadêmica, e

que nos termos deste regulamento possam ser consideradas como Atividades

Complementares.

CAPÍTULO II DAS ATIVIDADES COMPLEMENTARES

Art. 7o. São as seguintes atividades de ENSINO passíveis de inclusão como

Atividades Complementares:

I - Ministrante de curso de extensão;

II - Debatedor em mesa redonda;

III - Atividade de monitoria desenvolvida em relação às disciplinas oferecidas

na área de conhecimento;

IV - Participação em Semana de Curso como ouvinte;

V - Participação em Programa Especial de Treinamento – PET;

VI - Carga horária optativa excedente não elencada no quadro de disciplinas

optativas do Projeto Pedagógico;

VII - Carga horária optativa excedente entre as elencadas no quadro de

disciplinas do Projeto Pedagógico;

VIII - Estágios não obrigatórios, vinculados ao Ensino de Graduação e à matriz

curricular do Curso.

Art. 8o. São as seguintes atividades de PESQUISA passíveis de inclusão

como Atividades Complementares e suas respectivas cargas horárias:

I - Participação em projetos de pesquisa aprovados e concluídos do PIBIC

II - Participação em projetos de pesquisa aprovados e concluídos em outros

programas

III - Autor ou co–autor de artigo científico completo publicado em periódico com

comissão editorial



IV - Autor ou co–autor de trabalho científico apresentado (pôster/oral) em

evento científico

V - Autor ou co–autor de capítulo de livro

VI - Premiação em trabalho acadêmico

VII - Participação em evento científico, comprovada com emissão de certificado

ou declaração, de âmbito regional, nacional ou internacional

Art. 9o. São as seguintes atividades de EXTENSÃO passíveis de inclusão

como Atividades Complementares:

I - As desenvolvidas sob a forma de congressos, seminários, simpósios,

conferências, palestras, fóruns, apresentações de painéis ou outras atividades

similares, como ouvinte;

II - As desenvolvidas sob a forma de congressos, seminários, simpósios,

conferências, palestras, fóruns, apresentações de painéis ou outras atividades

similares, como participante direto;

III - Participação como membro de comissão organizadora de eventos de

extensão (semana de curso);

IV - Presidente do Centro Acadêmico;

V - Membro do Centro Acadêmico;

VI - Representação discente comprovada (membro em Colegiado);

VII - Participação em projetos de extensão aprovados em outros programas;

VIII - As desenvolvidas sob a forma de extensão;

IX - Realização de Cursos online ou a distância com temas relacionados a

alguma atividade ou disciplina do curso e que tenha gerado certificado de

conclusão.

Art. 10. São passíveis de contabilização de carga horária como EXTENSÃO

outras atividades que envolvem GESTÃO, INOVAÇÃO, CIDADANIA,

CULTURA E DESPORTOS e que representem algum tipo de contribuição com

a sociedade, cultura, desportos e tecnologia. Devem ser comprovadas, em

cada caso, por documentação pertinente e idônea, a critério da coordenação



do curso de Bacharelado em Estatística da Universidade Federal do

Amazonas.

Art. 11. De modo a garantir a diversidade de vivências acadêmicas e culturais,

indispensável ao enriquecimento e formação do acadêmico, este regulamento

estabelece um limite de pontos passível de ser validado para cada uma das

modalidades e para cada uma das categorias.

Parágrafo único. A especificação das atividades relacionadas a cada uma das

modalidades, e do limite de pontos mencionado no caput deste artigo constam

nos quadros de atividades complementares decritos na seção 1.3.12 deste

documento.

CAPÍTULO IV DA SOLICITAÇÃO E INTEGRALIZAÇÃO

Art. 12. Serão contabilizados números inteiros de horas para as atividades

complementares, sendo a unidade mínima equivalente a 1h (uma hora).

Art. 13. O aluno deverá solicitar a Coordenação do Curso de Bacharelado em

Estatística, mediante requerimento entregue ao Coordenador do Curso, a

validação das atividades realizadas.

Parágrafo único. O requerimento deverá ser acompanhado da documentação

comprobatória, com clara discriminação dos conteúdos, atividades, períodos,

carga horária e formas de organização ou realização.

Art. 14. A Coordenação do Curso de Bacharelado em Estatística irá divulgar o

período, a partir da segunda metade do semestre em curso, em que o aluno irá

requerer a integralização da carga horária de Atividades Complementares.



Art. 15. As Atividades Complementares requeridas pelos alunos serão

validadas pela Coordenação do Curso Bacharelado em Estatística, que se

encarregará de atribuir a carga horária correspondente nos termos do quadro

descrito na seção 1.3.12 deste documento.

§ 1º A integralização das horas de Atividade Complementar no histórico escolar

do aluno é de responsabilidade da Coordenação de Curso.

CAPÍTULO III DAS DISPOSIÇÕES GERAIS Art. 16. O presente Regulamento só poderá ser alterado pelo NDE do curso.

Art. 17. Compete ao NDE do Curso de Bacharelado em Estatística decidir, em

primeira instância, sobre os recursos interpostos referentes à matéria deste

Regulamento.

Art. 18. Este Regulamento integra o Projeto Pedagógico do Curso de

Bacharelado em Estatística para ingressos a partir de 2018, e entra em vigor

na data de sua aprovação pela Câmara de Ensino de Graduação – CEG da

Universidade Federal do Amazonas.