Portal do Ementário

Proporcionar aos alunos o conhecimento teórico-prático de simulação estocástica e  geração de números aleatórios uniformes e não-uniformes. Estudar alguns métodos de otimização e técnicas de re-amostragem e suas aplicações na teoria da inferência estatística. Aplicar as metodologias apresentadas no cotidiano das áreas de formação do aluno, familiarizando-o com a terminologia e as principais técnicas.

Noções básicas de R. Simulação de números Pseudo-Aleatórios. Simulação de Variáveis Aleatórias. Métodos de Otimização e Bootstrap.

JAMES, Gareth et al. An Introduction to statistical learning: with applications in R. New York: Springer, 2013. xiv, 426 p. ROSS, Sheldon M. Simulation. 4th ed. Amsterdam: Boston: Elsevier Academic Press, 2006. xiii, 298 p. RUBINSTEIN, Reuven Y.; KROESE, Dirk P. Simulation and the Monte Carlo method. 2nd ed. Hoboken, N.J.: John Wiley, 2008. xvii, 345 p.

EFRON, Bradley; TIBSHIRANI, Robert. An introduction to the bootstrap. Boca Raton, Fla.: Chapman & Hall, 1994. xvi, 436 p. GENTLE, James E. Elements of computational statistics. [New York]: Springer, 2002. xviii, 420 p. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The elements of statistical learning: data mining, inference,   and prediction. 2nd ed. New York, N.Y.: Springer, 2009. xxii, 745p. PROTTER, Philip E. Stochastic integration and differential equations. 2nd ed. Berlin: Springer, 2004. xiii, 419 p. TORGO, Luís. Data mining with R: learning with case studies. Boca Raton, Fla.: CRC Press: Chapman & Hall, 2011. xv,   289 p.