7. Introdução a séries de tempo, modelos auto-regressivos, de média, móveis e mistos. Tendência, passeio aleatório e raízes unitárias.

6. Análise de Regressão. O modelo clássico de regressão linear e suas hipóteses básicas. Estimadores de mínimos quadrados ordinários e suas propriedades. Intervalos de confiança e teste de hipóteses. Violação das hipóteses básicas do modelo clássico de regressão linear: testes de diagnóstico e procedimentos de correção. Regressão com variáveis “dummy”. Modelos auto-regressivos e de defasagens distribuídas. Modelos de equações simultâneas.

5. Inferência estatística. Estimação por ponto e por intervalo. Propriedades desejáveis dos estimadores em pequenas e grandes amostras. Intervalo de confiança e teste de hipóteses. Tipos de erro. Nível de significância.

4. Principais teoremas de probabilidade. Teorema de Tchebycheff. Lei dos grandes números. Teorema Central do Limite.

3. Principais distribuições: Bernoulli, Binomial, Poisson, Geométrica, Hipergeométrica, Uniforme, Normal, Lognormal, Qui-quadrado, t e F.

2. Probabilidade - Definição e propriedades. Variáveis aleatórias discretas e contínuas. Função de probabilidade e densidade de probabilidade. Distribuição conjunta, distribuição marginais, independência estatística. Esperança matemática e variância de uma variável aleatória. Covariância e coeficiente de correlação.

1. Números-índices. Índices de Laspeyres e de Paasche. Propriedades ideais de um número índice. Mudança de base e deflacionamento de dados.