Método de Monte Carlo. O que é e como se implementa
Números aleatórios ? requisitos. Tipos de geradores. Testes.
Probabilidades discretas, contínuas e cumulativa. Distribuição uniforme. Distribuições não uniformes - exponencial e gaussiana
Alteração da densidade de probabilidade: método da inversão, da rejeição e de Box-Muller. Caso de mudança de variáveis
Integração com M.C. Valores espectávies
Importance sampling
Métodos de resolução de equações: substituições sucessivas, Newton-Cotes, meios intervalos e regula-falsi
Métodos de interpolação: polinómios, fórmula de Lagrange e interpolação "piecewise"
Métodos para estimar raízes de funções: Newton-Raphson, secante, bissecção e Regula-Falsi.
Métodos de integração: quadraturas de Newton-Cotes aberta e fechada Regras do ponto médio, trapézio e de Simpson. Quadratura gaussiana
Integração de equações diferenciais: método de Euler, de Neuer e de Runge-Kutta
Random walks, cadeias de Markov, algoritmo de Metropolis. Aplicações

- Knuth, The Art of Computer Programming, 3rd vol, Addison-Wesley, 1999.
- Press et al., Numerical Recipies in c, Camb. Univ. Press, 1992.
- Wong, Computational Methods in Physics and Engineering, 2nd ed, Prentice-Hall, 1997.
- R. Gaylord, P. Wellin, Computer Simulations with Mathematica, Springer, 1995.