\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:} & 2026.1 &
         \textbf{Curso:} & Engenharia El\'etrica
         \\
         
         \hline
         \textbf{Turma:} & F
         &
         \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:} & EMC
         \\
         
         \hline
         \textbf{Te\'orica/Pr\'atica:}
         &
         64/-
         &
         
         \textbf{EAD/PCC:}
         &
         -/-
         \\
         
         
         \hline
         \textbf{Hor\'arios:}
         &
         46T34
         &
         
         \textbf{Docente:}
         &
         Prof(a) F\'abio Sodr\'e Rocha
         \\
         
         \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{itemize}
\item{} Resumo de dados (2h);
\item{} Medidas de Posi\c{c}\~ao (4h);
\item{} Medidas de Dispers\~ao (4h);
\item{} No\c{c}\~oes de Amostragem (2h);
\item{} Introdu\c{c}\~ao \`a teoria de Conjuntos e No\c{c}\~oes de An\'alise Combinat\'oria (8h);
\item{} Conceitos B\'asicos de Probabilidade (8h);
\item{} Conceitos Gerais de Vari\'aveis Aleat\'orias Discretas (8h);
\item{} Conceitos Gerais de Vari\'aveis Aleat\'orias Cont\'{\i}nuas (10h);
\item{} Infer\^encia Estat\'{\i}stica (8h)
\item{} Regress\~ao Linear e Correla\c{c}\~ao Linear (4h)
\item{} Avalia\c{c}\~oes (6h);
\end{itemize}

\textbf{O cronograma pode ser alterado de acordo com o desenvolvimento dos alunos durante o curso.}
}


\PlanSection{05. Objetivos Gerais:}
{
  \begin{enumerate}
\item{} Desenvolver a capacidade de coletar, organizar, descrever e interpretar dados estat\'{\i}sticos;
\item{} Introduzir os conceitos fundamentais de probabilidade e sua aplica\c{c}\~ao na an\'alise de dados;
\item{} Fornecer ferramentas matem\'aticas e computacionais para an\'alise estat\'{\i}stica;
\item{} Preparar os alunos para aplica\c{c}\~oes estat\'{\i}sticas em diversas \'areas do conhecimento, especialmente em um \^ambito 
administrativo.
\end{enumerate}
}



\PlanSection{06. Objetivos Espec\'{\i}ficos:}
{
  O curso tem como objetivo introduzir os conceitos fundamentais da Estat\'{\i}stica Descritiva e da Probabilidade, permitindo que os 
alunos compreendam e apliquem t\'ecnicas de an\'alise de dados e modelagem probabil\'{\i}stica. Inicialmente, ser\~ao abordados os 
conceitos de popula\c{c}\~ao, amostra, vari\'aveis e escalas de mensura\c{c}\~ao, seguidos pelos m\'etodos de organiza\c{c}\~ao e apresenta\c{c}\~ao de 
dados por meio de tabelas e gr\'aficos. Al\'em disso, os alunos ser\~ao capacitados a calcular e interpretar medidas de tend\^encia 
central e dispers\~ao fundamentais para a an\'alise estat\'{\i}stica. O curso apresentar\'a experimentos aleat\'orios, espa\c{c}o amostral e eventos, 
explorando os axiomas e propriedades b\'asicas da probabilidade. Tamb\'em ser\~ao estudados conceitos essenciais como 
probabilidade condicional e independ\^encia de eventos, al\'em das principais distribui\c{c}\~oes de probabilidade discretas e cont\'{\i}nuas. 
Finalmente, ser\'a enfatizada a aplica\c{c}\~ao dos conceitos estat\'{\i}sticos em problemas reais, utilizando ferramentas computacionais para 
an\'alise de dados. 
Os alunos ser\~ao incentivados a interpretar resultados estat\'{\i}sticos e compreender suas implica\c{c}\~oes em diferentes contextos, 
preparando-os para aplica\c{c}\~oes pr\'aticas da estat\'{\i}stica em diversas \'areas do conhecimento.
}


\PlanSection{07. Metodologia:}
{
  O professor adotar\'a a metodologia expositiva dialogada para esta disciplina com a utiliza\c{c}\~ao de recursos did\'aticos 
como: data-show, quadro negro e giz. As aulas ser\~ao acompanhados por exerc\'{\i}cios do livro 
texto. De acordo com o cronograma, duas aulas ser\~ao direcionadas exclusivamente para solu\c{c}\~ao de exerc\'{\i}cios e estas ser\~ao 
executadas com participa\c{c}\~ao ativa dos alunos.

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.
}


\PlanSection{08. Avalia\c{c}\~oes:}
{
  Ser\~ao realizadas tr\^es atividades avaliativas durante o semestre.
\begin{itemize}
\item{}Atividade Avaliativa 1($N_1$): 01 de Abril de 2026.
\item{}Atividade Avaliativa 2($N_2$): 10 de Junho de 2026.
\item{}Atividade Avaliativa 3($N_3$): 01 de Julho de 2025.
\end{itemize}

A m\'edia final ser\'a obtida pela m\'edia aritm\'etica simples:
$$M = \dfrac{N_1+N_2+N_3}{3}$$

\textbf{Observa\c{c}\~oes: }
\begin{itemize}
\item{} As datas previstas para as Atividades Avaliativas poder\~ao sofrer eventuais altera\c{c}\~oes;
\item{} Em cada atividade avaliativa ser\'a abordado o conte\'udo ministrado pelo professor at\'e a \'ultima aula
anterior \`a sua
realiza\c{c}\~ao;
\item{} Segundo Artigo 83 do RGCG: O estudante que deixar de realizar avalia\c{c}\~oes do componente curricular
poder\'a
solicitar ao
professor segunda chamada, at\'e 7 (sete) dias ap\'os a data de realiza\c{c}\~ao da avalia\c{c}\~ao.
\item{}A solicita\c{c}\~ao de segunda chamada dever\'a ser preenchida em formul\'ario pr\'oprio na secretaria do
Instituto
de
Matem\'atica e
Estat\'{\i}stica. Ap\'os an\'alise do pedido, a coordena\c{c}\~ao do curso providenciar\'a a ci\^encia do aluno quanto \`a
decis\~ao,
conforme artigo
127 do
RGCG. Se deferido, o professor estabelecer\'a data para realizar nova avalia\c{c}\~ao, segundo instru\c{c}\~ao normativa
prograd n01/2018R.

\item{} As notas das avalia\c{c}\~oes ser\~ao disponibilizadas no SIGAA respeitando a anteced\^encia m\'{\i}nima
estabelecida
no
RGCG
(Regimento
Geral dos Cursos de Gradua\c{c}\~ao);
\item{} Ser\~ao aprovados os alunos que obtiverem m\'edia final maior ou igual a 6,0 (seis) e o m\'{\i}nimo de
75\% de
frequ\^encia;
\item{} A frequ\^encia ser\'a computada a partir da chamada oral feita em sala ou atrav\'es da lista de presen\c{c}a
disponibilizada durante
a
aula.
\item{} Segundo Artigo 89 do RGCG: O estudante poder\'a solicitar revis\~ao de frequ\^encia ao professor do
componente curricular at\'e
5
(cinco) dias ap\'os a data limite para consolida\c{c}\~ao do componente curricular, prevista no calend\'ario
acad\^emico.
\item{} A UFG n\~ao reconhece o instituto do abono de faltas, exceto nos casos previstos em Lei. O RGCG
prev\^e,
contudo, o chamado
“Tratamento Excepcional” (art. 117), para mais informa\c{c}\~oes sobre o tratamento excepcional, procure a
coordena\c{c}\~ao
do seu curso.


\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]:} MAGALH\~AES, M. N. No\c{c}\~oes de probabilidade e estat\'{\i}stica. 7 ed. S\~ao Paulo EDUSP, 2010. (B2)

\textbf{[2]:} BUSSAB, W. O.; MORETTIN, P. A. Estat\'{\i}stica b\'asica. 6 ed. S\~ao Paulo Saraiva, 2010. (C4)

\textbf{[3]:} TRIOLA, M. F. Introdu\c{c}\~ao \`a estat\'{\i}stica. 10 ed. Rio de Janeiro LTC, 2008. (C5)
}


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

   4a-Feira & T3 & 14:50-15:40 & 
102, Cae, Cacn, Goi\^ania
\\
   4a-Feira & T4 & 16:00-16:50 & 
102, Cae, Cacn, Goi\^ania
\\
   6a-Feira & T3 & 14:50-15:40 & 
102, Cae, Cacn, Goi\^ania
\\
   6a-Feira & T4 & 16:00-16:50 & 
102, Cae, Cacn, Goi\^ania
\\
\end{tabular}
\end{small}\end{center}

}


\PlanSection{13. Hor\'ario de Atendimento do(a)s Professor(a):}
{
   \begin{small}
\begin{tabular}{ll}
   \textbf{1. } & Ter\c{c}as-Feiras - Sala 105 - IME - 08:00 \`as 10:00\\
   \textbf{2. } & Quintas-Feiras - Sala 105 - IME - 08:00 \`as 12:00\\
   \textbf{3. } & Quartas-Feiras - Sala dos Professores - CAE - 17:00 \`as 18:00\\
\end{tabular}
\end{small}
}

\PlanSection{14. Professor(a):}
{
   \begin{small}
\begin{tabular}{lll}
   F\'abio Sodr\'e Rocha. & Email: fabiosodre@ufg.br, & IME\\
\end{tabular}
\end{small}
}




\vspace{0.2cm}

\begin{center}
\underline{\hspace{8cm}}\\\small{Prof(a) F\'abio Sodr\'e Rocha}\end{center}