Métodos Estocásticos (ME-0006)

Ementa: Elementos de cálculo de Probabilidade. Espaço amostral. Corpo de Borel. Probabilidade condicional. Variáveis e vetores aleatórios. Função distribuição e densidade. Teorema de Bayes. Distribuições uniforme e gaussiana. Processos Aleatórios. Definição e caracterização. Funções média e autocovariância. Ergodicidade. Processos estacionários. Densidade espectral. Processos de Markov, Processo de Wiener e Processo gaussiano.

Syllabus: Fundamental principles of probability. Sample space. Borel field. Conditional probability. Random variables and vectors. Probability distribution and density functions. Bayes' theorem. Uniform and Gaussian distributions. Random processes. Definitions and characteristics. Mean and covariance functions. Ergodicity. Stationary processes. Power Spectral Density. Fundamental processes (Poisson, Markov,
Wiener, and Gaussian).

PAPOULIS, A. - Probability, Random Variables and Stochastic Process, McGraw Hill, 1985.

KOVÁCZ, Z. L. - Teoria da Probabilidade e Processos Estocásticos, Ed. Acadêmica, USP, 1996.

STARK, H. & WOODS, J.W. - Probability, Random Processes and Estimation Tehory for Engineers, McGraw Hill.

PERBLES Jr., P.Z. - Probability, Random Variables and Random Signal Principles, McGraw Hill.

BOX & JENKINS - Time Series Analysis, Forecasting and Control, 1976.