Espaço de probabilidade, variáveis aleatórias, distribuições contínuas e discretas (exemplos). Distribuição acumulada de probabilidade, esperança, variância e função geradora de momento. Desigualdades. Convergência de variáveis aleatórias, Lei dos Grandes Números, Teorema Central do Limite. Distribuição conjunta e a normal multivariada. Inferência por verossimilhança: estimador de máxima verossimilhança e sua inferência (viés, consistência, variância, intervalo de confiança, teste de hipótese e p-valor). Exemplo das distribuições normal, qui-quadrada, t de Student e F. Método dos momentos. Inferência bayesiana: priori e posteriori, prioris conjugadas, intervalo de credibilidade. Métodos de simulação estocástica e redução de variância.

Bibliografia:

• EVANS, M.J. & ROSENTHAL, J.S., (2003) Probability and Statistics: The Science of Uncertainty. W.H. Freeman and Co.
• CASELLA, G. & BERGER, R.L. (2002) Statistical Inference. Cengage
• WASSERMAN, L. (2004) All of Statistics, A concise course on statistical inference. Springer;
• BOLFARINE, H., SANDOVAL, M. (2001) - Inferência Estatística. Sociedade Brasileira de Matemática.
• DEGROOT, M., SCHERVISH, M. (2012). Probability and Statistics. Pearson