\chead{
      \textbf{
          \begin{Large}
          Universidade Federal de Goi\'as\\
          \end{Large}
      \begin{large}INSTITUTO DE MATEM\'ATICA E ESTATISTICA\end{large}\\
      Campus Samambaia -  74001-970 - Goi\^ania\\
      http://www.ime.ufg.br - (62) 3521 1742 - (62) 3521-1208 - secretaria.ime@ufg.br
      }
}


\begin{center}
  \LARGE{\textbf{Plano de Ensino}}
\end{center}

\PlanSection{01. Dados de Identifica\c{c}\~ao da Disciplina:}
{   
   \begin{center}\begin{small}
      \begin{tabular}{|l|p{5cm}|l|p{5cm}|}
         \hline
         \textbf{Semestre:} & 2026.2 &
         \textbf{Curso:} & Ci\^encias Econ\^omicas
         \\
         
         \hline
         \textbf{Turma:} & B
         &
         \textbf{C\'odigo Componente:} & IME0309
         \\
         
         \hline
         \textbf{Componente:} & \uppercase{Probabilidade E Estat\'{\i}stica B}
         &
         \textbf{UA Respons\'avel:} & IME
         \\
         
         \hline
         \textbf{Carga Hor\'aria:} & 64
         &
         \textbf{UA Solicitante:} & FACE
         \\
         
         \hline
         \textbf{Te\'orica/Pr\'atica:}
         &
         64/-
         &
         
         \textbf{EAD/PCC:}
         &
         -/-
         \\
         
         
         \hline
         \textbf{Hor\'arios:}
         &
         46N45
         &
         
         \textbf{Docente:}
         &
         Prof(a) Mario Ernesto Piscoya Diaz
         \\
         
         \hline
      \end{tabular}
   \end{small}\end{center}
}

\PlanSection{02. Ementa:}
{
  Estat\'{\i}stica descritiva. No\c{c}\~oes sobre amostragem. No\c{c}\~oes de probabilidade: introdu\c{c}\~ao \`a teoria de conjuntos, espa\c{c}o amostral, eventos, frequ\^encia relativa, fundamentos de probabilidade, probabilidade condicional e eventos independentes. Conceitos gerais de vari\'aveis aleat\'orias. Distribui\c{c}\~oes discretas de probabilidade: Uniforme e Binomial. Distribui\c{c}\~oes cont\'{\i}nuas de probabilidade: Uniforme, Normal e t-Student. Estima\c{c}\~ao pontual e intervalar para uma popula\c{c}\~ao: m\'edia e propor\c{c}\~ao. Teste de hip\'oteses para uma popula\c{c}\~ao: m\'edia e propor\c{c}\~ao. Correla\c{c}\~ao linear e regress\~ao linear simples.
}


\PlanSection{03. Programa:}
{
  1. Introdu\c{c}\~ao \`a Estat\'{\i}stica e no\c{c}\~oes sobre amostragem: conceito, objetivos e import\^ancia da Estat\'{\i}stica. 
Defini\c{c}\~ao de popula\c{c}\~ao e amostra. Tipos de Dados. Tipos de vari\'aveis. Amostragem aleat\'oria simples, 
amostragem estratificada, amostragem por conglomerados, amostragem sistem\'atica, amostragem por 
conveni\^encia.

2. Estat\'{\i}stica Descritiva: resumo de dados em tabelas e gr\'aficos. Medidas de posi\c{c}\~ao. Medidas de 
dispers\~ao.

3. Introdu\c{c}\~ao \`a Teoria de Conjuntos. Conceitos b\'asicos de probabilidade: experimento aleat\'orio, espa\c{c}o 
amostral, eventos. Fundamentos de probabilidade. Probabilidade condicional. Independ\^encia entre 
eventos.

4. Vari\'aveis Aleat\'orias: conceitos b\'asicos, esperan\c{c}a e vari\^ancia. Distribui\c{c}\~oes discretas de probabilidade: 
Uniforme e Binomial. Distribui\c{c}\~oes cont\'{\i}nuas de probabilidade: Uniforme, Normal e t-Student.

5. Infer\^encia Estat\'{\i}stica: distribui\c{c}\~oes amostrais para m\'edia e propor\c{c}\~ao. Estima\c{c}\~ao pontual e intervalar 
para a m\'edia e propor\c{c}\~ao de uma popula\c{c}\~ao. Testes de hip\'oteses para m\'edia e propor\c{c}\~ao de uma 
popula\c{c}\~ao.

6. Correla\c{c}\~ao e regress\~ao linear simples: diagrama de dispers\~ao. Coeficiente de Correla\c{c}\~ao Linear. Reta de 
regress\~ao e predi\c{c}\~ao.
}


\PlanSection{04. Cronograma:}
{
  \begin{itemize}
\item [1.] Introdu\c{c}\~ao \`a estat\'{\i}stica. Defini\c{c}\~oes 
principais: Popula\c{c}\~ao e Amostra (5 aulas)
\item [2.] Estat\'{\i}stica Descritiva; Principais indicadores. 
(5 aulas)
\item [3.].Introdu\c{c}\~ao ao C\'alculo de Probabilidades; (8 
aulas)
\item [4.] Vari\'avel Aleat\'oria. Defini\c{c}\~ao. Propriedades. 
Distribui\c{c}\~oes discretas e 
continuas. Esperan\c{c}a
matem\'atica (6 aulas)
\item [5.] Principais modelos te\'oricos de 
probabilidade (4 aulas)
\item [6.] Amostragem aleat\'oria: Principais t\'ecnicas de 
amostragem (2 aulas)
\item [7.] Introdu\c{c}\~ao \`a infer\^encia estat\'{\i}stica. 
Estima\c{c}\~ao de Par\^ametros: M\'edia e Desvio 
padr\~ao. (10 aulas)
\item [8.]Intervalos de confian\c{c}a e testes de hip\'oteses 
estat\'{\i}sticos para a m\'edia de 
uma popula\c{c}\~ao normal
(10 aulas)
\item [9.]An\'alise de regress\~ao linear. (10 aulas)
\item [10.] Avalia\c{c}\~oes (4 aulas)
\end{itemize}
}


\PlanSection{05. Objetivos Gerais:}
{
  objetivo do curso \'e oferecer os conceitos b\'asicos de 
probabilidade e estat\'{\i}stica para que o aluno possa 
utiliz\'a-los como aux\'{\i}lio na tomada de 
decis\~oes.
}



\PlanSection{06. Objetivos Espec\'{\i}ficos:}
{
  Saber coletar, organizar e interpretar dados para 
eventuais pesquisas a serem realizadas;
\begin{itemize}
\item Aprendizado b\'asico e aplica\c{c}\~ao de t\'ecnicas 
probabil\'{\i}sticas;
\item Conhecer os modelos probabil\'{\i}sticos mais 
utilizados nas ci\^encias aplicadas.
\item Conhecer e diferenciar os conceitos 
associados a popula\c{c}\~ao e amostras para 
realizar infer\^encia
sobre a popula\c{c}\~ao;
\item Calcular estimativas pontuais de par\^ametros 
populacionais;
\item Calcular estimativas intervalares de 
par\^ametros populacionais;
\item Saber identificar as hip\'oteses a serem 
testadas e realizar testes de hip\'oteses;
\item Ajustar um modelo estat\'{\i}stico por meio de 
regress\~ao linear simples.
\item Aplicar a teoria na \'area de estudo: economia.
\end{itemize}
}


\PlanSection{07. Metodologia:}
{
  Aulas expositivas, utilizando quadro e giz. O 
est\'{\i}mulo 
a participa\c{c}\~ao dos alunos ser\'a feita atrav\'es da 
resolu\c{c}\~ao de exerc\'{\i}cios, utilizando a teoria 
estudada em sala. Ser\~ao dadas 
listas de exerc\'{\i}cios para refor\c{c}ar a compreens\~ao e 
aprofundar o conhecimento dos alunos. Aplica\c{c}\~oes 
computacionais 
ser\~ao realizadas no software STATA/R. Nesta 
disciplina, reconhece-se o potencial das 
ferramentas de Intelig\^encia Artificial 
(IA) como apoio ao ensino e \`a aprendizagem. O 
professor poder\'a utilizar ferramentas de IA para 
auxiliar na elabora\c{c}\~ao 
de materiais did\'aticos, tais como slides, propostas 
de exerc\'{\i}cios e ideias para atividades pedag\'ogicas, 
com o objetivo de 
otimizar o planejamento das aulas e ampliar as 
possibilidades de explora\c{c}\~ao dos conte\'udos. Os 
estudantes n\~ao poder\~ao 
utilizar IA em atividades avaliativas. Nas demais 
atividades acad\^emicas, as ferramentas de IA 
poder\~ao ser utilizadas de 
forma \'etica, cr\'{\i}tica e consciente, exclusivamente 
como apoio complementar ao aprendizado, jamais 
como substitutas do 
racioc\'{\i}nio pr\'oprio ou para a realiza\c{c}\~ao integral das 
atividades propostas. O discente dever\'a pautar sua 
conduta pelo Guia 
de Integridade Acad\^emica da UFG, utilizando a IA 
para gerar ideias, esclarecer d\'uvidas ou apoiar a 
investiga\c{c}\~ao de 
problemas, sem delegar \`a ferramenta a produ\c{c}\~ao 
integral de conte\'udos. Todo material produzido 
com aux\'{\i}lio de IA 
dever\'a ser revisado pelo discente, validado 
criticamente e confrontado com a bibliografia 
recomendada na disciplina
}


\PlanSection{08. Avalia\c{c}\~oes:}
{
  Ser\~ao realizadas duas avalia\c{c}\~oes, $P_{1}$ e $P_{2}$, 
te\'orico - praticas com valor 
m\'aximo de 10 pontos
cada uma. Tamb\'em ser\'a exigido a elabora\c{c}\~ao de um 
trabalho pr\'atico (TP) na 
modalidade de relat\'orio
estat\'{\i}stico de pesquisa que ser\'a entregue pelo 
estudante no final da disciplina. O 
tema, assim como a
estrutura do relat\'orio ser\'a informada em sala de aula.

A M\'edia Final na disciplina ser\'a calculada pela 
seguinte f\'ormula:

\begin{center}
MF = (0,35* $P_{1}$) + (0,35* $P_{2}$) + (0,30*TP)
\end{center}

Datas previstas:

\begin{itemize}
\item Prova 1 : 21.10.2026
\item Prova 2 : 11.12.2026
\end{itemize}





\textbf{Observa\c{c}\~oes Importantes:}
\begin{itemize}
\item \'E vedado o uso de celulares, tablets ou 
notebooks em sala de aula. Discentes que 
desrespeitem
essa proibi\c{c}\~ao ser\~ao cordialmente convidados a 
retirar se da sala de aula.
\item As datas das provas poder\~ao sofrer altera\c{c}\~oes 
que ser\~ao comunicadas com anteced\^encia pelo
docente.
\item A comunica\c{c}\~ao entre o docente e os discente 
ser\'a realizada estritamente atrav\'es da conta de
correio eletr\^onico institucional.
\item Haver\'a provas substitutiva para o aluno que 
perder qualquer das atividades avaliativas, com
aus\^encia justificada e tenha solicitado uma segunda 
chamada em at\'e 7 (sete)
dias ap\'os a data de realiza\c{c}\~ao da avalia\c{c}\~ao.
\item O estudante poder\'a solicitar segunda chamada 
de avalia\c{c}\~ao de componentes curriculares \`a
unidade acad\^emica ou \`a unidade acad\^emica especial 
respons\'avel pelo componente curricular, de forma
remota, at\'e 7 (sete) diasap\'os a data da realiza\c{c}\~ao da 
avalia\c{c}\~ao.
\item O discente ser\'a aprovado se a m\'edia final (MF) 
for igual ou superior a 6 (seis) pontos e tiver 
frequ\^encia 
igual ou superior a 0,75 da carga hor\'aria total da 
disciplina. As atividades supervisionadas mencionadas 
no 
Art. 16 do RGCG ser\~ao apresentadas pelo professor 
em sala de aula e supervisionadas no hor\'ario de 
atendimento da disciplina.
\item Para assegurar a autoria, a aprendizagem e a 
integridade acad\^emica, o professor poder\'a solicitar 
que 
o estudante esclare\c{c}a ou justifique, por meio de 
argui\c{c}\~ao oral, as respostas em avalia\c{c}\~oes, sempre que 
houver ind\'{\i}cios de descumprimento das normas 
previstas no Guia de Integridade Acad\^emica da UFG. 
Constatada a ocorr\^encia de fraude acad\^emica, ser\'a 
atribu\'{\i}do nota 0,0 (zero) a atividade e ser\~ao aplicadas 
as 
medidas cab\'{\i}veis previstas no RGCG e no Regimento 
Geral da UFG.
\end{itemize}
}


\PlanSection{09. Bibliografia:}
{
  \textbf{[1]:} BUSSAB, W. O.; MORETTIN, P. A. Estat\'{\i}stica B\'asica. 5. ed. S\~ao Paulo Saraiva, 2004.

\textbf{[2]:} TRIOLA, M. F. Introdu\c{c}\~ao \`a Estat\'{\i}stica. 10. ed. Rio de Janeiro LTC, 2008.

\textbf{[3]:} WALPOLE, R. E.; MYERS, R. H. M. S. L. Y. K. Probabilidade e Estat\'{\i}stica para engenharia e ci\^encias. 8. ed. S\~ao Paulo Pearson, 2009.


}

\PlanSection{10. Bibliografia Complementar:}
{
  \textbf{[1]:} COSTA, S. F. Introdu\c{c}\~ao Aplicada a Estat\'{\i}stica. 4. ed. S\~ao Paulo Harbra, 2005.

\textbf{[2]:} HOEL, P.G.; PORT, S. S. C. Introdu\c{c}\~ao a Teoria da Probabilidade. Rio de Janeiro Luter-Ci\^encia, 1971.

\textbf{[3]:} FONSECA, J. S. D. Curso de Estat\'{\i}stica. S\~ao Paulo Atlas, 1996.

\textbf{[4]:} MOORE, D. S. A Estat\'{\i}stica B\'asica e sua Pr\'atica. Rio de Janeiro LTC, 2005.

\textbf{[5]:} STEVENSON, W. J. Estat\'{\i}stica Aplicada \`a Administra\c{c}\~ao. S\~ao Paulo Harbra,1981.


}

\PlanSection{11.  Livros Texto:}
{
   \textbf{[1]:} BUSSAB, W. O.; MORETTIN, P. A. Estat\'{\i}stica B\'asica. 5. ed. S\~ao Paulo Saraiva, 2004. (B1)

\textbf{[2]:} TRIOLA, M. F. Introdu\c{c}\~ao \`a Estat\'{\i}stica. 10. ed. Rio de Janeiro LTC, 2008. (B2)
}


\PlanSection{12. Hor\'arios:}
{
   \begin{center}
\begin{small}
\begin{tabular}{lll}
\hline
   \textbf{Dia} & \textbf{Hor\'ario} & \textbf{Sala Distribuida}\\
\hline

   4$^a$ & N4 & 202, CAB (50)\\
   4$^a$ & N5 & 202, CAB (50)\\
   6$^a$ & N4 & 202, CAB (50)\\
   6$^a$ & N5 & 202, CAB (50)\\
\end{tabular}
\end{small}\end{center}

}


\PlanSection{13. Hor\'ario de Atendimento do(a)s Professor(a):}
{
   \begin{small}
\begin{tabular}{ll}
   \textbf{1. } & Quarta-feira das 13h00 at\'e 14h40, Sala 230 IME\\
\end{tabular}
\end{small}
}

\PlanSection{14. Professor(a):}
{
   \begin{small}
\begin{tabular}{lll}
   Mario Ernesto Piscoya Diaz. & Email: mpiscoya@ufg.br, & IME\\
\end{tabular}
\end{small}
}




\vspace{0.2cm}

\begin{center}
\underline{\hspace{8cm}}\\\small{Prof(a). Mario Ernesto Piscoya Diaz}\end{center}