\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:} & Sistemas De Informa\c{c}\~ao
         \\
         
         \hline
         \textbf{Turma:} & C
         &
         \textbf{C\'odigo Componente:} & IME0378
         \\
         
         \hline
         \textbf{Componente:} & \uppercase{Probabilidade E Estat\'{\i}stica A}
         &
         \textbf{UA Respons\'avel:} & IME
         \\
         
         \hline
         \textbf{Carga Hor\'aria:} & 64
         &
         \textbf{UA Solicitante:} & INF
         \\
         
         \hline
         \textbf{Te\'orica/Pr\'atica:}
         &
         64/-
         &
         
         \textbf{EAD/PCC:}
         &
         -/-
         \\
         
         
         \hline
         \textbf{Hor\'arios:}
         &
         24N45
         &
         
         \textbf{Docente:}
         &
         Prof(a) Renata Mendonca Rodrigues Vasconcelos
         \\
         
         \hline
      \end{tabular}
   \end{small}\end{center}
}

\PlanSection{02. Ementa:}
{
  Estat\'{\i}stica descritiva. No\c{c}\~oes sobre amostragem. Introdu\c{c}\~ao \`a teoria de conjuntos. Introdu\c{c}\~ao \`a teoria de probabilidade: espa\c{c}o amostral, eventos, frequ\^encia relativa, fundamentos de probabilidade, probabilidade condicional, eventos independentes e teorema de Bayes. Vari\'aveis aleat\'orias: conceitos b\'asicos, esperan\c{c}a e vari\^ancia. Distribui\c{c}\~oes discretas de probabilidade: Uniforme, Binomial e Poisson. Distribui\c{c}\~oes cont\'{\i}nuas de probabilidade: Uniforme, Exponencial, 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. Teorema de Bayes.

4. Vari\'aveis Aleat\'orias: conceitos b\'asicos, esperan\c{c}a e vari\^ancia. Distribui\c{c}\~oes discretas de probabilidade: 
Uniforme, Binomial e Poisson. Distribui\c{c}\~oes cont\'{\i}nuas de probabilidade: Uniforme, Exponencial, 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{enumerate}
\item Apresenta\c{c}\~ao da disciplina (2 h/a)
\item Natureza e Fundamentos do M\'etodo Estat\'{\i}stico (4 h/a);
\item Distribui\c{c}\~ao de Frequ\^encia e Medidas estat\'{\i}sticas (10 h/a);
\item Correla\c{c}\~ao e regress\~ao linear simples (6 h/a);
\item Teoria dos conjuntos aplicados a probabilidade e conceitos b\'asicos 
de probabilidade (12 h/a);
\item Vari\'aveis aleat\'orias (12 h/a);
\item Infer\^encia Estat\'{\i}stica (10 h/a);
\item Avalia\c{c}\~oes (4 h/a);
\item Conpeex (4 h/a).
\end{enumerate}
Caso seja necess\'ario, o professor far\'a altera\c{c}\~ao na ordem das unidades do 
conte\'udo program\'atico ou a
redistribui\c{c}\~ao das horas destinadas a cada t\'opico ou atividade avaliativa.
}


\PlanSection{05. Objetivos Gerais:}
{
  Desenvolver o racioc\'{\i}nio probabil\'{\i}stico e estat\'{\i}stico necess\'ario para analisar 
dados, modelar incertezas e
fundamentar decis\~oes em contextos que envolvam tratamento quantitativo 
de informa\c{c}\~oes.
}



\PlanSection{06. Objetivos Espec\'{\i}ficos:}
{
  Ao concluir a disciplina, o estudante dever\'a ser capaz de:

\begin{itemize}
\item Compreender e aplicar os fundamentos da teoria da 
probabilidade.
\item Utilizar vari\'aveis aleat\'orias e distribui\c{c}\~oes de probabilidade 
adequadas a diferentes situa\c{c}\~oes.
\item Selecionar e aplicar t\'ecnicas de amostragem para obten\c{c}\~ao de 
dados.
\item Realizar infer\^encias sobre popula\c{c}\~oes com base em informa\c{c}\~oes 
amostrais.
\item Aplicar testes de hip\'oteses para valida\c{c}\~ao de conjecturas.
\item Identificar e quantificar rela\c{c}\~oes entre vari\'aveis por meio de 
an\'alise de correla\c{c}\~ao e regress\~ao.
\item Interpretar e comunicar resultados de an\'alises estat\'{\i}sticas de 
forma cr\'{\i}tica e contextualizada.
\end{itemize}
}


\PlanSection{07. Metodologia:}
{
  Aulas expositivas, utilizando quadro, giz ou pincel, datashow e o 
software R. O est\'{\i}mulo a
participa\c{c}\~ao dos(as) discentes ser\'a feito por meio da
resolu\c{c}\~ao de exerc\'{\i}cios e de discuss\~oes a respeito da teoria ministrada. 
Ser\~ao
utilizadas listas de exerc\'{\i}cios para refor\c{c}ar a
compreens\~ao e aprofundar o conhecimento dos(as) discentes. A 
avalia\c{c}\~ao ser\'a
baseada em provas, cujas datas ser\~ao definidas
previamente no in\'{\i}cio do curso, podendo sofrer altera\c{c}\~oes.

\begin{itemize}
\item No dia 09 e 11/11, os(as) discentes ser\~ao liberados para 
participarem 
das atividades do CONPEEX.

\item Material did\'atico e listas de exerc\'{\i}cios estar\~ao dispostos no SIGAA, 
bem como
informa\c{c}\~oes e recados referentes a disciplina.

\item Poder\~ao ter acesso ao ambiente virtual de ensino (SIGAA, Google 
Sala de Aula e outras
plataformas, se for o caso), apenas o(a) docente e
os(as) discentes regularmente matriculados nesta disciplina, utilizando 
e-mail institucional.

\item Os materiais did\'aticos, que porventura, forem disponibilizados 
pelo docente, n\~ao poder\~ao ser objeto
de divulga\c{c}\~ao ao p\'ublico externo, seja por meio de redes sociais, 
filmagens, v\'{\i}deos, impressos de
fotografias e quaisquer outros meios de publica\c{c}\~ao e comunica\c{c}\~ao.

\item O material did\'atico produzido e fornecido pelo docente deve ser 
utilizado
apenas para fins educacionais e pedag\'ogicos da disciplina.

\item \'E proibida a capta\c{c}\~ao de imagens (fotografias), a grava\c{c}\~ao, a 
reprodu\c{c}\~ao
e/ou a distribui\c{c}\~ao de trechos ou da integralidade
das aulas sem a autoriza\c{c}\~ao expressa do(a) professor(a).

\item O docente da disciplina n\~ao d\'a anu\^encia para grava\c{c}\~ao e captura 
de
imagens das atividades did\'aticas, assim como,
n\~ao d\'a anu\^encia da capta\c{c}\~ao, do arquivamento e da divulga\c{c}\~ao de 
imagem e voz.

\item 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 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.
\end{itemize}
}


\PlanSection{08. Avalia\c{c}\~oes:}
{
  Ser\~ao realizadas duas provas te\'oricas, $P_1$ e $P_2$, cujas datas ser\~ao:
\begin{itemize}
\item $P_1$: 28/09/2026;
\item $P_2$: 30/11/2026.
\end{itemize}
O valor total das avalia\c{c}\~oes variar\'a de 0,0 (zero) a 10,0 (dez) pontos.\\

Al\'em disso, haver\'a um trabalho pr\'atico ($AT$), que dever\'a ser entregue 
at\'e dia 16/11, a ser desenvolvido em
linguagem de programa\c{c}\~ao R, valendo at\'e 10,0 (dez) pontos. Tal 
trabalho ser\'a desenvolvido em grupo.

\begin{itemize}
\item As datas das avalia\c{c}\~oes poder\~ao sofrer eventuais mudan\c{c}as.
\item A m\'edia final (MF) ser\'a obtida por meio do c\'alculo da m\'edia 
ponderada entre
as notas $P_{1}$, $P_{2}$ e $AT$, da
seguinte forma,
\begin{eqnarray*}
MF =\frac{2 P_{1}+2 P_{2} + AT}{5}.
\end{eqnarray*}

A m\'edia final ter\'a valor de 0,0 (zero) a 10,0 (dez) pontos.

\item Durante a realiza\c{c}\~ao das avalia\c{c}\~oes poder\'a ser solicitado ao(\`a) 
discente
documento de identifica\c{c}\~ao com foto recente (preferencialmente crach\'a 
de
identifica\c{c}\~ao da UFG). O(A) discente que n\~ao apresentar o documento 
n\~ao poder\'a
realizar a avalia\c{c}\~ao.

\item Haver\'a avalia\c{c}\~ao em 2$^a$ chamada para o(a) discente que perder 
quaisquer
atividades avaliativas, com aus\^encia justificada e comprovada. As
solicita\c{c}\~oes de segunda chamada de\-ve\-r\~ao ser formalizadas, de\-vi\-
da\-men\-te
justificadas e comprovadas, ao professor ou na
Secretaria do IME/UFG, dentro do prazo estipulado pelo RGCG - UFG.

\item Ser\'a aprovado no componente curricular o(a) estudante que 
obtiver nota final
igual ou superior a 6,0 (seis) e frequ\^encia igual
ou superior a 75\% (setenta e cinco por cento) da carga hor\'aria total do
componente curricular.
\item As notas das avalia\c{c}\~oes ser\~ao divulgadas no SIGAA com 
anteced\^encia de, no
m\'{\i}nimo, conforme RGCG - UFG.
%\item As avalia\c{c}\~oes dever\~ao ser retiradas exclusivamente pelo(a) 
discente que a
realizou. As mesmas, quando n\~ao retiradas em
hor\'ario de aula, dever\~ao ser retiradas na sala do(a) professor(a), 
preferencialmente
em hor\'ario de atendimento, com agendamento pr\'evio.
\item A nota final ser\'a disponibilizada diretamente no SIGAA, ao final do 
semestre
letivo.
\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]:} WALPOLE, R. E.; MYERS, R. H.; MYERS, S. L.; YE, K. Probabilidade e estat\'{\i}stica para engenharia e ci\^encias. 8 ed. S\~ao Paulo Pearson, 2009.

\textbf{[2]:} MAGALH\~AES, M. N. No\c{c}\~oes de probabilidade e estat\'{\i}stica. 7 ed. S\~ao Paulo EDUSP, 2010.

\textbf{[3]:} MEYER, P. L. Probabilidade aplica\c{c}\~oes \`a estat\'{\i}stica. Rio de Janeiro LTC, 1969.


}

\PlanSection{10. Bibliografia Complementar:}
{
  \textbf{[1]:} ROSS, S. Probabilidade. Um curso moderno com aplica\c{c}\~oes. 8 ed. Porto Alegre Bookman, 2010.

\textbf{[2]:} MORETTIN, L. G. Estat\'{\i}stica b\'asica probabilidade e infer\^encia. S\~ao Paulo Prentice Hall, 2010.

\textbf{[3]:} DANTAS, C.A. B. Probabilidade um curso introdut\'orio. 3 ed. S\~ao Paulo EDUSP, 2008.

\textbf{[4]:} BUSSAB, W. O.; MORETTIN, P. A. Estat\'{\i}stica b\'asica. 6 ed. S\~ao Paulo Saraiva, 2010.

\textbf{[5]:} TRIOLA, M. F. Introdu\c{c}\~ao \`a estat\'{\i}stica. 10 ed. Rio de Janeiro LTC, 2008.


}

\PlanSection{11.  Livros Texto:}
{
   \textbf{[1]:} BUSSAB, W. O.; MORETTIN, P. A. Estat\'{\i}stica b\'asica. 6 ed. S\~ao Paulo Saraiva, 2010. (C4)
}


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

   2$^a$ & N4 & 107, CAB (40)\\
   2$^a$ & N5 & 107, CAB (40)\\
   4$^a$ & N4 & 306, CAB (50)\\
   4$^a$ & N5 & 306, 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. } & 4a f - 17h \`as 18h, sl. 125 IME/UFG\\
\end{tabular}
\end{small}
}

\PlanSection{14. Professor(a):}
{
   \begin{small}
\begin{tabular}{lll}
   Renata Mendonca Rodrigues Vasconcelos. & Email: renatamrv@ufg.br, & IME\\
\end{tabular}
\end{small}
}




\vspace{0.2cm}

\begin{center}
\underline{\hspace{8cm}}\\\small{Prof(a). Renata Mendonca Rodrigues Vasconcelos}\end{center}