1)Resultados preliminares: Projeções ortogonais e sistemas de equações lineares, vetores médios e matrizes de covariância, funções geradoras de momentos, vetores normais, transformações lineares e independência. Estimação centrada, Estatísticas suficientes e Estatísticas completas; Teoremas de Rao-Blackwell e Blackwell-Lehman-Scheffé; Desigualdade de Rao-Cramer, estimadores eficientes, vetores estimáveis;
2) Noções inferenciais avançadas: Técnicas de estimação pontual, intervalos de confiança e testes de hipóteses, incluindo o estudo da potência de testes recorrendo a técnicas de reamostragem; estudo de distribuições associadas à normal; métodos numéricos conducentes à otimização de tarefas de cálculo - o método QR de Francis e o Método SVD(Singular-Value Decomposition)- salientando a sua relevância na identificação de parâmetros e modelos; estatísticas de seleção de modelos- Akaike (AIC), critério de informação Bayesiano (BIC), teste da razão da máxima verosimilhança; avaliação da qualidade dos modelos - bootstrap e validação cruzada.
3)Análise de pressupostos e desenvolvimento de regressões multilineares: Estudo do caso padrão de regressão multilinear - ajustamento e normalidade; Teorema de Gauss-Markov; Regressões multilineares com restrições lineares exatas.
4) Equações lineares simultâneas e equações estruturais baseadas em estruturas de covariância e mínimos quadrados parciais. A interação em modelos de equações estruturais.
