Concursos - Universidade Estadual de Campinas
| Data de publicação | 13 Setembro 2023 |
198 – São Paulo, 133 (74) Diário Ofi cial Caderno Executivo - Seção III quarta-feira, 13 de setembro de 2023
4. - O julgamento dos títulos, expresso mediante nota
global, deverá refletir os méritos do candidato como resultado
da apreciação do conjunto e regularidade de suas atividades,
compreendendo:
I – produção científica, literária, filosófica ou artística;
II – atividade didática universitária;
III – atividades profissionais ou outras, quando for o caso;
IV – atividade de formação e orientação de discípulos;
V – atividades relacionadas à prestação de serviços à
comunidade;
VI - diplomas e outras dignidades universitárias.
Parágrafo único: No julgamento dos títulos deverão preva-
lecer as atividades desempenhadas nos cinco anos anteriores
à inscrição.
5. - A prova pública oral de erudição será pública e realizada
com base no programa previsto neste edital, de acordo com o
artigo 156 do Regimento Geral da USP.
I – compete à comissão julgadora decidir se o tema escolhi-
do pelo candidato é pertinente ao programa acima mencionado;
II – o candidato, em sua exposição, não poderá exceder
a sessenta minutos, devendo ser promovida a sua interrupção
pela Comissão Julgadora quando atingido o 60º (sexagésimo)
minuto de prova;
III – ao final da apresentação, cada membro da comissão
poderá solicitar esclarecimentos ao candidato, não podendo o
tempo máximo, entre perguntas e respostas, superar sessenta
minutos;
IV – cada examinador, após o término da prova de erudição
de todos os candidatos, dará a nota, encerrando-a em envelope
individual.
6. - A prova pública de arguição será realizada conforme
disposto no art. 36 do Regimento do IME, disponível no link
https://www.ime.usp.br/wp-content/uploads/legislacao/regi-
mento_ime_usp.pdf.
7. - As notas das provas poderão variar de zero a dez, com
aproximação até a primeira casa decimal.
8. - Ao término da apreciação das provas, cada candidato
terá de cada examinador uma nota final que será a média
ponderada das notas por ele conferidas, observados os pesos
fixados no item 3 e a eventual aplicação da pontuação diferen-
ciada nos termos dos parágrafos deste item.
§ 1º - A fórmula de cálculo da pontuação diferenciada a ser
atribuída a pretos, pardos e indígenas é:
PD = (MCA – MCPPI) / MCPPI
Onde:
• PD é a pontuação diferenciada a ser acrescida às notas de
todos os candidatos pretos, pardos ou indígenas que manifesta-
ram interesse em participar da pontuação diferenciada.
• MCA é a pontuação média da concorrência ampla entre
todos candidatos que pontuaram, excluindo-se os inabilitados,
ou seja, os que não atingiram a pontuação mínima referida
no item 10 do presente Edital. Entende-se por “ampla con-
corrência” todos os candidatos que pontuaram e que não se
declararam como pretos, pardos ou indígenas e aqueles que,
tendo se declarado pretos, pardos ou indígenas, optaram por
não participar da pontuação diferenciada.
• MCPPI é a pontuação média da concorrência PPI entre
todos candidatos que pontuaram, excluindo-se os inabilitados.
§ 2º - A fórmula para aplicação da pontuação diferenciada
às notas finais de pretos, pardos e indígenas é:
NFCPPI = (1 + PD) * NSCPPI
Onde:
• NFCPPI é a nota final do concurso público, após a aplica-
ção da pontuação diferenciada e que gerará a classificação do
candidato na etapa do concurso público, limitada à nota máxima
prevista em edital. Ao término do concurso público, a nota final
passa a ser considerada a nota simples do candidato.
• NSCPPI é a nota simples do candidato beneficiário, sobre
a qual será aplicada a pontuação diferenciada.
§ 3º - Os cálculos a que se referem os §§ 1º e 2º deste
item devem considerar duas casas decimais e frações maiores
ou iguais a 0,5 (cinco décimos) devem ser arredondadas para o
número inteiro subsequente.
§ 4º - A pontuação diferenciada (PD) prevista neste artigo
aplica-se a todos os beneficiários habilitados, ou seja, aos que
tenham atingido o desempenho mínimo estabelecido no edital
do certame, considerada, para este último fim, a nota simples.
§ 5º - Na inexistência de candidatos beneficiários da pon-
tuação diferenciada entre os habilitados, não será calculada a
pontuação diferenciada.
§ 6º - A pontuação diferenciada não será aplicada quando,
na fórmula de cálculo da pontuação diferenciada (PD), a MCPPI
(pontuação média da concorrência PPI) for maior que a MCA
(pontuação média da concorrência ampla).
9. - O resultado do concurso será proclamado pela comissão
julgadora imediatamente após seu término, em sessão pública.
10. - Serão considerados habilitados os candidatos que
obtiverem, da maioria dos examinadores, nota final mínima sete.
11. - A indicação dos candidatos será feita por examinador,
segundo as notas por ele conferidas.
12. - Será proposto para nomeação o candidato que obtiver
o maior número de indicações da comissão julgadora.
13. - A posse do candidato indicado ficará sujeita à aprova-
ção em exame médico realizado pelo Departamento de Perícias
Médicas do Estado – DPME, nos termos do Artigo 47, VI da Lei
nº 10.261/68.
14. - A nomeação do docente aprovado no concurso, assim
como as demais providências decorrentes, serão regidas pelos
termos da Resolução nº 7271 de 2016.
15. - O docente em RDIDP deverá manter vínculo empre-
gatício exclusivo com a USP, nos termos do artigo 197 do
Regimento Geral da USP.
16. - O concurso terá validade imediata e será proposto
para nomeação somente o candidato indicado para o cargo
posto em concurso.
17. - O candidato será convocado para posse pelo Diário
Oficial do Estado.
18. - Mais informações, bem como as normas pertinentes
ao concurso, encontram-se à disposição dos interessados na
Assistência Técnica Acadêmica do IME, situada à Rua do Matão,
1010 – Bloco A – Térreo, sala 33, ou ainda poderão ser obtidas
pelo telefone (11) 3091-6104 ou pelo e-mail: ataac@ime.usp.br.
Para consultar o edital acesse https://www.ime.usp.br/
concursos
UNIVERSIDADE ESTADUAL DE CAMPINAS
REITORIA
SECRETARIA GERAL
UNIVERSIDADE ESTADUAL DE CAMPINAS
INSTITUTO DE QUÍMICA
EDITAL
O Diretor do Instituto de Química da Universidade Esta-
dual de Campinas, através da Secretaria Geral, torna pública
a abertura de inscrições para o concurso público de provas e
títulos, para provimento de 01 (um) cargo de Professor Doutor,
nível MS-3.1, em RTP, com opção preferencial para o RDIDP, nos
termos do item 2, na área de Química Analítica, na disciplina QA
381 - Espectroanalítica, do Departamento de Química Analítica
do Instituto de Química da Universidade Estadual de Campinas.
1. DO REQUISITO MÍNIMO PARA INSCRIÇÃO
1.1. Poderá se inscrever no concurso o candidato que, no
mínimo, seja portador do Título de Doutor.
1.2. É desejável que o candidato tenha o seguinte perfil:
1.2.1. Portador de título de Doutor em Química; atuação
interdisciplinar e experiência em pesquisas em Química Analí-
tica, preferencialmente nas linhas de Espectrometria Atômica e
independentes, decomposição em valores singulares): noções. 5.
Máquinas de suporte vetorial. 6. Métodos baseados em árvores.
7. Ferramentas computacionais: o repositório R. 8. Análise de
conjuntos massivos de dados (Big Data). 9. Exemplos e aplica-
ções a conjuntos de dados.
O concurso será regido pelos princípios constitucionais,
notadamente o da impessoalidade, bem como pelo disposto no
Estatuto e no Regimento Geral da Universidade de São Paulo
e no Regimento do Instituto de Matemática e Estatística da
Universidade de São Paulo.
1. - Os pedidos de inscrição deverão ser feitos, exclusiva-
mente, por meio do link https://uspdigital.usp.br/gr/admissao
no período acima indicado, devendo o candidato preencher os
dados pessoais solicitados e anexar os seguintes documentos:
I – memorial circunstanciado e comprovação dos trabalhos
publicados, das atividades realizadas pertinentes ao concurso e
das demais informações que permitam avaliação de seus méri-
tos, em formato digital;
II – prova de que é portador do título de Livre-Docente
outorgado pela USP ou por ela reconhecido;
III – prova de quitação com o serviço militar para candidatos
do sexo masculino;
IV – certidão de quitação eleitoral ou certidão circunstancia-
da emitidas pela Justiça Eleitoral há menos de 30 dias do início
do período de inscrições;
V- documento de identidade oficial.
§ 1º - Elementos comprobatórios do memorial referido no
inciso I, tais como maquetes, obras de arte ou outros materiais
que não puderem ser digitalizados deverão ser apresentados até
o último dia útil que antecede o início do concurso.
§ 2º - Não serão admitidos como comprovação dos itens
constantes do memorial links de Dropbox ou Google Drive ou
qualquer outro remetendo a página passível de alteração pelo
próprio candidato.
§ 3º - Os docentes em exercício na USP serão dispensados
das exigências referidas nos incisos III e IV, desde que tenham
comprovado a devida quitação por ocasião de seu contrato
inicial.
§ 4º - Os candidatos estrangeiros serão dispensados das
exigências dos incisos III e IV, devendo comprovar que se encon-
tram em sua situação regular no Brasil.
§ 5º - O candidato estrangeiro aprovado no concurso e
indicado para o preenchimento do cargo só poderá tomar posse
se apresentar visto temporário ou permanente que faculte o
exercício de atividade remunerada no Brasil.
§ 6º - Para fins do inciso II, o candidato deverá apresentar
um dos seguintes documentos: a) diploma de Livre Docente; b)
publicação no Diário Oficial de portaria do Reitor designando
o candidato para a função de Professor Associado; c) cópia do
despacho do Reitor homologando o respectivo concurso de Livre
Docente; ou d) tela extraída do Sistema Marte contendo a situa-
ção funcional do candidato, demonstrando estar no exercício da
função de Professor Associado.
§ 7º - Caso o candidato não satisfaça a exigência do inciso
II, e desde que não pertença a nenhuma categoria docente na
USP, poderá requerer sua inscrição como especialista de reco-
nhecido valor, nos termos do parágrafo primeiro do artigo 80 do
Estatuto da USP, o que dependerá da aprovação de dois terços
dos membros da Congregação.
§ 8º - No ato da inscrição, os candidatos com deficiência
deverão apresentar solicitação para que se providenciem as
condições necessárias para a realização das provas.
§ 9º - É de integral responsabilidade do candidato a realiza-
ção do upload de cada um de seus documentos no campo espe-
cífico indicado pelo sistema constante do link https://uspdigital.
usp.br/gr/admissao, ficando o candidato desde já ciente de que
a realização de upload de documentos em ordem diversa da ali
estabelecida implicará o indeferimento de sua inscrição.
§ 10 - É de integral responsabilidade do candidato a
apresentação de seus documentos em sua inteireza (frente e
verso) e em arquivo legível, ficando o candidato desde já ciente
de que, se não sanar durante o prazo de inscrições eventual
irregularidade de upload de documento incompleto ou ilegível,
sua inscrição será indeferida.
§ 11 - Não será admitida a apresentação extemporânea
de documentos pelo candidato, ainda que em grau de recurso.
§ 12 - No ato da inscrição, o candidato que se autodeclarar
preto, pardo ou indígena manifestará seu interesse em participar
da pontuação diferenciada prevista no item 8 e seus parágrafos
deste Edital.
§ 13 - Para que faça jus à bonificação a candidatos auto-
declarados pretos e pardos, o candidato deverá possuir traços
fenotípicos que o caracterizem como negro, de cor preta ou
parda.
§ 14 - A autodeclaração como preto ou pardo feita pelo
candidato que manifestar seu interesse em participar da pontu-
ação diferenciada será sujeita a confirmação por meio de banca
de heteroidentificação.
§ 15 - Na hipótese de não confirmação da autodeclaração
de pertença racial, o candidato será eliminado do concurso e, se
houver sido nomeado, ficará sujeito à anulação da sua admissão
ao serviço ou emprego público, após procedimento administra-
tivo em que lhe sejam assegurados o contraditório e a ampla
defesa, sem prejuízo de outras sanções cabíveis.
§ 16 - Para confirmação da autodeclaração do candidato
indígena será exigido, no ato da inscrição, o Registro Adminis-
trativo de Nascimento do Índio - Rani próprio ou, na ausência
deste, o Registro Administrativo de Nascimento de Índio - Rani
de um de seus genitores.
§ 17 – Situações excepcionais poderão ser avaliadas pelo
Conselho de Inclusão e Pertencimento, que poderá admitir a
confirmação da autodeclaração do candidato como indígena
por meio de, cumulativamente, memorial e declaração de per-
tencimento étnico subscrita por caciques, tuxauas, lideranças
indígenas de comunidades, associações e/ou organizações
representativas dos povos indígenas das respectivas regiões,
sob as penas da Lei.
§ 18 - As normas vigentes para apresentação dos documen-
tos referentes à autodeclaração como preto, pardo e indígena,
bem como para sua confirmação, estão disponíveis no site da
Secretaria Geral da USP (https://secretaria.webhostusp.sti.usp.
br/?p=12343).
§ 19 - Para fins do inciso III, serão aceitos os documentos
listados no art. 209 do Decreto Federal nº 57.654/1966, ficando
dispensados de fazê-lo os candidatos do sexo masculino que
tiverem completado 45 (quarenta e cinco) anos até o dia 31 de
dezembro do ano anterior ao período de abertura de inscrições.
§ 20 - No ato da inscrição, o candidato poderá manifestar,
por escrito, a intenção de realizar as provas na língua inglesa,
nos termos do artigo 38, parágrafo 2º do Regimento do Instituto
de Matemática e Estatística da Universidade de São Paulo. Os
conteúdos das provas realizadas nas línguas inglesa e portugue-
sa serão idênticos.
2. - As inscrições serão julgadas pela Congregação do IME,
em seu aspecto formal, publicando-se a decisão em edital.
Parágrafo único – O concurso deverá realizar-se no prazo
de trinta a cento e oitenta dias, a contar da data da publicação
no Diário Oficial do Estado da aprovação das inscrições, de
acordo com o artigo 151, parágrafo segundo, do Regimento
Geral da USP.
3. - As provas constarão de:
I – julgamento dos títulos (peso 5);
II – prova pública oral de erudição (peso 2);
III – prova pública de arguição (peso 3);
§1º - A convocação dos inscritos para a realização das
provas será publicada no Diário Oficial do Estado.
§ 2º - Os candidatos que se apresentarem depois do horário
estabelecido não poderão realizar as provas.
(c) Transformações ergódicas (d) Espaços Lp, Desigualdades de
Hölder e de Minkowski (e) Teorema Ergódico de von Neumann
(f) Teorema Ergódico Subaditivo 3. Movimento Browniano (a)
Construção (b) Propriedade de Markov, princípio da reflexão (c)
Tempos de passagem (d) Propriedades das trajetórias
XVII. - PROCESSOS PONTUAIS: Programa: 1. Processo de
Poisson. 2. Processos marcados. 3. Distribuições de Palm. 4.
Modelos Booleanos. 5. Processos pontuais de Gibbs. 6. Simula-
ção de processos pontuais. 7. Tópicos em reticulados aleatórios.
8. Inferência em processos pontuais. 9. Processos de nascimento
e morte com interação.
XVIII. - SISTEMAS MARKOVIANOS DE PARTÍCULAS: Progra-
ma: 1. Definição e exemplos de sistemas de partículas. Proble-
mas e tecnicas. Existencia. Acoplamento. Dualidade. Aditividade.
Reversibilidade. Ergodicidade. Desigualdade FKG. Propriedades
misturadoras. Estudo de exemplos: 1) percolação orientada
e processo de contato, 2) processos de exclusão simples, 3)
Processos de crescimento. Modelo de Richardson, 4) Modelo
do votante, 5) Sistemas de spins, modelo de Ising estocástico.
XIX. - TEORIA DA DECISÃO: Programa: 1. lntrodução: ele-
mentos de um problema de decisão. 2. Probabilidade e utilidade:
construção (coerência). 3. Maximização de utilidade esperada.
4. Formas normal e extensiva de um problema de decisão. 5.
Exemplos em inferência estatística. 6. Tópicos adicionais: Teoria
da decisão coletiva, aplicações em controle de qualidade, testes
simultâneos e decisões sequenciais.
XX. - TEORIA DAS FILAS: Programa: 1. Revisão dos principais
processos estocásticos aplicados em filas. Processos de Poisson e
Nascimento e Morte. Cadeias e Processos de Markov. Processos
de renovação e de renovação Markoviano. 2. Características
gerais e principais medidas de desempenho de uma fila. Che-
gadas, serviço, disciplina, capacidade de espera e número de
servidores. Número de clientes no sistema e tempos de espera. 3.
A fila M/M/1 e suas variantes. M/M/1: distribuição do número de
clientes no sistema, cálculo de medidas de desempenho, fórmula
de Litle, processo de Safda, Teorema de Burke. M/M/c/K: distri-
buição estacionária e medidas de desempenho. 4. A fila M/G/1 e
suas variantes. M/G/1: transição e cadeia imersa usando o pro-
cesso de renovação Markoviano, fórmula de Pollaczek-Khintchin,
distribuição estacionária. M/G/1/k: distribuição estacionária.
5. Redes de fila. Modelos de Jackson, Kelly, BCMP e redes de
estações quase-reversíveis.
XXI. - MODELOS LINEARES GENERALIZADOS: Programa:
1. Modelos lineares generalizados - 1.1. Definição; 1.2. Função
desvio; 1.3. Estimação dos parâmetros; 1.4. Teste de hipóteses;
1.5. Técnicas de diagnóstico; 1.6. Aplicações. 2. Modelos para
análise de dados positivos assimétricos - 2.1. Modelos com
resposta gama; 2.2. Modelos com resposta normal inversa. 3.
Regressão logística - 3.1. Métodos clássicos; 3.2. Regressão
logística linear; 3.3. Modelos de dose-resposta; 3.4. Sobredis-
persão; 3.6. Regressão logística condicional; 3.7. Aplicações. 4.
Regressão de Poisson - 4.1. Métodos clássicos; 4.2. Modelos
log-lineares; 4.3. Classificação de modelos; 4.4. Relação com
modelos multinominais; 4.5. Modelos com resposta binomial
negativa; 4.6. Aplicações. 5. Modelos de quase-verrossimilhança
- 5.1. Definição; 5.2. Estimação e testes; 5.3. Aplicações. 6. Equa-
ções de estimação generalizadas 6.1. Definição; 6.2. Estimação e
testes, 6.3. Aplicações. 7. Modelos lineares generalizados mistos.
XXII. - ANÁLISE DE DADOS CATEGORIZADOS: Programa:
1. introdução: Noções preliminares sabre dados categorizados
e exemplos. 2. Modelos probabilísticos: Poisson, Multinomial,
produto de Multinomiais e Hipergeométrico. 3. Modelos estru-
turais lineares: simetria, homogeneidade marginal e o modelo
linear geral. 4. Modelos log-lineares: tabelas sem variáveis
explicativas e tabelas com variáveis explicativas; modelos para
variáveis ordinais. 5. Modelos funcionais lineares: modelos log-
-lineares generalizados e modelos lineares generalizados. 6.
inferência estatística: metodologia de máxima verossimilhança
e de mínimos quadrados generalizados; métodos de inferência
condicional exata. 7. Tópicos especiais: análise de dados com
medidas repetidas; análise de tabelas truncadas; análise de
dados incompletos.
XXIII. - MECÂNICA ESTATÍSTICA: Programa: 1. Estados de
Gibbs em volume finito. 2. Medidas DLR e processos de Gibbs
em reticulado. 3. Existência de processos DLR para sistemas
de spin finitos e infinitos. 4. Transições de fase. 5. Mecânica
estatística fora do equilíbrio: Sistemas com uma infinidade de
partículas.
XXIV. - CADEIAS DE ORDEM INFINITA: Programa: 1. Mis-
turas enumeráveis de cadeias de Markov. 2. Cadeias de ordem
infinita. 3. Esquemas regenerativos para cadeias de ordem
infinita. 4. Simulação perfeita de cadeias de ordem infinita.
5. Aproximações de cadeias de ordem infinita por cadeias de
Markov de ordem crescente. 6. Cadeias com memória de alcance
variável e árvores de contextos. 7. Estrutura regenerativa para
cadeias com memória de alcance variável. 8. Simulação perfeita
de cadeias de alcance variável. 9. Seleção de arvores de contex-
tos: o algoritmo Contexto. 10. Seleção de árvores de contextos: o
Critério da lnformação Bayesiana. 11. Aplicação: reamostragem
para cadeias de ordem infinita. 12. Aplicação: problema de
Monge Kantorovich para cadeias de ordem infinita.
XXV. - ESTATÍSTICA PARA DADOS SUPERDIMENSIONADOS:
Programa: 1. O estimador "LASSO" para modelos lineares em
alta dimensão. 2. "LASSO" para modelos lineares generalizados
e modelos aditivos. 3. Generalizações: Group-LASSO, Fused-
-LASSO, modelos segmentados. 4. Seleção de variáveis. 5.
Modelos gráficos.
XXVI. - MODELOS ESTOCÁSTICOS EM NEUROCIÊNCIAS:
Programa: 1. Dados experimentais em neurociências. Regis-
tros unitários de neurônios. Registros eletro-encefalográficos.
Neuroimagens. Dados de eletro-miografia. 2. Modelos proba-
bilísticos básicos. Cadeias de Markov, cadeias de alcance infi-
nito e cadeias de alcance variável. Cadeias estocásticas ocultas.
Estados de Gibbs. Campos aleatórios com interação de alcance
variável. Sistemas estocásticos com infinitas componentes e
interações de alcance variável no espaço-tempo. Grafos aleató-
rios. 3. Cadeias ocultas e o problema da identificação de ativida-
de neuronal unitaria ("spike sorting"). 4. Sistemas estocásticos
com interações de alcance variável e a modelagem de evoluções
temporais de populações de neurônios registrados individual-
mente. Modelos do tipo "integra e dispara" e generalizações.
5. Modelos Bayesianos descrevendo cognição neuro-motora. 6.
Grafos aleatórios e modelos de redes para o cérebro. 7. Seleção
de modelos, plasticidade e aprendizagem. 8. Seleção de modelos
e o problema da constituição de memórias. 9. Classificação de
dados funcionais e a identificação de estados neuronais.
XXVII. - EDUCAÇÂO ESTATÍSTICA: Programa: 1. Natureza
interdisciplinar da área e a pedagogia de projetos. 2. Currículo
escolar de estatística (nível básico e superior). 3. Noção de incer-
teza e aspectos cognitivos no ensino básico da probabilidade. 4.
Didática da probabilidade e da estatística - inovações e material
de apoio. 5. Uso de computadores e afins - novas tecnologias no
ensino de estatística. 6. Avaliação do aprendizado de estatística
em todos os níveis. 7. Estratégias de inferência estatística infor-
mal. 8. Modelagem estatística em educação.
XXVIII. - APRENDIZAGEM ESTATÍSTICA EM ALTAS DIMEN-
SÕES: Programa: 1. Introdução à aprendizagem estatística
supervisionada. 2. Modelos lineares para regressão e classifica-
ção. 3. O método LASSO e o problema de seleção de variáveis.
4. Avaliação e seleção de modelos. 5. Método de k-vizinhos
mais próximos, máquinas de vetores suporte e redes neurais. 6.
Método “bagging", florestas aleatórias e método "boosting". 8.
Modelos gráficos. 9. Aprendizagem não supervisionada.
XXIX. - INTRODUÇÂO A CIÊNCIA DE DADOS: Programa:
1. Estatística, Computação e Ciência de Dados. 2. Aprendizado
estatístico: supervisionado e não supervisionado. 3. Apren-
dizado supervisionado: regressão e classificação: noções. 4.
Aprendizado não supervisionado: análise de agrupamentos,
redução da dimensão (componentes principais, componentes
III. - ANÁLISE MULTIVARIADA: Programa: 1. Introdução:
Variáveis aleatórias multidimensionais e exemplos. 2. Distribui-
ção normal multivariada: propriedades e Estimação dos parâme-
tros. 3. Distribuições amostrais do vetor de medias e da matriz
de covariâncias; regiões de confiança. 4. Testes de hipóteses para
o vetor de medias e para a matriz de covariâncias. 5. Graficos
multivariados. 6. Técnicas de redução da dimensionalidade:
análise de componentes principais, análise fatorial. 7. Técnicas
de classificação e agrupamento: análise de agrupamentos,
análise discriminante.
IV. - CÁLCULO ESTOCASTICO: Programa: 1. Passeios alea-
tórios. 2. Convergência de variáveis aleatórias. 3. Martingais. 4.
Movimento Browniano. 5. Construção da integral estocástica. 6.
Fórmula de Itô. 7. Equações diferenciais estocásticas. 8. Equação
de difusão. 9. Fórmula de Girsanov. 10. Fórmula de Black-
-Scholes. 11. Fórmula de Feynman-Kac.
V. - ELEMENTOS DE AMOSTRAGEM: Programa: 1. ideias
básicas. 2. Amostragem aleatória simples e estratificada. 3. Esti-
mação com probabilidades desiguais. Estimadores de Horwitz-
-Thompson. 4. Estimadores do tipo razão e regressão. 5.
Amostragem por conglomerados e sistemática. 6. Amostragem
em múltiplos estágios. 7. Modelos de regressão em pianos
amostrais complexos. 8. 0 enfoques de superpopulação para
populações finitas.
VI. - ESTATÍSTICA AVANÇADA I: Programa: 1. Modelos
estatísticos clássicos e Bayesianos; modelos paramétricos, não
paramétricos e semi paramétricos. 2. Suficiência, suficiência
mínima, completa, ancilaridade; famílias exponenciais de distri-
buições; informação de Fisher e Kullback-Leibler. 3. Formulação
do problema de decisão estatística; estimadores ótimos, admis-
sibilidade. 4. Estimadores não-viesados de variância mínima, de
máxima verossimilhança, bayesianos e robustos; intervalos de
confiança e credibilidade. 5. Formulação geral do problema do
teste de hipóteses; lema de Neyman-Pearson e testes UMP. Teste
da razão de verossimilhanças. 6. Fator de Bayes, eliminação de
parâmetros de incômodo, quantidade pivotal, valor-p.
VII. - ESTATÍSTICA AVANCADA II: Programa: 1. Ordens de
magnitude e series de Taylor. 2. Convergência fraca e forte de
estimadores. Casos univariado e multivariado. Teoremas de
Slutsky. 3. Teoremas do Limite Central - Univariado, Multivariado
e para Martingais. 0 Teorema de Cramer-Wald. 0 Teorema de
Hajek-Sidak e aplicações a modelos de regressão. 0 método
Delta e transformações estabilizadoras da variância. 4. Expan-
sões assintóticas. 5. Aplicações.
VIII. - MARTINGAIS E TEORIA DA CONFIABILIDADE: Progra-
ma: 1. Modelo geral do tempo de vida de um sistema coerente
através de um semi-martingale em relação a sigma-álgebra
gerada pelos componentes. 2. Importância da confiabilidade dos
componentes para a confiabilidade do sistema através de trans-
formação dos compensadores dos processes pontuais das falhas
dos componentes. 3. Classes de distribuições uteis em teoria
da confiabilidade condicionada ao passado observado (sigma-
-álgebra gerada pelos componentes). 4. Políticas de manutenção
como problemas de paradas ótimas. 5. Assinaturas através de
processes pontuais. 6. Análise das propriedades clássicas dos
sistemas complexos de engenharia utilizando a representação
da função de confiabilidade através dos processos pontuais
das assinaturas.
IX. - INFERÊNCIA BAYESIANA: Programa: 1. Princípios da
inferência Bayesiana e comparação com os princípios clássicos;
2. inferência e decisão; 3. Distribuições a priori: subjetivas e obje-
tivas; 4. Famílias conjugadas. 5. Estimação pontual e intervalar;
6. Testes de hipóteses; 7. Aproximações das densidades a pos-
teriori: analíticas e computacionais; 8. Métodos de Monte Carlo;
9. Modelos lineares; 10. Comparação de modelos e aplicações.
X. - INFERÊNCIA EM PROCESSOS ESTOCÁSTICOS: Progra-
ma: 1. Inferência estatística para cadeias de Markov. Estimação
de máxima verossimilhança. Identificação da ordem da cadeia;
2. Inferência estatística para cadeias estocásticas com memória
de alcance variável. O algoritmo Contexto; 3. Seleção de árvores
de contextos através do critério BIC. O algoritmo CTW; 4. Infe-
rência estatística para cadeias de Markov ocultas;
5. Estados de Gibbs. Identificação de grafos de interação e
análise de verossimilhança do modelo Ising; 6. Simulações de
Monte-Carlo através de Cadeias de Markov. Dinâmicas de Glau-
ber, mostrador de Gibbs, algoritmo de Metropolis; 7. Algoritmos
de simulação perfeita.
XI. - INTRODUÇÃO À ANÁLISE DE RISCO: Programa: 1.
Aspectos probabilísticos do risco (interpretação dos valores
segurados acumulados através de exemplos com sequencias
de variáveis aleatórias). 2. Distribuições do total de seguros
pagos em um ano (comparação entre o modelo individual e o
modelo coletivo, aproximação através de polinômios ortogonais
e função gama de Bower). 3. Princípios de cálculo de prêmios
(prêmios de risco e prêmios coletivos, prêmios de credibilidade,
redução de prêmios, propriedades e exemplos). 4. Trocas de risco
e re-seguro (tomada de decisão sob pontos de vista conflitantes,
trocas de risco entre seguradoras, propriedades de prêmios
"stop-loss"). 5. Retenção e reservas (retenção sob re-seguro
proporcional e não proporcional, aproximação da credibilidade,
retenção relativa, exemplos).
XII. - MODELOS LINEARES: Programa: 1. lntrodução: princi-
pais modelos e exemplos. 2. Álgebra de matrizes. 3. Distribuições
de formas quadráticas. 4. Modelos de posto completo: regressão
e planejamento. 5. Estimação e testes de hipóteses: a hipótese
linear geral. 6. Parametrizações em modelos de planejamento. 7.
Dados desbalanceados e dados incompletos. 8. Estimação pelo
método de mínimos quadrados ponderados. 9. 0 modelo linear
geral: estruturas especiais para a matriz de covariância; modelos
para medidas repetidas. 10. Modelos de posto incompleto.
XIII. - PERCOLAÇÃO: Programa: 1. lntrodução ao modelo
de percolação. 2. Primeiros resultados: transição de fase. 3.
Desigualdade de correlação; fórmula de Russo. 4. Fase subcrítica:
decaimento exponencial; unicidade do ponto crítico. 5. Fase
supercrítica: unicidade do aglomerado infinito. 6. Duas dimen-
sões: Continuidade no ponto crítico. 7. 0 modelo de aglomerados
aleatórios de Fortuin e Kasteleyn e sua relação com os modelos
de percolação, de Ising e Potts. 8. Limites de escala de modelos
críticos em duas dimensões. 9. Outros modelos relacionados a
percolação: a. percolação de primeira passagem, b. percolação
de invasão, c. percolação dinâmica, d. percolação dependente.
XIV. - PLANEJAMENTO DE EXPERIMENTOS: Programa: 1.
Modelos com um fator: efeitos fixos e aleatórios; comparações
múltiplas, análise de covariância. 2. Modelos com dois fatores:
modelos cruzados e hierárquicos; efeitos fixos e aleatórios;
modelos mistos; planejamento em blocos aleatorizados. 3.
Planejamentos modificados ou incompletos: blocos aleatori-
zados incompletos; quadrados e de Youden e grego-latinos. 4.
Experimentos Fatoriais: experimentos 2 k; confundimeno em
experimentos 2k; Réplica fracionária; Experimentos 3k. 5. Expe-
rimentos em Split-plot aplicações.
XV. - PROBABILIDADE AVANCADA I: Programa: 1. Espaços
de probabilidade: Medidas de Lebesgue-Stieltjes, teorema da
extensão de Carathedory; b) Medidas de probabilidade, variáveis
aleatórias; c) integração, esperança, teoremas de convergência;
d) Medidas produto, teorema de Fubini; e) independência; f)
Teorema da extensão de Kolmogorov; g) Teorema de Radon
Nikodym, esperança condicional. 2. Leis dos grandes números: a)
Convergência em probabilidade e convergência quase-certa; b)
Lei fraca dos grandes números; c) Lemas de Borel-Cantelli; d) Lei
forte dos grandes números. 3. Teorema central do limite: a) Con-
vergência em distribuição; b) Funções características; c) TCL para
variáveis aleatórias 1.1.D.; d) TCL para arranjos triangulares.
XVI. - PROBABILIDADE AVANCADA II: Programa: 1. Martin-
gales (a) Definições, tempos de parada, Desigualdade de Doob
(b) Teorema da Amostragem Opcional (c) Convergência quase
certa (d) Convergência em L2 (e) Integrabilidade uniforme e
convergência em L1 2. Processos Estacionários (a) Transforma-
ções que preservam medida (b) Teorema Ergódico de Birkhoff
A Companhia de Processamento de Dados do Estado de Sao Paulo - Prodesp
garante a autenticidade deste documento quando visualizado diretamente no
portal www.imprensaoficial.com.br
quarta-feira, 13 de setembro de 2023 às 05:13:05
Para continuar a ler
PEÇA SUA AVALIAÇÃO