----Plano: Modulo 1 (Pasta Modelo Inferencial e Risco) 1-modelo frequentista; 2-teoria de decisão; 3-funções de perda; 4-risco de decisão; 5-risco quadrático e viés de estimação; 6-exemplos de estimadores, risco e viés; 7-decisão em testes de hipótese, risco de decisão; 8-decisões equivocadas em testes de hipótese: erro tipo I e II; 9-critério minimax; 10-uso do risco quadrático no contexto de predição; 11-estimação de risco mínimo no contexto 10. Modulo 2 (Pasta Principios) 1-suficiência; 2-teorema da fatoração; 3-suficiente minimal; 4-teorema da minimalidade; 5-ancilaridade. Modulo 3 (Pasta Estimativas) 1-estatísticas e estimação; 2-estimação pontual e intervalar; 3-métodos de estimação (momentos e máxima verossimilhança); 4-exemplos de estimação pontual (casos discreto e contínuo). Modulo 4 (Pasta Familias Exponenciais) 1-famílias Exponenciais; 2-suficiencia nas familias Exponenciais; 3-formas canônicas; 4-determinação de esperaça e variancia da estatística suficiente com base em resultados de formas canônicas; 5-problemas de identificabilidade; 6-parametrização idenficável nas famílias Exponenciais Modulo 5 (Pasta Estimativas) 1-familias de locação; 2-familias de escala; 3-familias de locação - escala; 4-Propriedades do Método dos Momentos; 5-Princípio de estimação Plug-In; 6- --Preditores 1-preditor de Y, sob risco quadrâtico: Audio 5 do módulo 5 e últimas páginas do Modulo 1 (pdf) Modulo 6 (Pasta Estimativas) 1-estimador e contraste mínimo; 2-entropia; 3-divergencia KL e método de máxima verossimilhança; 4-estimação por mínimos quadrados, condições de Gaus Markov em modelos lineares, homoscedasticidade e heterocedasticidade Modulo 7 (Pasta Familias Exponenciais) 1-condições para a existência de máximos; 2-condições para a existência e unicidade do estimador de máxima verossimilhança nas famílias exponenciais; 3-exemplos da existencia e da não existência do EMV, nas famílias exponenciais. Modulo 8 (Pasta Estimativas) 1-consistência quadratica ou EQM; 2-sonsistência simples; 3-sequencias de estimadores BAN; 4-estimadores ENVUMV; 5-Rao Blackwell; 6-completitude; 7-suficiencia, minimalidade e completitude nas familias exponenciais; 8-resultado de Lehmann–Scheffé; 9-exemplos Modulo 9 (Pasta Estimativas) 1-informação de Fisher; 2-condições de regularidade; 3-propriedades da informação de Fisher; 4-limitante Inferior de Cramer Rao; 5-exemplos; 6-informação de Fisher (IF): contribuição de cada elemento amostral; 7-estimadores não viciados e de mínima variancia, via teorema da desigualdade de IF; 8-exemplos; 9-caso multiparametrico; 10-caso das famílias exponenciais. modulo 10 (Pasta: Testes e IC) 1-testes de hipóteses; 2-hipóteses simples e compostas; 3-região de rejeição do teste; 4-erros tipo I e II; 5-nível de significância do teste; 6-tamanho do teste; 7-função poder do teste; 8-casos específicos e exemplos; 9-p-valor; 10-relação entre função poder, nível de significância e P-valor; 11-procedimentos Neyman Pearson (NP). 12-lema de Neyman Pearson; 13-hipóteses precisas e testes uniformemente mais poderosos (UMP) ao nível alpha; 14-exemplos relacionando o procedimento NP e outras estatísticas; 15-construção de testes UMP ao nível alpha; 16-famílias MLR na estatística; 17-exemplos. modulo 11 (Pasta: Testes e IC) 1-controlando a função poder do teste, pelo tamanho amostral; 2-familia completa de testes; 3-intervalos de confiança: unilaterais e bilaterais; 4-quantidades pivotais; 5-exemplos; 6-intervalos de funções do parametro; 7-Bonferroni e intervalos multivariados; 8-exemplo. modulo 12 (Pasta: testes e IC) 1-dualidade entre testes e intervalos de confiança; 2-generalização da noção de Neyman Pearson: testes razão de verossimilhanças; 3-preservação/não preservação de propriedades: Unif. Mais Poderosos; 4-exemplos: testes na média.