Quando as grandezas de interesse são funções dos parâmetros ajustados aos dados experimentais, é preciso determinar a matriz de covariância delas em função das covariâncias dos parâmetros ajustados. Nesta atividade, determinam-se as estimativas dos parâmetros de uma função a um conjunto de dados , e desses parâmetros se deduzem as grandezas de interesse e sua matriz de covariância, usando uma fórmula matricial, conveniente para cálculos com computadores.

Função geratriz de uma f.p. (variável discreta); somas de variáveis aleatórias. Função característica e a geratriz dos cumulantes; o teorema central do limite. Desigualdade de Chebyshev; a lei dos grandes números.

Funções que permitem iterar sobre listas: Cases, Map, Sort, SortBy, Position. Comandos procedimentais: Do, For. If com três alternativas para o resultado do teste: Verdade, Falso e Indeterminado,

Funções puras. Seleção de valores de uma lista. Uso de LinearModelFit e NonlinearModelFit; testes obrigatórios da qualidade do ajuste.

Conceitos primitivos: espaço amostral e evento. Relações entre eventos. Os axiomas da Teoria da Probabilidade. Probabilidade condicional e o Teorema de Bayes. Independência Estatística. Definição de variável aleatória. Funções de probabilidade: densidade condicional, marginal, distribuição de probabilidade. Valor esperado, momentos - uma variável, várias variáveis. A atividade é uma aplicação não-bayesiana do Teorema de Bayes.

A representação interna dos objetos e os nomes das operações. SetDelayed e a construção de uma função - diferença entre = e :=. Expressões compostas.

Operações básicas com strings e seu uso na formação de nomes de arquivos. Diretórios. Entrada e saída Import e Export), formatada. Funções Take e Drop, Append e Prepend, AppendTo e PrependTo.

Procedimento geral para conduzir um teste de hipótese. O teste 𝑧; o tamanho do teste. O teste 𝑡. Erro tipo I e erro tipo II (perda e contaminação). O poder do teste. O teste 𝑡 na comparação de duas médias.

Module, Rule, parâmetros e argumentos de funções. As funções da estatística: CDF (função distribuição cumulativa) e sua inversa, InverseCDF.

O Método dos Mínimos Quadrados e sua aplicação a funções lineares nos parâmetros. Equivalência entre os métodos da Máxima Verossimilhança e dos Mínimos Quadrados p/ dados normais. Exemplo: ajuste dos parâmetros de uma distribuição angular. Os desvios-padrões das estimativas.