MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO...
-
Upload
hoangkhuong -
Category
Documents
-
view
215 -
download
1
Transcript of 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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 2
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 3
MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO SUPERIOR
UNIVERSIDADE FEDERAL DO AMAZONAS INSTITUTO DE CIÊNCIAS EXATAS
CURSO DE BACHARELADO EM ESTATÍSTICA
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 4
MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO SUPERIOR
UNIVERSIDADE FEDERAL DO AMAZONAS INSTITUTO DE CIÊNCIAS EXATAS
CURSO DE BACHARELADO EM ESTATÍSTICA
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)
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 5
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 6
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 7
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 8
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 9
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 10
“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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 11
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 12
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 13
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 14
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 15
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).
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 16
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 17
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 18
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–
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 19
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 20
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 21
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
CNE/Diretrizes Curriculares Disciplinas Desdobradas/UFAM
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
CNE/Diretrizes Curriculares Disciplinas Desdobradas/UFAM
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 22
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 23
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 24
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
Subtotal 18 17 1 285
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
Subtotal 21 18 3 360
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
Subtotal 21 18 3 360
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
Subtotal 19 13 6 375
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 25
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
Subtotal 18 14 4 330
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 26
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 27
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 28
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 29
Item Ensino Carga Horária
5 Participação em Programa Especial de Treinamento – PET
Máximo por atividade: 60h. Máximo durante o curso: 120h.
6 Carga horária optativa excedente não elencada no quadro de disciplinas optativas do Projeto Pedagógico
Máximo por atividade: 60h. Máximo durante o curso: 60h.
7 Carga horária optativa excedente entre as elencadas no quadro de disciplinas do Projeto Pedagógico
Máximo por atividade: 60h. Máximo durante o curso: 180h.
8 Estágios não obrigatórios, vinculados ao Ensino de Graduação e à matriz curricular do Curso
Máximo por atividade: 120h. Máximo durante o curso: 120h.
b) Pesquisa e Produção Científica
Item Pesquisa e Produção Científica Carga Horária
1 Participação em projetos de pesquisa aprovados e concluídos do PIBIC
Máximo por atividade: 120h. Máximo durante o curso: 120h.
2 Participação em projetos de pesquisa aprovados e concluídos em outros programas
Máximo por atividade: 120h. Máximo durante o curso: 120h.
3 Autor ou co–autor de artigo científico completo publicado em periódico com comissão editorial
Máximo por atividade: 120h. Máximo durante o curso: 120h.
4 Autor ou co–autor de trabalho científico apresentado (pôster/oral) em evento científico
Máximo por atividade: 60h. Máximo durante o curso: 120h.
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 30
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
Máximo por atividade: 30h. Máximo durante o curso: 30h.
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.
Máximo por atividade: 30h. Máximo durante o curso: 120h.
2 As desenvolvidas sob a forma de congressos, seminários, simpósios, conferências, palestras, fóruns, apresentações de painéis ou outras atividades similares, como participante direto.
Máximo por atividade: 60h. Máximo durante o curso: 120h.
3 Participação como membro de comissão organizadora de eventos de extensão (semana de curso)
Máximo por atividade: 60h. Máximo durante o curso: 120h.
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)
Máximo por atividade: 15h. Máximo durante o curso: 30h.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 31
Item Extensão Carga Horária
7 Participação em projetos de extensão aprovados em outros programas
Máximo por atividade: 60h. Máximo durante o curso: 180h.
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.
Máximo por atividade: 60h. Máximo durante o curso: 120h.
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)
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 32
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 33
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 34
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 35
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 36
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 37
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 38
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 39
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 40
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 41
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 42
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 43
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 44
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
Crédito: 4.3.1
Carga Horária: 75h
Objetivos:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 45
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 46
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 47
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 48
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 49
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 50
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 51
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
Pré–Requisito: Introdução à Inferência Estatística (IEE014)
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 52
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 53
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 54
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 55
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 56
Disciplina: Pesquisa Operacional Código: IEE036
Pré–Requisito: Probabilidade C (IEE057)
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
Pré–Requisito: Probabilidade C (IEE057)
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 57
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 58
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 59
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 60
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 61
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 62
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 63
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 64
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 65
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 66
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 67
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 68
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 69
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 70
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 71
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 72
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 73
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 74
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 75
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)
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 76
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 77
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 78
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 79
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 80
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 81
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 82
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 83
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 84
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 85
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 86
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 87
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 88
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
semestre letivo do ano de 2020.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 89
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 90
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).
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 91
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 92
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 93
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 94
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
(UFAM), Manaus, AM, 2010.
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.
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 1987.
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
(UFAM), Manaus, AM, 1981.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 95
Aperfeiçoamento em Matemática – Modalidade Estatística pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 1983.
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 1986.
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
Licenciatura Plena em Matemática pela Universidade Federal do
Amazonas (UFAM), Manaus, AM, 2003.
Especialização em Educação Matemática pela Escola Superior Batista
do Amazonas (ESBAM), Manaus, AM, 2004
Mestrado em Matemática pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2009.
Doutorado em Engenharia Mecânica pela Universidade Federal do Rio
de Janeiro (UFRJ), Rio de Janeiro, Rj, 2015.
6) GARCIA, E.P
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 1996.
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
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2004.
Mestre em Estatística pela Universidade Estadual de Campinas
(UNICAMP), Campinas, SP, 2009.
Em doutoramento em Estatística junto à Universidade Federal de São Carlos, UFscar, SP.
8) LIMA, Max Sousa de
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2000.
Mestrado em Estatística pela Universidade Federal de Minas Gerais
(UFMG), Belo Horizonte, MG, 2004.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 96
Doutorado em Estatística pela Universidade Federal de Minas Gerais
(UFMG), Belo Horizonte, MG, 2011.
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.
Em doutoramento em Estatística junto à Universidade Federal de São Carlos, UFscar, SP.
10) LYRA, C.C
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2008.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2013.
11) LOPES, Jocely Nascimento
Licenciatura Plena em Matemática pela Universidade Federal do
Amazonas (UFAM), Manaus, AM, 2001.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2008.
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.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2009.
13) NASCIMENTO, Leonardo Brandão Freitas
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2015.
Mestrado em Estatística, pela Universidade Federal de Minas Gerais
(UFMG), Belo Horizonte, MG, 2017.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 97
14) OLIVEIRA, M.B
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2012.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2016.
15) PEREIRA, José Raimundo Gomes
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 1984.
Mestrado em Estatística pela Universidade Estadual de Campinas
(UNICAMP), Campinas, SP, 1993.
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
Amazonas (UFAM), Manaus, AM, 1985.
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
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2010.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2016.
18) SANTOS JUNIOR, James Dean de Oliveira
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2004.
Mestrado em Estatística pela Universidade Estadual de Campinas
(UNICAMP), Campinas, SP, 2006.
Em doutoramento em Engenharia de Produção junto à Universidade
Federal do Rio de Janeiro (UFRJ), Rio de Janeiro, RJ.
19) SOUZA FILHO, N.L
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2009.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 98
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2012.
20) SOUZA, D.S
Bacharelado em Estatística pela Universidade Federal do Amazonas
(UFAM), Manaus, AM, 2010.
Mestrado em Matemática, Área de Concentração em Estatística, pela
Universidade Federal do Amazonas (UFAM), Manaus, AM, 2012.
TÉCNICO-ADMINISTRATIVO
Michel Delmiro de Souza,
Ensino Médio Completo.
Secretário da Chefia do Departamento e da coordenação do curso.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 99
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 100
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 101
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 102
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:
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 103
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 104
§ 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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 105
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 106
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 107
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
semestre letivo do ano de 2020.
A primeira turma do Currículo 2018/1 integralizará o Curso no 2o
semestre letivo do ano de 2021.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 108
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;
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 109
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 110
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
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 111
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.
UNIVERSIDADE FEDERAL DO AMAZONAS
Projeto Pedagógico do Curso de Bacharelado em Estatística 112
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.