\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:} & Estat\'{\i}stica \\ \hline \textbf{Turma:} & A & \textbf{C\'odigo Componente:} & IME0395 \\ \hline \textbf{Componente:} & \uppercase{M\'etodos N\~ao Param\'etricos} & \textbf{UA Respons\'avel:} & IME \\ \hline \textbf{Carga Hor\'aria:} & 64 & \textbf{UA Solicitante:} & IME \\ \hline \textbf{Te\'orica/Pr\'atica:} & 32/32 & \textbf{EAD/PCC:} & -/- \\ \hline \textbf{Hor\'arios:} & 35T34 & \textbf{Docente:} & Prof(a) Tatiane Ferreira Do Nascimento Melo Da Silva \\ \hline \end{tabular} \end{small}\end{center} } \PlanSection{02. Ementa:} { Introdu\c{c}\~ao aos m\'etodos n\~ao param\'etricos. Testes de hip\'oteses n\~ao param\'etricos: para amostra \'unica, para duas amostras dependentes e independentes, testes para k amostras dependentes e independentes. An\'alise de correla\c{c}\~ao n\~ao param\'etrica: coeficientes e testes. Aplica\c{c}\~oes em dados socioambientais, \'etnico-raciais e ind\'{\i}genas } \PlanSection{03. Programa:} { 1. Introdu\c{c}\~ao: conceitos b\'asicos em M\'etodos N\~ao Param\'etricos. \\ 2. Testes aplic\'aveis a uma amostra: teste de Qui-quadrado para ader\^encia, teste de Kolmogorov-Smirnov, teste de Shapiro-Wilk para normalidade, aplica\c{c}\~oes em ambiente computacional. \\ 3. Testes aplic\'aveis a duas amostras pareadas: teste dos sinais, teste de McNemar, teste de Wilcoxon, aplica\c{c}\~oes em ambiente computacional. \\ 4. Testes aplic\'aveis a duas amostras independentes: teste Qui-quadrado (independ\^encia e homogeneidade), teste exato de Fisher, teste da Mediana, teste de Mann-Whitney, teste de Kolmogorov- Smirnov, aplica\c{c}\~oes em ambiente computacional. \\ 5. Testes aplic\'aveis a k amostras pareadas: teste de Cochran, teste de Friedman e compara\c{c}\~oes m\'ultiplas, aplica\c{c}\~oes em ambiente computacional. \\ 6. Testes aplic\'aveis a k amostras independentes: teste de Kruskal-Wallis e compara\c{c}\~oes m\'ultiplas, aplica\c{c}\~oes em ambiente computacional. \\ 7. An\'alise de correla\c{c}\~ao: coeficiente de correla\c{c}\~ao de Pearson; coeficiente e teste de Spearman, coeficiente e teste de Kendall, aplica\c{c}\~oes em ambiente computacional. \\ } \PlanSection{04. Cronograma:} { O conte\'udo da disciplina ser\'a desenvolvido da seguinte forma, incluindo as aulas te\'oricas e pr\'aticas: \begin{itemize} \item{Conceitos b\'asicos em M\'etodos N\~ao Param\'etricos (6 horas/aula)} \item{Testes aplic\'aveis a uma amostra (10 horas/aula)} \item{Testes aplic\'aveis a duas amostras pareadas (10 horas/aula)} \item{Testes aplic\'aveis a duas amostras independentes (12 horas/aula)} \item{Testes aplic\'aveis a k amostras pareadas (6 horas/aula)} \item{Testes aplic\'aveis a k amostras independentes (6 horas/aula)} \item{An\'alise de correla\c{c}\~ao (6 horas/aula)} \item{ENGOPE - 22 de outubro (2 horas/aula)} \item{Avalia\c{c}\~oes (6 horas/aula)} \end{itemize} } \PlanSection{05. Objetivos Gerais:} { \vspace{0.3cm} Ao final da disciplina, espera-se que o(a) discente seja capaz de selecionar, aplicar e interpretar m\'etodos estat\'{\i}sticos n\~ao param\'etricos adequados a diferentes problemas de an\'alise de dados, compreendendo seus fundamentos te\'oricos, pressupostos, limita\c{c}\~oes e aplica\c{c}\~oes, bem como utilizar o software R para realizar an\'alises e interpretar criticamente os resultados obtidos. } \PlanSection{06. Objetivos Espec\'{\i}ficos:} { \vspace{0.3cm} Ao final da disciplina, o(a) discente dever\'a ser capaz de: \begin{itemize} \item compreender os fundamentos dos m\'etodos estat\'{\i}sticos n\~ao param\'etricos e suas diferen\c{c}as em rela\c{c}\~ao aos m\'etodos param\'etricos; \item identificar situa\c{c}\~oes em que os m\'etodos n\~ao param\'etricos s\~ao mais adequados para a an\'alise de dados; \item aplicar testes n\~ao param\'etricos para uma amostra, duas amostras dependentes e independentes e para m\'ultiplas amostras; \item realizar an\'alises de correla\c{c}\~ao n\~ao param\'etrica utilizando os coeficientes de Spearman e Kendall; \item utilizar o software R para implementar m\'etodos n\~ao param\'etricos e interpretar os resultados; \item interpretar os resultados das an\'alises estat\'{\i}sticas e comunicar suas conclus\~oes de forma clara e fundamentada. \end{itemize} } \PlanSection{07. Metodologia:} { \vspace{0.3cm} A disciplina ser\'a desenvolvida por meio de aulas expositivas dialogadas, resolu\c{c}\~ao de exerc\'{\i}cios e atividades pr\'aticas em laborat\'orio de inform\'atica, com \^enfase na utiliza\c{c}\~ao do software R para a implementa\c{c}\~ao de m\'etodos n\~ao param\'etricos, an\'alise de dados e interpreta\c{c}\~ao de resultados provenientes de situa\c{c}\~oes reais. Ao longo do semestre, ser\~ao propostas atividades que promovam o desenvolvimento do racioc\'{\i}nio estat\'{\i}stico, da capacidade de selecionar e aplicar adequadamente os testes n\~ao param\'etricos, bem como da an\'alise cr\'{\i}tica e da interpreta\c{c}\~ao dos resultados obtidos, considerando os pressupostos, limita\c{c}\~oes e aplica\c{c}\~oes de cada m\'etodo. \vspace{0.3cm} 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. \vspace{0.3cm} Como estrat\'egia de apoio ao processo de ensino e aprendizagem, reconhece-se o potencial das ferramentas de Intelig\^encia Artificial (IA). A docente poder\'a utiliz\'a-las na elabora\c{c}\~ao de materiais did\'aticos, como apresenta\c{c}\~oes, propostas de exerc\'{\i}cios e atividades pedag\'ogicas, visando otimizar o planejamento das aulas e ampliar as possibilidades de explora\c{c}\~ao dos conte\'udos da disciplina. \vspace{0.3cm} Nas atividades avaliativas, n\~ao ser\'a permitida a utiliza\c{c}\~ao de ferramentas de Intelig\^encia Artificial, salvo quando houver autoriza\c{c}\~ao expressa da docente e a atividade tiver sido planejada para esse fim. \vspace{0.3cm} Nas demais atividades acad\^emicas, o uso de ferramentas de IA ser\'a permitido exclusivamente como recurso complementar ao processo de aprendizagem, devendo ocorrer de forma \'etica, cr\'{\i}tica e respons\'avel. Essas ferramentas poder\~ao ser empregadas para esclarecer d\'uvidas, sugerir estrat\'egias de resolu\c{c}\~ao, apoiar a compreens\~ao de conceitos ou auxiliar na explora\c{c}\~ao inicial de problemas, mas n\~ao dever\~ao substituir o racioc\'{\i}nio, a an\'alise cr\'{\i}tica ou a produ\c{c}\~ao intelectual do discente, nem ser utilizadas para a elabora\c{c}\~ao integral das atividades propostas. \vspace{0.3cm} O uso da IA dever\'a estar em conformidade com o Guia de Integridade Acad\^emica da Universidade Federal de Goi\'as (UFG). Cabe ao discente revisar, validar e assumir integral responsabilidade por todo material produzido com aux\'{\i}lio dessas ferramentas, confrontando-o com a bibliografia recomendada e verificando a corre\c{c}\~ao, a consist\^encia e a adequa\c{c}\~ao das informa\c{c}\~oes antes de sua utiliza\c{c}\~ao ou entrega. } \PlanSection{08. Avalia\c{c}\~oes:} { \begin{enumerate} \item A avalia\c{c}\~ao da aprendizagem ser\'a composta por tr\^es atividades avaliativas, de natureza te\'orica e/ou pr\'atica (computacional). As datas de realiza\c{c}\~ao das avalia\c{c}\~oes ser\~ao divulgadas oportunamente pela docente. \item A M\'edia Final ($M_F$) ser\'a calculada por meio da m\'edia ponderada das notas obtidas nas tr\^es atividades avaliativas, $A_1$ (primeira atividade), $A_2$ (segunda atividade) e $A_3$ (terceira atividade), conforme a express\~ao: \[ M_F=\frac{2A_1+3A_2+3A_3}{8}. \] \item As notas das atividades avaliativas ser\~ao divulgadas no SIGAA com anteced\^encia m\'{\i}nima de quatro (4) dias letivos em rela\c{c}\~ao \`a avalia\c{c}\~ao subsequente. \item As notas parciais ser\~ao disponibilizadas aos discentes no SIGAA por meio de arquivo em formato PDF. \item A M\'edia Final ($M_F$) ser\'a registrada e disponibilizada diretamente no SIGAA. \item Ser\'a assegurado o direito \`a avalia\c{c}\~ao de segunda chamada ao(\`a) discente que deixar de comparecer a uma atividade avaliativa, desde que apresente justificativa nos casos previstos pelo Regulamento Geral dos Cursos de Gradua\c{c}\~ao (RGCG/UFG). Nessa situa\c{c}\~ao, ser\'a aplicada uma avalia\c{c}\~ao substitutiva, em data e hor\'ario previamente definidos pela docente. \item Durante as aulas e as atividades avaliativas, n\~ao ser\'a permitido o uso de telefones celulares ou de quaisquer outros dispositivos eletr\^onicos (tablets, notebooks, smartwatches, entre outros), exceto quando sua utiliza\c{c}\~ao for previamente autorizada pela docente para a realiza\c{c}\~ao de atividades espec\'{\i}ficas. \item Ser\'a considerado(a) aprovado(a) o(a) discente que obtiver M\'edia Final ($M_F$) igual ou superior a 6,0 (seis) e frequ\^encia m\'{\i}nima de 75\% da carga hor\'aria da disciplina, conforme previsto no RGCG/UFG. O n\~ao atendimento a qualquer um desses requisitos implicar\'a reprova\c{c}\~ao na disciplina. \end{enumerate} } \PlanSection{09. Bibliografia:} { \textbf{[1]:} CONOVER W. J., Practical Nonparametric Statistics, 3a Ed., Wiley, 1999. \textbf{[2]:} GIBBONS, J.D.; CHAKRABORTI, S.; Nonparametric Statistical Inference, 5a Edi\c{c}\~ao, Editora: CRC PRESS, 2009. \textbf{[3]:} HARDLE, W. Smoothing Techniques with implementation in S. Chapman and Hall/CRC; 5a edi\c{c}\~ao, 2010. } \PlanSection{10. Bibliografia Complementar:} { \textbf{[1]:} SIEGEL, S.e CASTELLAN, Jr, N. J., Nonparametric Statistics for The Behavioral Sciences, McGraw-Hill,1988. \textbf{[2]:} SMEETON, N.C.; SPRENT, P. Applied Nonparametric Statistical Methods. Editora: IE-CRC PRESS, 4a edi\c{c}\~ao, 2000. \textbf{[3]:} SIEGEL, S.e CASTELLAN, Jr, N. J. Estat\'{\i}stica n\~ao-param\'etrica: para as ci\^encias do comportamento. 2a ed. S\~ao Paulo: Bookman, 2006. \textbf{[4]:} PURI, M.L. Nonparametric Techniques In Statistical Inference. Editora: CAMBRIDGE - PRINT ON SILVERMAN B. W. Density Estimation: for statistics and data analysis. Chapman \& Hall, 1986. \textbf{[5]:} HOLLANDER, M. e WOLFE, D.A., Nonparametric Statistical Methods, 2 ed , Wiley-Interscience, 1999. \textbf{[6]:} BOWMAN, A. W.; AZZALINI, A.., Applied Smoothing Techniques for Data Analysis: The Kernel approach with S-Plus Illustrations. Oxford University Press, 1997. } \PlanSection{11. Livros Texto:} { \textbf{[1]:} CONOVER W. J., Practical Nonparametric Statistics, 3a Ed., Wiley, 1999. (B1) \textbf{[2]:} GIBBONS, J.D.; CHAKRABORTI, S.; Nonparametric Statistical Inference, 5a Edi\c{c}\~ao, Editora: CRC PRESS, 2009. (B2) \textbf{[3]:} HARDLE, W. Smoothing Techniques with implementation in S. Chapman and Hall/CRC; 5a edi\c{c}\~ao, 2010. (B3) } \PlanSection{12. Hor\'arios:} { \begin{center} \begin{small} \begin{tabular}{lll} \hline \textbf{Dia} & \textbf{Hor\'ario} & \textbf{Sala Distribuida}\\ \hline 3$^a$ & T3 & 303, CAA (50)\\ 3$^a$ & T4 & 303, CAA (50)\\ 5$^a$ & T3 & 153, INF (33)\\ 5$^a$ & T4 & 153, INF (33)\\ \end{tabular} \end{small}\end{center} } \PlanSection{13. Hor\'ario de Atendimento do(a)s Professor(a):} { \begin{small} \begin{tabular}{ll} \textbf{1. } & Segunda-feira das 10h30m at\'e 11h30m, sala 109 (IME)\\ \end{tabular} \end{small} } \PlanSection{14. Professor(a):} { \begin{small} \begin{tabular}{lll} Tatiane Ferreira Do Nascimento Melo Da Silva. & Email: tmelo@ufg.br, & IME\\ \end{tabular} \end{small} } \vspace{0.2cm} \begin{center} \underline{\hspace{8cm}}\\\small{Prof(a). Tatiane Ferreira Do Nascimento Melo Da Silva}\end{center}