Familiarizar o aluno com os conceitos básicos da teoria de probabilidade e inferência. Possibilitar o aluno a aplicar os conceitos probabilidade e inferência na área de bioinformática.
1. Revisão de distribuições discretas e contínuas. 2. Vetores aleatórios: densidades e distribuições conjuntas, distribuições marginais. 3. Convergência de variáveis aleatórias. Convergência em probabilidade e em distribuição. Lei dos grandes números, lema de Chebyshev. Teorema do Limite Central. 4. Amostragem. 5. Estatística e distribuições amostrais. 6. Noções sobre estimação: suficiência, vício, consistência e eficiência. 3. Distribuição dos estimadores: média amostral, variância amostral e proporção amostral. 4. Estimadores de Momentos. Estimadores de máxima verossimilhança. 5 Construção de intervalos de confiança para médias, proporções, diferença de médias e proporções. 6 Testes de hipóteses. Poder e Significância. Região Crítica. Lema de Neyman-Pearson. Testes para a média com variância conhecida e desconhecida. Testes para as proporções. Teste para a diferença de médias e proporções. Testes para o quociente de variâncias. 7. Noções de Análise de Variância
MEYER SL - Probabilidade: Aplicações à Estatística, segunda edição, Livros técnicos e Científicos Editora, 1983. SNEDECOR, G.W. and COCHRAN, W.G. Statistical methods. 6th ed. The Yowa State University Press, Ames, 1967. SPIEGEL, M.R. Estatística. 2a ed. Editora McGraw-Hill do Brasil Ltda, São Paulo, 1964. SPIEGEL, M.R. Probabilidade e estatística. Editora McGraw-Hill do Brasil, São Paulo, 1977. SEARLE, S. R., CASELLA, G. and McCULLOCH C. E. - Variance Components, John Wiley and Sons,1992.
