Professor Efetivo

Professor Efetivo 40h (Edital Publicado em 23 de dezembro de 2025)

Prováveis datas das provas:

Prova escrita: 10/08/2026 - Local: sala 114, localizada no prédio da Pós-graduação em Química e Matemática

Prova de aptidão didática: 12/08/2026 - Local: Miniauditório do CCE (identificado como sala A12), situado no Bloco B.

Prova de títulos: 13/08/2026 - Local: Miniauditório do CCE (identificado como sala A12), situado no Bloco B.

Prova de plano de trabalho: 14/08/2026 - Local: Miniauditório do CCE (identificado como sala A12), situado no Bloco B.

Comunicamos aos candidatos as orientações relativas aos locais e horários das avaliações:

Apoio aos Candidatos: Os locais mencionados são próximos entre si. Caso necessário, os candidatos podem se dirigir à Chefia do Departamento de Estatística (localizada no prédio administrativo do CCE), que estará à disposição para orientações e condução até as salas.

Edital

Retificação do edital referente às datas das provas.

Retificação do edital referente ao item 7.4.2, que dispõe sobre a comprovação da condição de Pessoa com Deficiência (PCD) no ato da inscrição.

Retificação do edital referente à alteração da titulação e prorrogação do prazo de inscrições.

Lista de Candidatos com Inscrição Deferida:  clique aqui

Número de vagas: 01 vaga

Área: Probabilidade e Estatística (Código CNPq 1.02.00.00-2)

Subárea: Probabilidade e Estatística Aplicadas (1.02.03.00-1) 

Titulação exigida:

Doutor em Estatística. Doutor em Probabilidade e Estatística. Doutor em Ciências com área de concentração Estatística. Doutor em Ciências com área de concentração em Estatística e Experimentação Agronômica. Doutor em População, Território e Estatísticas Públicas E Graduação em Estatística. Doutor em População, Território e Estatísticas Públicas E Mestrado em Estatística. Doutor em Estatística e Experimentação Agropecuária E Graduação em Estatística. Doutor em Estatística e Experimentação Agropecuária E Mestrado em Estatística. Doutor em Ciência de Dados E Graduação em Estatística. Doutor em Ciência de Dados E Mestrado em Estatística. Doutor em Matemática Aplicada e Ciência de Dados E Graduação em Estatística. Doutor em Matemática Aplicada e Ciência de Dados E Mestrado em Estatística. Doutor em Ciência da Computação E Graduação em Estatística. Doutor em Ciência da Computação E Mestrado em Estatística. Doutor em Ciências da Computação e Matemática Computacional E Graduação em Estatística. Doutor em Ciências da Computação e Matemática Computacional E Mestrado em Estatística. Doutor em Computação Aplicada E Graduação em Estatística. Doutor em Computação Aplicada E Mestrado em Estatística. Doutor em Engenharia da Computação E Graduação em Estatística. Doutor em Engenharia da Computação E Mestrado em Estatística. Doutor em Engenharia Elétrica E Graduação em Estatística. Doutor em Engenharia Elétrica E Mestrado em Estatística. Doutor em Engenharia de Produção E Graduação em Estatística. Doutor em Engenharia de Produção E Mestrado em Estatística. Doutor em Engenharia Ambiental E Graduação em Estatística. Doutor em Engenharia Ambiental E Mestrado em Estatística. Doutor em Matemática Computacional E Graduação em Estatística. Doutor em Matemática Computacional E Mestrado em Estatística. Doutor em Economia E Graduação em Estatística. Doutor em Economia E Mestrado em Estatística. Doutorado em Sensoriamento Remoto E Graduação em Estatística. Doutorado em Sensoriamento Remoto E Mestrado em Estatística. Doutorado em Matemática E Graduação em Estatística. Doutorado em Matemática E Mestrado em Estatística. Doutorado em Estatística e Ciência de Dados E Graduação em Estatística. Doutorado em Estatística e Ciência de Dados E Mestrado em Estatística. Doutorado em Modelos de Decisão e Saúde E Graduação em Estatística. Doutorado em Modelos de Decisão e Saúde E Mestrado em Estatística. Modelagem Computacional E Graduação em Estatística. Modelagem Computacional E Mestrado em Estatística.

Período de inscrições: O período de inscrições será das 0h do dia 12/01/2026 até às 23h59min do dia 27/02/2026 (Horário de Brasília).

Inscrição: Toda a inscrição ocorrerá pelo e-mail: processoseletivo.dest.cce [at] ufes.br

Formulário de Inscrição

Formulário de Solicitação de Atendimento Especial

Formulário de Solicitação de Isenção de Valor de Inscrição

Telefone para contato: Secretaria Acadêmica: Telefones: 4009-2478 e 4009- 2482 e Departamento de Estatística: Telefone: (27) 4009-2481 (e-mail: departamento.estatistica [at] ufes.br)

Site: http://www.estatistica.ufes.br/concursos 7.

Tipos de prova: Prova escrita, de caráter eliminatório e classificatório; prova didática, de caráter eliminatório e classificatório; prova de plano de trabalho, de caráter apenas classificatório e prova de títulos, de caráter classificatório.

Programa

Unidade I: Probabilidade - Espaços de probabilidade, variáveis e vetores aleatórios, teoremas limites, modos de convergência de sequências de variáveis aleatórias e vetores, Lei dos grandes números, Funções características, Teorema central do limite, Cadeias de Markov em tempo discreto, Processos de Poisson.

Unidade II: Inferência Estatística - Estimadores eficientes, estatísticas conjuntamente suficientes, estatísticas completas, otimalidade assintótica, estimadores não-viesados de variância uniformemente mínima, método de
máxima verossimilhança, estimadores de máxima verossimilhança, testes uniformemente mais poderosos, testes da razão de verossimilhança generalizada, testes bayesianos.

Unidade III: Modelos Lineares Generalizados - Família exponencial, classe dos modelos lineares generalizados, inferência, função de desvio, métodos de diagnóstico, aplicações. modelos para dados ordinais, modelos dose-resposta, modelos lineares generalizados mistos. modelos para dados longitudinais.

Unidade IV: Estatística Computacional - Método da transformação inversa, Método da aceitação-rejeição, Geração de variáveis aleatórias discretas, Geração de variáveis aleatórias contínuas, Geração de variáveis aleatórias multidimensionais (vetores aleatórios), Geração de processos aleatórios: cadeias de Markov em tempo discreto com K estados e processos de Poisson, Integração Monte Carlo, Técnicas de redução de variância, Métodos de otimização numérica: descida de gradiente, Newton-Raphson e Fisher-score, Métodos de reamostragem: bootstrap não-paramétrico, bootstrap paramétrico e validação cruzada, Métodos de simulação Monte Carlo via cadeias de Markov (métodos MCMC): algoritmo de metrópolis-Hastings e o amostrador de Gibbs.

Unidade V: Análise Multivariada - Variáveis aleatórias multidimensionais. Distribuição normal multivariada: propriedades e estimação dos parâmetros. Distribuições amostrais do vetor de médias e da matriz de covariâncias; regiões de confiança. Testes de hipóteses para o vetor de médias e para a matriz de covariâncias. Gráficos multivariados. Técnicas de redução da dimensionalidade: análise de componentes principais, análise fatorial. Análise de correlação canônica. Técnicas de classificação: regressão logística, análise discriminante linear (discriminante de Fisher), classificador naive Bayes e o classificador baseado em k-vizinhos mais próximos (classificador k-NN). Técnicas de agrupamento: agrupamento hierárquico e K-means.

Unidade VI: Planejamento de Experimentos - Experimentos com um fator, Análise de Variância, Planejamentos Completamente Aleatorizados, Planejamentos em Blocos Completos Aleatorizados, Planejamento usando o Quadrado Latino, Experimentos com dois fatores, Modelo de Efeitos Fixos, Modelo de Efeitos aleatórios, Planejamentos fatoriais do tipo 2k, Planejamentos fatoriais do tipo 3k, Curvas e Superfícies de resposta. 

Bibliografia

Billingsley, P. Probability and measure. 3rd Edition. New York: Wiley-interscience, 1995.
Box, G. E. P & Draper, N.R. Empirical model building: Building and response surfaces. John Wiley & Sons, inc., New York, 1987.
Box, G. E. P., Hunter, W. G. & Hunter, J. S. Statistics for experiments: an introduction to design, data analysis and model building, John Wiley & Sons, 1978.
Dudewicz, E. & Mishra, S. Modern mathematical statistics. Wiley-interscience, 1988
Haykin, S. Neural Networks and Learning Machines. 3rd ed. New Jersey: Pearson Prentice Hall, 2009
Hinkelman, K. & Kempthorne, O. Design and Analysis of Experiments, Vol. 1, John Wiley and Sons, INC 1994. 640 p.
James, G., Witten, D., Hastie, T., & Tibshirani, R. An Introduction to Statistical Learning: with Applications in R. New York: Springer, 2013.
Johnson, R. A. & Wichern, D. W. Applied Multivariate Statistical Analysis. 6th ed. New Jersey: Pearson Prentice Hall, 2007
Kroese, D. P., Taimre, T. & Botev, Z. Handbook of Monte Carlo methods, New Jersey: John Wiley & sons, 2011.
Khuri, A. I. & Cornell, J. A. Response surfaces. Design and analysis. CRC Press, 1996, 536 p.
Lehmann, E. & Casella, G. Theory of point estimation, 2nd edition, Springer, 2003.
Lehmann, E. & Romano, J. Testing statistical hypothesis, 3rd edition, 2008.
Lohr, Sharon L. Sampling: design and analysis. Chapman and Hall/CRC, 2021.
McCullag, P. & Nelder, J. Generalized linear Models, 2nd edition, Chapman & Hall, 1989.
McCulloch, C., Searle, S. and Neuhaus, J., Generalized, linear and mixed models 2nd edition, Wiley interscience, 2008.
Montgomery, Douglas C. Design and analysis of experiments. 6th ed. Hoboken, N.J.: J. Wiley, 2005. xv, 643 p.
Rubinstein, R. & Kroese, D. Simulation and Monte Carlo methods, 2nd edition, New Jersey: John Wiley & sons, 2008.
Shiryaev, A. N. Probability. 2nd Edition. New York: Springer-Verlag, 1984.
Zaki, M. J. & Meira Jr., W. Data Mining and Analysis: Fundamental Concepts and Algorithms. New York: Cambridge University Press, 2013.