Programa de Pós-Graduação em Probabilidade e Estatística

Rafael Izbicki

Bacharel e Mestre em Estatística pela Universidade de São Paulo, Rafael é PhD em Estatística pela Carnegie Mellon University (2014). Atualmente é Professor Adjunto da UFSCar- Universidade Federal de São Carlos. Tem experiência na área de Probabilidade e Estatística, com ênfase em Machine Learning (aprendizado de máquina), Bioestatística, Astroestatística, Fundamentos da Estatística, Inferência Bayesiana, Inferência Não Paramétrica e Inferência em Dados com Alta Dimensionalidade. Mais informações: http://www.rizbicki.ufscar.br (Texto informado pelo autor)


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (10)
    1. 2023-Atual. Statistical Machine Learning - Toward Better Uncertainty Quantification
      Descrição: Machine Learning (ML) and Statistics have emerged as powerful disciplines in the field of data analysis, each offering unique perspectives and methodologies for extracting valuable insights from complex datasets. The goal of this work is to investigate how statistics can effectively evaluate the uncertainty of ML methods. The proposal consists of three interconnected aims that address different aspects of uncertainty quantification. Aim 1 focuses on developing scalable prediction intervals with asymptotic conditional coverage based on regression methods. We aim to overcome the limitations of existing methods that either lack coverage guarantees or fail to scale well to higher dimensional feature spaces. Building upon the work of Aim 1, Aim 2 aims to recalibrate full predictive distributions (PDs) to achieve individual or conditional calibration. By assessing and targeting conditional coverage across the entire input feature space, we aim to improve the reliability of PDs and provide instance-wise uncertainties. Finally, Aim 3 expands the scope of uncertainty quantification by focusing on measuring the epistemic uncertainty associated with estimated conditional densities. By developing innovative techniques to quantify uncertainty in conditional density estimation, we enable more robust parameter estimates, predictions, and decision-making processes across various disciplines.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (4) . Integrantes: Rafael Izbicki - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de SP - Auxílio financeiro.
      Membro: Rafael Izbicki.
    2. 2022-Atual. Aprendizado de máquina automatizado, interpretável e responsável
      Descrição: Este projeto vai abordar temas que têm despertado grande atenção nas comunidades de pesquisa em ciência de dados e em aprendizado de máquina, a automação de etapas do uso de algoritmos de aprendizado de máquina, a extração de características capazes de descrever os principais aspectos presentes em um conjunto de dados, a interpretabilidade de modelos gerados por algoritmos de aprendizado de máquina e o uso de práticas eticamente responsáveis no emprego de algoritmos de aprendizado de máquina em pesquisas e aplicações em problemas reais. Neste projeto, usaremos o termo aprendizado de máquina para significar aprendizado de máquina de ponta-a-ponta, ou do início-ao-fim, que incorpora, além das pesquisas em aprendizado de máquina, pesquisas em aspectos anteriores e posteriores à tarefa de modelagem de dados por meio de algoritmos de aprendizado de máquina, como pre-processamento de dados e validação de modelos. A área de pesquisa de aprendizado de máquina automatizado tem por metas reduzir a carga de trabalho manual e repetitiva em tarefas de aprendizado de máquina, permitir o bom uso de algoritmos de aprendizado de máquina por leigos e permitir que especialistas em aprendizado de máquina possam fazer mais em menos tempo, além de aumentar a dedicação a tarefas mais complexas e criativas. Em muitas aplicações de aprendizado de máquina a problemas reais, é importante identificar como os modelos induzidos tomam internamente suas decisões, permitindo assim a interpretação desses modelos. O terceiro tema está associado aos riscos inerentes ao crescente uso de algoritmos de aprendizado de máquina, como a criação de modelos preconceituosos, a incorporação de informações que permitam identificar a origem dos dados coletados, a ausência de dados que permitam a reprodutibilidade de experimentos científicos e o desenvolvimento que ponham seres vivos em situação perigosas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Coordenador / Ana Carolina Lorena - Integrante / Adriano Rivoli da Silva - Integrante / Luis Paulo Faina Garcia - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Rafael Izbicki.
    3. 2020-2023. Uncertainty estimation of crypto currency price
      Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) . Integrantes: Rafael Izbicki - Coordenador / STERN, RAFAEL B. - Integrante. Financiador(es): Silicon Valley Community Foundation - Bolsa.
      Membro: Rafael Izbicki.
    4. 2020-Atual. Modelagem estatística por meio de ondaletas
      Descrição: Um dos principais objetivos na Estatística é a modelagem satisfatória de dados nos mais diversos contextos, nas mais diversas áreas. Com os avanços computacionais nos últimos anos, o uso de abordagens não paramétricas tem ganhado cada vez mais atenção de pesquisadores, muito em decorrência da capacidade dessas abordagens na proposição e/ou na validação de outras abordagens já existentes. Além disso, vale destacar, modelos não paramétricos têm como característica a flexibilidade, bem como melhor capacidade de se adequar a singularidades inerentes aos conjuntos de dados de interesse. Uma ferramenta não paramétrica que vem ganhando cada vez mais destaque são as bases de ondaletas. O principal motivo dessas funções estarem ganhando força dentro do campo da Estatística não paramétrica diz respeito a sua capacidade de auxílio na estimação de funções de forma mais satisfatória que outras metodologias, como é o caso de séries de Fourier. Devido ao modo como essas bases são construídas, ondaletas conseguem captar de forma bastante efetiva irregularidades inerentes nas funções de interesse, através de uma representação esparsa dessas bases. Neste projeto, temos como objetivo a modelagem de dados sob o enfoque de bases de ondaletas. Como objetivo principal, vamos focar aqui na proposta de novas metodologias para estimar funções discriminantes para dados de alta dimensão, como é o caso de dados funcionais, e estimação de funções densidade de probabilidade de dados viesados.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Integrante / Michel Helcias Montoril - Coordenador / Aluísio de Souza Pinheiro - Integrante.
      Membro: Rafael Izbicki.
      Descrição: Esse projeto visa a modelagem de dados sob o enfoque de bases de ondaletas. Como objetivo principal, vamos focar aqui na proposta de novas metodologias para estimar funções discriminantes para dados de alta dimensão, como é o caso de dados funcionais, e estimação de funções densidade de probabilidade de dados viesados. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Brani Vidakovic - Integrante / Aluísio de Souza Pinheiro - Integrante / Rafael Izbicki - Integrante / Flávia Castro Motta - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Michel Helcias Montoril.
      Descrição: Esse projeto visa a modelagem de dados sob o enfoque de bases de ondaletas. Como objetivo principal, vamos focar aqui na proposta de novas metodologias para estimar funções discriminantes para dados de alta dimensão, como é o caso de dados funcionais, e estimação de funções densidade de probabilidade de dados viesados. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Brani Vidakovic - Integrante / Aluísio de Souza Pinheiro - Integrante / Rafael Izbicki - Integrante / Flávia Castro Motta - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Michel Helcias Montoril.
    5. 2019-2021. Redes neurais em problemas de inferência estatística
      Descrição: Na última década, os avanços computacionais fizeram com que redes neurais ressurgiram como uma ferramenta poderosa para a realização de tarefas de aprendizado supervisionado, como classificação e regressão. Contudo, essa ferramenta foi subutilizada como forma de realizar inferência estatística. Por exemplo, soluções dadas por redes neurais são tipicamente um caixa preta e, portanto, difíceis de interpretar. Neste trabalho, exploraremos o poder das redes neurais para resolver três desafios em inferência estatística: (i) ajustar estimadores de regressão lineares locais não paramétricos para grandes conjuntos de dados (ii) medir incertezas nas previsões dadas por métodos supervisionados através da estimativa de densidades condicionais para dados de alta dimensão, e (iii) criar testes de independência condicional.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (3) / Doutorado: (2) . Integrantes: Rafael Izbicki - Coordenador / STERN, RAFAEL BASSI - Integrante. Número de produções C, T & A: 12 / Número de orientações: 1
      Membro: Rafael Izbicki.
      Descrição: Na última década, os avanços computacionais fizeram com que redes neurais ressurgiressem como uma ferramenta poderosa para a realização de tarefas de aprendizado supervisionado, como classificação e regressão. Contudo, essa ferramenta foi subutilizada como forma de realizar inferência estatística. Por exemplo, soluções dadas por redes neurais são tipicamente um caixa preta e, portanto, difíceis de interpretar. Neste trabalho, exploraremos o poder das redes neurais para resolver três desafios em inferência estatística: (i) ajustar estimadores de regressão lineares locais não paramétricos para grandes conjuntos de dados (ii) medir incertezas nas previsões dadas por métodos supervisionados através da estimativa de densidades condicionais para dados de alta dimensão, e (iii) criar testes de independência condicional.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Bassi Stern - Integrante / Rafael Izbicki - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.
      Membro: Rafael Bassi Stern.
    6. 2019-Atual. Parametric and nonparametric methods applied to high-dimensional data to detect genetic variants interactions associated with Amyotrophic Lateral Sclerosis
      Descrição: Amyotrophic Lateral Sclerosis (ALS) is a degenerative neuropathy that affects motor neurons, resulting in progressive loss of muscle strength and consequent paralysis. The current proposal will explore statistical approaches to dimensionality reduction and analysis of large-scale data aiming to detect genetic variants interactions associated with ALS. Genome-wide Association Studies (GWAS) have been used in the context of statistical genetics to identify new variants with additive (marginal) effects on disease occurrence. In recent years, over 20 genes have been described as associated with ALS. However, even today, there is no reliable molecular biomarkers that enable the screening or early diagnosis of ALS. Regarding pharmacological treatment, the available options contributes to increase short-term survival and to reduced paralysis rate but are not effective in stopping or reversing disease progression. Interactions between genetic variants have the potential to qualify the genetic understanding of complex diseases, such as ALS. These interactions are especially important when the marginal effect of a given variant is not sufficient, and even not necessary, for the disease occurrence, but its interaction with one or more variants may be associated with the disease. Given this setting, using Mega-GWAS ALS I and Whole Exome and Transcriptome Sequencing in Sporadic ALS datasets, we will be working on implementing both parametric and nonparametric methods, such as penalized logistic regression and based-tree algorithms, to detect potential genetic variants interactions associated with ALS. Since changes are frequently applied in order to improve techniques for constructing and evaluating these models and little is known about the advantages for preferring one method over another, we will compare these methods considering its computational complexity, scalability, accuracy and interpretability.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Integrante / SANTOS, HELLEN GEREMIAS DOS - Coordenador / Fabio Passetti - Integrante / Ticiana Della Justina Farias - Integrante / Patrícia Shigunov - Integrante / Bruno Dallagiovanna Muñiz - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 1
      Membro: Rafael Izbicki.
    7. 2017-2019. Interpretability and efficiency in hypothesis tests
      Descrição: Hypothesis testing is a very common and widespread statistical tool. Unfortunately, such methodology still presents several challenges to statisticians. This project aims at developing hypothesis tests by filling several existing gaps. More precisely, the follows issues will be addressed: (1) Agnostic Tests. There is a disagreement about the interpretation of results from a hypothesis test: while some understand that a hypothesis test is able to either reject or accept the null hypothesis $H_0$, others believe its outcomes should be interpreted as either reject or not reject $H_0$. This often lead practitioners to have difficulties in understanding the conclusions from significance tests. In particular, the second (and most common) perspective is deeply linked to the development of non-inferiority tests used in clinical trials. Here, we propose an alternative formulation to hypothesis tests in which, besides the decisions ``accept $H_0$'' and ``reject $H_0$'', there is a third decision, namely the ``no conclusion'' decision, which we call the agnostic decision. (2) Bayesian Nonparametric Tests. Because of the large volume of data available today in several applications, nonparametric methods have been gaining a lot of attention as they allow one to make less assumption about the data generating process. Unfortunately, there is almost no literature on Bayesian nonparametric tests, even though the Bayesian paradigm is widespread today. Here, we investigate new tests that try to overcome such gap. In particular, we investigate Bayesian nonparametric two-sample tests. (3) FBST in High Dimensions. Another challenge that exits in several applications is the issue of high dimensionality: in many problems, the number of covariates is very large; many times larger than the sample size. This makes sevaral standard methods fail. In particular, it has been observed that the Full Bayesian Significance Test has difficulties dealing with such situation. We will propose improvements in such method so that it is able to overcome the issue of high dimensionality, and we will investigate their theoretical properties. As a part of this project, we will also develop R packages that implement the methods developed here.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) / Doutorado: (1) . Integrantes: Rafael Izbicki - Coordenador / STERN, RAFAEL BASSI - Integrante / Luis Ernesto Bueno Salasar - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 3 / Número de orientações: 1
      Membro: Rafael Izbicki.
    8. 2017-Atual. Infecção vertical pelo vírus Zika e suas repercussões na área materno-infantil
      Descrição: A transmissão materno-fetal de vírus é conhecida pelas graves consequências que podem acarretar para o feto durante a gravidez. Embora exista um nexo entre o Zika vírus (ZIKV) e microcefalia, o espectro de outras associações da gravidez e defeitos congênitos precisa ser esclarecido durante os primeiros meses ou anos de vida das crianças expostas. Alertas mundiais têm sido emitidos neste sentido. Determinar a incidência da infecção causada pelos ZIKV em gestantes e recém-nascidos nascidas na coorte, bem como analisar, descrever o espectro da apresentação clínica das gestantes ZIKV(+) e identificar, descrever e quantificar o espectro das anomalias e/ou resultados, incluindo microcefalia, em fetos e recém-nascidos das gestantes participantes da coorte. Métodos: estudo de coorte prospectivo, caso-controle aninhado, a ser conduzido no Hospital Universitário da Faculdade de Medicina de Jundiaí (HUJ), no período de 2016 a 2021. Amostragem estipulada de 500 gestantes e seus recém-nascidos (RN), subdivididos em com ou sem microcefalia. As mães serão divididas em três grupos: Grupo I (gestantes de alto risco, sem sintomas); Grupo II (gestantes de baixo risco, com exantema e/ou febre) e Grupo III (abortos). No seguimento ambulatorial de três anos será avaliado o desenvolvimento neuropsicomotor e a ocorrência de perdas auditivas, visuais e acometimento neurológico das crianças. Busca ativa de casos será conduzida semanalmente por telefone para determinação da exposição ao ZIKV das gestantes. As amostras (sangue, urina, saliva e líquor) serão examinadas por testes sorológicos: ELISA, Microrray, RT-PCR e os tecidos por análise anatomopatológica. As amostras determinantes positivas (PBMCs e biópsias) serão avaliadas por RNA-Seq. A análise estatística das variáveis preditoras visará o cálculo do risco, risco relativo, modelos de regressão logística univariada e múltipla, quando adequados. Os dados permitirão correlacionar a incidência de infecção Zika e seu potencial como um agente causador de problemas de saúde físico e mental de gestantes, recém-nascidos e crianças. O projeto é inovador e ajudará os investigadores a compreender o impacto desta doença emergente sobre a população especialmente em crianças.Palavras chaves: Zika virus , Transmissão Vertical de Doença Infecciosa , Transmissão Perinatal, microcefalia, Anormalidades Congênitas, estudos coorte, grupo de risco, Georreferenciamento.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Integrante / Saulo Duarte Passos - Coordenador / Antonio Fernandes Moron - Integrante / Adriana Cruanes Mingotti - Integrante / Ana Paula Antunes Pascalicchio Bertozzi - Integrante / Andre Prado Grion - Integrante / Andréa Cristina Botelho Silva - Integrante / Clóvis Antonio Lopes Pinto - Integrante / Dora Selma Fix Ventura - Integrante / Eduardo José Caldeira - Integrante / Eduardo Massad - Integrante / Felipe Favorette Campanharo - Integrante / Fernanda Alves Cangerana Pereira - Integrante / Fernanda Guerra Velasco - Integrante / Francisco del Moral Hernandez - Integrante / Geovane Ribeiro Santos - Integrante / Gilberto Lazaroni Theodoro da Cunha - Integrante / Hyun Mo Yang - Integrante / Hérbene José Figuinha Milani - Integrante / Laura Cunha Rodrigues - Integrante / Leslie Domenici Kulikowski - Integrante / Magda Maria Sales Carneiro-Sampaio - Integrante / Marcia Borges Machado - Integrante / Margareth Martha Arilha Silva - Integrante / Maria Manoela Duarte Rodrigues - Integrante / MAURICIO MENDES BARBOSA - Integrante / Mayana Zatz - Integrante / Milene Tavares Batista - Integrante / Paolo Marinho de Andrade Zanotto - Integrante / Patricia Cristina Baleeiro Beltrão Braga - Integrante / Patricia Palmeira Daenekas Jorge - Integrante / Ronei Luciano Mamoni - Integrante / Rosa Estela Gazeta - Integrante / Sandra Helena Alves Bonon - Integrante / stéphanno Gomes Pereira Sarmento - Integrante / Thamirys Cosmo Grillo Fajardo - Integrante.
      Membro: Rafael Izbicki.
    9. 2015-2016. Uma abordagem flexível para a estimação de uma densidade condicional em problemas com alta dimensionalidade
      Descrição: Diversas áreas do conhecimento humano, como a astronomia e a economia, necessitam cada vez mais de estimadores não-paramétricos para uma densidade condicional em altas dimensões. Um exemplo de extrema importância é a estimação da distância de galáxias até a Terra com base em dados fotométricos, um problema no qual o uso da densidade condicional possibilita a estimação de parâmetros cosmológicos com grande precisão, uma precisão maior que aquela dada por métodos de regressão. Infelizmente, a comunidade estatística tem se focado em resolver apenas o problema da estimação da função de regressão, apesar da grande necessidade de métodos eficientes (computacional e estatisticamente) para estimar densidades condicionais. Neste projeto propomos uma nova abordagem para estimar tal quantidade, na qual tomamos proveito de estimadores da função de regressão já existentes. Assim, devido à extensa literatura acerca de métodos de regressão, o modelo não-paramétrico que propomos é bastante flexível e pode ter boa performance em uma grande variedade de problemas. Neste projeto iremos comparar o estimador proposto com estimadores tradicionais tanto em problemas simulados quanto em problemas reais, assim como derivar taxas de convergência para este estimador e compará-las a taxas minimax. Finalmente, iremos implementar um código aberto à comunidade que permita ajustar o estimador proposto em bancos de dados grandes. Os dados reais que iremos utilizar incluem resultados da Sloan Digital Sky Survey sobre o problema cosmológico supracitado, assim como dados acerca da estimação da mortalidade de aves durante seu transporte para um abatedouro, em que a densidade condicional desempenha um papel importante por se tratar de um problema com superdispersão.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Coordenador / LEE, A. B. - Integrante / Afrânio Márcio Corrêa Vieira - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa. Número de produções C, T & A: 11
      Membro: Rafael Izbicki.
    10. 2013-2016. An Astrostatistical Approach to Distant Galaxy Morphology
      Descrição: A galaxy's morphology is an important tracer of its recent assembly history and correlates strongly with other fundamental properties such as star-formation history, kinematics, and black hole mass. Our current approaches do not fully exploit the wealth of structural information available in the deep HST images, nor do they reliably classify rare but important populations such as galaxy mergers and unstable disks at z > 1. As a result, the connections between galaxy assembly, star formation, and morphological transformation via mergers, disk instabilities, and bulge formation remain unsolved problems. Our primary goals for this Legacy Archival program are (1) to derive a rigorous statistical methodology for quantifying and classifying distant galaxy structures; (2) to apply these new astrostatistical algorithms to galaxies at 0 < z < 2.5 in the major HST extragalactic legacy fields and measure the structural evolution; (3) to measure and classify mock HST images of hydrodynamical cosmological simulations of galaxies at 0 < z < 2.5, and test these against our measurements of the real universe. This program will produce several much-needed Legacy products. With these algorithms, we will produce and publicly release high quality catalogs of quantitative morphology and classifications for the HST extragalactic legacy fields. We will also provide similar catalogs for mock HST images of state-of-the-art cosmological simulations of galaxy assembly and structural evolution. Finally, we will publicly release the software for calculating our new morphology statistics and running the new galaxy classification algorithms to encourage broad use by the community.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Rafael Izbicki - Integrante / peter freeman - Integrante / LEE, A. B. - Integrante / LOTZ, J. M. - Coordenador / Chad M Schafer - Integrante / Joel R. Primack - Integrante / Christopher Moody - Integrante / Sandra M. Faber - Integrante / Mark Mozena - Integrante / Jeffrey A Newman - Integrante. Financiador(es): Hubble Space Telescope - Outra.
      Membro: Rafael Izbicki.

Prêmios e títulos

  • Total de prêmios e títulos (14)
    1. Paraninfo dos formando do curso de Estatística da UFSCar, UFSCar.. 2019.
      Membro: Rafael Izbicki.
    2. Homenageado dos Formandos do Curso de Estatística, UFSCar.. 2018.
      Membro: Rafael Izbicki.
    3. Patrono dos Formandos do Curso de Estatística, UFSCar.. 2017.
      Membro: Rafael Izbicki.
    4. Umesh K. Gavasakar Thesis Award, Department of Statistics, Carnegie Mellon University.. 2014.
      Membro: Rafael Izbicki.
    5. Bolsa Jovem Talento (Não utilizado), CNPq.. 2014.
      Membro: Rafael Izbicki.
    6. Co-Investigator in the project "An Astrostatistical Approach to Distant Galaxy Morphology", Cycle 20 grant 12856, Space Telescope Science Institute - Hubble Space Telescope.. 2012.
      Membro: Rafael Izbicki.
    7. Bolsa CNPq de Doutorado no Exterior, CNPq.. 2010.
      Membro: Rafael Izbicki.
    8. Prêmio Instituto de Matemática e Estatística 2008 pelo destaque como melhor aluno dentre os cursos do Instituto, IME-USP.. 2009.
      Membro: Rafael Izbicki.
    9. Bolsa CNPq de Mestrado (Março de 2009 - Julho de 2009), CNPq.. 2009.
      Membro: Rafael Izbicki.
    10. Bolsa FAPESP de Mestrado, FAPESP.. 2009.
      Membro: Rafael Izbicki.
    11. Bolsa FAPESP de Iniciação Científica (Março 2008 - Dezembro 2008), FAPESP.. 2008.
      Membro: Rafael Izbicki.
    12. Bolsa CNPq de Iniciação Científica (Agosto 2006-Outubro 2006), CNPq.. 2006.
      Membro: Rafael Izbicki.
    13. Bolsa FAPESP de Iniciação Científica (Novembro 2006 - Outubro 2007), FAPESP.. 2006.
      Membro: Rafael Izbicki.
    14. Premiação pela obtenção do sétimo lugar no simulado nacional do Objetivo, Objetivo.. 2004.
      Membro: Rafael Izbicki.

Participação em eventos

  • Total de participação em eventos (50)
    1. 16th S-PLUS Collaboration Meeting. 2021. (Encontro).
    2. Ciclo de conferencias de la Maestría de Estadística en la PUCP.Diagnostic Tools to Conditional Density Models. 2021. (Seminário).
    3. Ciclo de Seminários do Centro de Estatística e Aplicações da Universidade de Lisboa.Diagnostic Tools to Conditional Density Models. 2021. (Seminário).
    4. ICML 2021. CD-split and HPD-split: efficient conformal regions in high dimensions. 2021. (Congresso).
    5. Seventh Brazilian Conference on Statistical Modelling in Insurance and Finance. Quantification Under Prior Probability Shift: the Ratio Estimator and its Extensions. 2020. (Congresso).
    6. Webinar em High Dimensional Data Analysis.Confidence Sets and Hypothesis Testing in a Likelihood-Free Inference Setting. 2020. (Seminário).
    7. 18ª ESTE - Escola de Séries Temporais e Econometria. ABC-CDE: Toward Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations. 2019. (Congresso).
    8. 1a Escola de Ciência de Dados.ABC-CDE: Toward Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations.. 2019. (Outra).
    9. Seminários UFMG.Quantification Under Prior Probability Shift: the Ratio Estimator and its Extensions. 2019. (Seminário).
    10. VI Congresso Bayesiano de América Latina (COBAL). ABC-CDE: Toward Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations. 2019. (Congresso).
    11. VII Workshop on Probabilistic and Statistical Methods.ABC-CDE: Toward Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations. 2019. (Encontro).
    12. Workshop on Stochastic Simulation Methods in Statistics (EMAP-FGV).ABC-CDE: Toward Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations. 2019. (Oficina).
    13. #meetingdata.FlexCode: modelando incertezas em problemas de predição. 2018. (Encontro).
    14. 63o RBRas. Towards Approximate Bayesian Computation with Complex High-Dimensional Data and Limited Simulations. 2018. (Congresso).
    15. 8o São Carlos Data Science Meetup.FlexCode: Modelando incertezas em problemas de predição.. 2018. (Encontro).
    16. II Workshop em Bioestatística.Machine learning. 2018. (Oficina).
    17. Seminário da Graduação em Estatística.Métodos preditivos em imagens e documentos de texto. 2018. (Seminário).
    18. SINAPE. Introdução a aprendizagem estatística de máquina. 2018. (Congresso).
    19. VI Encontro Baiano de Estatística.Machine Learning sob a ótica Estatística. 2018. (Encontro).
    20. 12a aMostra de Estatística IME-USP.Mesa Redonda: Rumos Possíveis do Bacharelado em Estatística. 2017. (Encontro).
    21. 1º Encontro da Pós-Graduação em Estatística do IME-USP.Minicurso: Aprendizado Estatístico de Máquina. 2017. (Encontro).
    22. 31o coloquio brasileiro de matematica. Approximate Bayesian Computation: a Conditional Density Estimation Perspective. 2017. (Congresso).
    23. WORKSHOP ON HIGH DIMENSION DATA.Converting High-Dimensional Regression to High-Dimensional Nonparametric Conditional Density Estimation. 2017. (Oficina).
    24. 3rd Workshop on Assessment of Risk.Converting High-Dimensional Regression to Conditional Density Estimators. 2016. (Oficina).
    25. Ciência de Dados - Instituto de Estudos Avançados e Estratégicos.Data Science: a Statistics Perspective. 2016. (Encontro).
    26. Encontro Brasileiro de Estatística Bayesiana.Prior Distributions as a Regularization Tool: an Application to Crowdsourcing. 2016. (Encontro).
    27. II Congresso Brasileiro de Jovens Pesquisadores em Matemática Pura e Aplicada. Converting High-dimensional Regression to High-dimensional Conditional Density-Estimation. 2016. (Congresso).
    28. Mostra de Estatística do IME-USP.Estatística e Machine Learning. 2016. (Encontro).
    29. São Paulo R Users Group Meetup.Uma introdução ao machine learning usando o R. 2016. (Seminário).
    30. Seminários Academicos do INSPER.Converting High-dimensional Regression to High-dimensional Conditional Density-Estimation. 2016. (Seminário).
    31. XII Encontro Estatístico do CONRE-3.Estatística e Machine Learning. 2016. (Encontro).
    32. XXII SINAPE. Converting High-Dimensional Regression to High-Dimensional Conditional Density Estimation. 2016. (Congresso).
    33. 60th World Statistics Congress - ISI2015. A flexible approach to high-dimensional conditional density estimation. 2015. (Congresso).
    34. 60ª Reunião Anual da RBras. Nonparametric Conditional Density Estimation in a High-Dimensional Regression Setting. 2015. (Congresso).
    35. Projeto temático: modelos de regressão e aplicações.A flexible approach to high-dimensional nonparametric conditional density estimation. 2015. (Seminário).
    36. Seminários de Probabilidade e Sistemas Complexos UFSCar/ICMC.Nonparametric conditional density estimation in high dimensions: some theoretical aspects. 2015. (Simpósio).
    37. XIV EMR - Escola de Modelos de Regressão. A Spectral Series Approach to High-Dimensional Nonparametric Inference. 2015. (Congresso).
    38. 21º SINAPE - Simpósio Nacional de Probabilidade e Estatística. Nonparametric Conditional Density Estimation in a High-Dimensional Regression Setting. 2014. (Congresso).
    39. AISTATS International Conference on Artificial Intelligence and Statistics 2014. High-Dimensional Density Ratio Estimation via Spectral Series Method. 2014. (Congresso).
    40. Brazilian Conference on Intelligent Systems. 2014. (Congresso).
    41. Seminário Conjunto UFSCar/ICMC.A Spectral Series Approach to High-Dimensional Nonparametric Inference. 2014. (Seminário).
    42. Joint Statistical Meetings. Learning from many experts: sparsity and model selection. 2012. (Congresso).
    43. Joint Statistical Meetings. Coherence in Hypotheses Testing. 2011. (Congresso).
    44. 10o Encontro Brasileiro de Estatística Bayesiana. Nested Hypotheses: an Example in Genetics. 2010. (Congresso).
    45. 19º Sinape (Simpósio Nacional de Probabilidade e Estatística).Monotonicidade em testes de hipóteses. 2010. (Simpósio).
    46. 16º SIICUSP - Simpósio Internacional de Iniciação CIentífica da USP.Inferência Bayesiana para Proporções em Cenários Eleitorais. 2008. (Simpósio).
    47. 16º SIICUSP - Simpósio Internacional de Iniciação CIentífica da USP.Análise de Dados Circulares. 2008. (Simpósio).
    48. 18º SINAPE - Simpósio Nacional de Estatística e Probabilidade.Inferência Bayesiana para Proporções em Cenários Eleitorais. 2008. (Simpósio).
    49. IV Simpósio de Iniciação Científica e Pós-Graduação do IME-USP.Análise de Dados Circulares. 2008. (Simpósio).
    50. III Simpósio de Iniciação Científica e Pós-Graduação do IME-USP.Inferência Bayesiana para Proporções em Cenários Eleitorias. 2007. (Simpósio).

Organização de eventos

  • Total de organização de eventos (10)
    1. CARVALHO, H. A. ; ZUANETTI, D. A. ; LOBOS, G. A. ; IZBICKI, R.. II Conferência Internacional de Políticas Públicas e Ciência de Dados. 2024. Outro
    2. ZUANETTI, D. A. ; IZBICKI, R. ; SALASAR, LUIS ERNESTO ; LOPES, D. L.. Tarde temática: Inferência, redes e IA. 2024. Outro
    3. IZBICKI, R. ; MONTORIL, MICHEL H.. Workshop on Statistical Machine Learning. 2021. Congresso
    4. Izbicki, Rafael; CURI, M. ; TOMAZELLA, V. L. D. ; BAZAN, J. L. ; GAVA, R. J.. 8th Workshop on Probabilistic and Statistical Methods. 2020. Congresso
    5. POLPO, A.; J. Stern ; Dias, Teresa Cristina Martins ; CATICHA, N. ; COBRE, J. ; CONCEICAO, K. ; Alves Diniz, M. ; FOSSALUZA, V. ; IZBICKI, R. ; LOUZADA-NETO, F. ; PEREIRA, C. A. DE B. ; STERN, R. B. ; TAKADA, H.. MaxEnt 2017 - 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. 2017. Congresso
    6. Izbicki, Rafael; Fossaluza, Victor ; et al. I Brazilian Congress of Young Researchers in Pure and Applied Mathematics. 2014. Congresso
    7. ALMEIDA, T. S. ; AMBRIOLA, A. Y. ; STERN, R. B. ; IZBICKI, R. ; GIROLDO, R. Z. ; HERNANDES, M. C. ; MAHLER, N. S. ; REGINA, D. S. M.. Encontro Internacional de Alunos de Graduação do Instituto de Matemática e Estatística II. 2009. Outro
    8. Izbicki, Rafael; GEROLIN, J. A.. Encontro Internacional de Alunos de Graduação do Instituto de Matemática e Estatística I. 2008. Outro
    9. Izbicki, Rafael. Mostra de Estatística do IME-USP. 2008. (Outro).. . 0.
    10. Izbicki, Rafael. Mostra de Estatística do IME-USP. 2007. (Outro).. . 0.

Lista de colaborações

  • Colaborações endôgenas (16)
    • Rafael Izbicki ⇔ Rafael Bassi Stern (14.0)
      1. CABEZAS, LUBEN M.C. ; OTTO, MATEUS P. ; Izbicki, Rafael ; STERN, RAFAEL B.. Regression trees for fast and adaptive prediction intervals. INFORMATION SCIENCES. v. 686, p. 121369, 2025. Qualis: A1
      2. LASSANCE, RODRIGO F.L. ; Izbicki, Rafael ; STERN, RAFAEL B.. Adding imprecision to hypotheses: A Bayesian framework for testing practical significance in nonparametric settings. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING. v. 178, p. 109332, 2025. Qualis: A1
      3. GRIVOL, GUSTAVO ; IZBICKI, RAFAEL ; OKUNO, ALEX A. ; STERN, RAFAEL B.. Flexible conditional density estimation for time series. Brazilian Journal of Probability and Statistics. v. 38, p. 1-17, 2024. Qualis: B1
      4. ESTEVES, LUIS GUSTAVO ; Izbicki, Rafael ; STERN, JULIO MICHAEL ; STERN, RAFAEL B.. Logical coherence in Bayesian simultaneous three-way hypothesis tests. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING. v. 152, p. 297-309, 2023. Qualis: A1
      5. CABEZAS, LUBEN M.C. ; Izbicki, Rafael ; STERN, RAFAEL B.. Hierarchical clustering: Visualization, feature importance and model selection. APPLIED SOFT COMPUTING. v. 141, p. 110303, 2023. Qualis: A1
      6. Izbicki, Rafael; SHIMIZU, GILSON ; STERN, RAFAEL. CD-split and HPD-split: Efficient Conformal Regions in High Dimensions. JOURNAL OF MACHINE LEARNING RESEARCH (ONLINE). v. 23, p. 1-32, 2022.Qualis: A1
      7. COMITO, M. B. ; IZBICKI, R ; STERN, RAFAEL B. ; TRECENTI, J.. Causas de desaparecimento no estado de são paulo entre 2013 e 2014: uma análise automatizada de boletins de ocorrência. Revista Da Defensoria Pública Do Estado De São Paulo. v. 2, p. 285-316, 2021.Qualis: Não identificado (REVISTA DA DEFENSORIA PÚBLICA DO ESTADO DE SÃO PAULO)
      8. COSCRATO, VICTOR ; IZBICKI, RAFAEL ; STERN, RAFAEL B.. Agnostic tests can control the type I and type II errors simultaneously. Brazilian Journal of Probability and Statistics. v. 34, p. 230-250, 2020. Qualis: B1
      9. ESTEVES, LUIS GUSTAVO ; IZBICKI, RAFAEL ; STERN, JULIO MICHAEL ; STERN, RAFAEL BASSI. Pragmatic Hypotheses in the Evolution of Science.. Entropy. v. 21, p. 883, 2019. Qualis: A4
      10. VAZ, A.F. ; IZBICKI, R. ; STERN, R. B.. Quantification under prior probability shift: the ratio estimator and its extensions. JOURNAL OF MACHINE LEARNING RESEARCH (ONLINE). v. 20, p. 1-33, 2019.Qualis: A1
      11. STERN, JULIO ; Izbicki, Rafael ; ESTEVES, LUÍS GUSTAVO ; STERN, RAFAEL BASSI. Logically-consistent hypothesis testing and the hexagon of oppositions. LOGIC JOURNAL OF THE IGPL. v. 25, p. 741-757, 2017. Qualis: A2
      12. ESTEVES, LUÍS GUSTAVO ; IZBICKI, RAFAEL ; STERN, RAFAEL BASSI. Teaching decision theory proof strategies using a crowdsourcing problem. AMERICAN STATISTICIAN. v. 71, p. 336-343, 2017. Qualis: A4 (THE AMERICAN STATISTICIAN)
      13. ESTEVES, LUÍS ; Izbicki, Rafael ; STERN, JULIO ; STERN, RAFAEL. The Logical Consistency of Simultaneous Agnostic Hypothesis Tests. Entropy (Basel. Online). v. 18, p. 256, 2016. Qualis: Não identificado (ONLINE))
      14. IZBICKI, RAFAEL ; STERN, RAFAEL BASSI. Learning with many experts: Model selection and sparsity. Statistical Analysis and Data Mining. v. n/a, p. n/a-n/a, 2013. Qualis: Não identificado (STATISTICAL ANALYSIS AND DATA MINING)

    • Rafael Izbicki ⇔ Luis Gustavo Esteves (10.0)
      1. ESTEVES, LUIS GUSTAVO ; Izbicki, Rafael ; STERN, JULIO MICHAEL ; STERN, RAFAEL B.. Logical coherence in Bayesian simultaneous three-way hypothesis tests. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING. v. 152, p. 297-309, 2023. Qualis: A1
      2. ESTEVES, LUIS GUSTAVO ; IZBICKI, RAFAEL ; STERN, JULIO MICHAEL ; STERN, RAFAEL BASSI. Pragmatic Hypotheses in the Evolution of Science.. Entropy. v. 21, p. 883, 2019. Qualis: A4
      3. STERN, JULIO ; Izbicki, Rafael ; ESTEVES, LUÍS GUSTAVO ; STERN, RAFAEL BASSI. Logically-consistent hypothesis testing and the hexagon of oppositions. LOGIC JOURNAL OF THE IGPL. v. 25, p. 741-757, 2017. Qualis: A2
      4. ESTEVES, LUÍS GUSTAVO ; IZBICKI, RAFAEL ; STERN, RAFAEL BASSI. Teaching decision theory proof strategies using a crowdsourcing problem. AMERICAN STATISTICIAN. v. 71, p. 336-343, 2017. Qualis: A4 (THE AMERICAN STATISTICIAN)
      5. Fossaluza, Victor ; Izbicki, Rafael ; DA SILVA, GUSTAVO ; ESTEVES, LUÍS GUSTAVO. Coherent hypothesis testing. AMERICAN STATISTICIAN. v. 71, p. 242-248, 2017. Qualis: A4 (THE AMERICAN STATISTICIAN)
      6. ESTEVES, LUÍS ; Izbicki, Rafael ; STERN, JULIO ; STERN, RAFAEL. The Logical Consistency of Simultaneous Agnostic Hypothesis Tests. Entropy (Basel. Online). v. 18, p. 256, 2016. Qualis: Não identificado (ONLINE))
      7. DA SILVA, GUSTAVO ; ESTEVES, LUIS ; Fossaluza, Victor ; Izbicki, Rafael ; WECHSLER, SERGIO. A Bayesian Decision-Theoretic Approach to Logically-Consistent Hypothesis Testing. Entropy (Basel. Online). v. 17, p. 6534-6559, 2015. Qualis: Não identificado (ONLINE))
      8. IZBICKI, RAFAEL ; Esteves, Luís Gustavo. Logical consistency in simultaneous statistical test procedures. Logic Journal of the IGPL (Online). v. 24, p. 732-758, 2015. Qualis: A2
      9. WECHSLER, SERGIO ; Izbicki, Rafael ; ESTEVES, LUÍS GUSTAVO. A Bayesian Look at Nonidentifiability : A Simple Example. The American Statistician. v. 67, p. 130325075727008, 2013. Qualis: A4
      10. Izbicki, R. ; ESTEVES, L. G.. Coherence in Hypotheses Testing. Em: Joint Statistical Meetings 2011, p. 1220-1234, 2011. Qualis: Não identificado (Joint Statistical Meetings 2011)

    • Rafael Izbicki ⇔ Victor Fossaluza (4.0)
      1. DA SILVA, GUSTAVO ; ESTEVES, LUIS ; Fossaluza, Victor ; Izbicki, Rafael ; WECHSLER, SERGIO. A Bayesian Decision-Theoretic Approach to Logically-Consistent Hypothesis Testing. Entropy (Basel. Online). v. 17, p. 6534-6559, 2015. Qualis: Não identificado (ONLINE))
      2. Izbicki, Rafael ; FOSSALUZA, V ; HOUNIE, ANA GABRIELA ; NAKANO, EDUARDO YOSHIO ; Pereira, Carlos Alberto de Bragança ; PEREIRA, CAB. Testing allele homogeneity: The problem of nested hypotheses. BMC Genetics (Online). v. 13, p. 103, 2012. Qualis: A3
      3. FOSSALUZA, V. ; IZBICKI, R. ; SILVA, G. M. ; ESTEVES, L. G.. Monotonicidade em testes de hipóteses. Em: 19º SINAPE - Simpósio Nacional de Probabilidade e Estatística, 2010, São Pedro. Resumos do 19º SINAPE, 2010. Qualis: Não identificado (19º SINAPE - SIMPÓSIO NACIONAL DE PROBABILIDADE E ESTATÍSTICA, 2010, SÃO PEDRO. RESUMOS DO 19º SINAPE)
      4. IZBICKI, R.; FOSSALUZA, V. ; NAKANO, E. Y. ; PEREIRA, C. de A. B.. Nested Hypotheses: An Example in Genetics. Em: EBEB X - 10° Encontro Brasileiro de Estatística Bayesiana, 2010, Angra dos Reis. Resumos do 10° Encontro Brasileiro de Estatística Bayesiana, 2010.

    • Rafael Izbicki ⇔ Victor Fossaluza (4.0)
      1. DA SILVA, GUSTAVO ; ESTEVES, LUIS ; Fossaluza, Victor ; Izbicki, Rafael ; WECHSLER, SERGIO. A Bayesian Decision-Theoretic Approach to Logically-Consistent Hypothesis Testing. Entropy (Basel. Online). v. 17, p. 6534-6559, 2015. Qualis: Não identificado (ONLINE))
      2. Izbicki, Rafael ; FOSSALUZA, V ; HOUNIE, ANA GABRIELA ; NAKANO, EDUARDO YOSHIO ; Pereira, Carlos Alberto de Bragança ; PEREIRA, CAB. Testing allele homogeneity: The problem of nested hypotheses. BMC Genetics (Online). v. 13, p. 103, 2012. Qualis: A3
      3. FOSSALUZA, V. ; IZBICKI, R. ; SILVA, G. M. ; ESTEVES, L. G.. Monotonicidade em testes de hipóteses. Em: 19º SINAPE - Simpósio Nacional de Probabilidade e Estatística, 2010, São Pedro. Resumos do 19º SINAPE, 2010. Qualis: Não identificado (19º SINAPE - SIMPÓSIO NACIONAL DE PROBABILIDADE E ESTATÍSTICA, 2010, SÃO PEDRO. RESUMOS DO 19º SINAPE)
      4. IZBICKI, R.; FOSSALUZA, V. ; NAKANO, E. Y. ; PEREIRA, C. de A. B.. Nested Hypotheses: An Example in Genetics. Em: EBEB X - 10° Encontro Brasileiro de Estatística Bayesiana, 2010, Angra dos Reis. Resumos do 10° Encontro Brasileiro de Estatística Bayesiana, 2010.

    • Rafael Izbicki ⇔ Eduardo Yoshio Nakano (3.0)
      1. Izbicki, Rafael ; FOSSALUZA, V ; HOUNIE, ANA GABRIELA ; NAKANO, EDUARDO YOSHIO ; Pereira, Carlos Alberto de Bragança ; PEREIRA, CAB. Testing allele homogeneity: The problem of nested hypotheses. BMC Genetics (Online). v. 13, p. 103, 2012. Qualis: A3
      2. Brentani, Helena ; Nakano, Eduardo Y ; Martins, Camila B ; Izbicki, Rafael ; Pereira, Carlos Alberto. Disequilibrium Coefficient: A Bayesian Perspective. STATISTICAL APPLICATIONS IN GENETICS AND MOLECULAR BIOLOGY. v. 10, p. art22, 2011. Qualis: B1
      3. IZBICKI, R.; FOSSALUZA, V. ; NAKANO, E. Y. ; PEREIRA, C. de A. B.. Nested Hypotheses: An Example in Genetics. Em: EBEB X - 10° Encontro Brasileiro de Estatística Bayesiana, 2010, Angra dos Reis. Resumos do 10° Encontro Brasileiro de Estatística Bayesiana, 2010.

    • Rafael Izbicki ⇔ Adriano Polpo de Campos (2.0)
      1. A. Polpo; Stern, Julio M. (Org.) ; LOUZADA-NETO, F. (Org.) ; Izbicki, Rafael (Org.) ; TAKADA, H. (Org.). Bayesian Inference and Maximum Entropy Methods in Science and Engineering. 1 ed. Springer Proceedings in Mathematics & Statistics Free Preview, 2018. v. 239, p. 304.
      2. Pulgrossi, Rafael Catoia ; Oliveira, Natalia Lombardi ; Polpo, Adriano ; Izbicki, Rafael. A Comparison of Two Methods for Obtaining a Collective Posterior Distribution. Springer Proceedings in Mathematics & Statistics. 1ed. Em: Adriano Polpo; Julio Stern; Francisco Louzada; Rafael Izbicki; Hellinton Hatsuo Takada. (Org.). Springer Proceedings in Mathematics & Statistics. 1ed. : Springer International Publishing. 2018.p. 221-230.

    • Rafael Izbicki ⇔ Camila Bertini Martins (2.0)
      1. Brentani, Helena ; Nakano, Eduardo Y ; Martins, Camila B ; Izbicki, Rafael ; Pereira, Carlos Alberto. Disequilibrium Coefficient: A Bayesian Perspective. STATISTICAL APPLICATIONS IN GENETICS AND MOLECULAR BIOLOGY. v. 10, p. art22, 2011. Qualis: B1
      2. AONO, A. H. ; FRANCHI, B. O. ; NAGAI, J. S. ; MARTINS, C. B. ; MARIANO, F. C. M. Q.. Introdução ao software R. 2017. Curso de curta duração ministrado/Extensão

    • Rafael Izbicki ⇔ Gustavo Miranda da Silva (2.0)
      1. DA SILVA, GUSTAVO ; ESTEVES, LUIS ; Fossaluza, Victor ; Izbicki, Rafael ; WECHSLER, SERGIO. A Bayesian Decision-Theoretic Approach to Logically-Consistent Hypothesis Testing. Entropy (Basel. Online). v. 17, p. 6534-6559, 2015. Qualis: Não identificado (ONLINE))
      2. FOSSALUZA, V. ; IZBICKI, R. ; SILVA, G. M. ; ESTEVES, L. G.. Monotonicidade em testes de hipóteses. Em: 19º SINAPE - Simpósio Nacional de Probabilidade e Estatística, 2010, São Pedro. Resumos do 19º SINAPE, 2010. Qualis: Não identificado (19º SINAPE - SIMPÓSIO NACIONAL DE PROBABILIDADE E ESTATÍSTICA, 2010, SÃO PEDRO. RESUMOS DO 19º SINAPE)

    • Rafael Izbicki ⇔ Marcio Alves Diniz (2.0)
      1. INÁCIO, MARCO HENRIQUE DE ALMEIDA ; IZBICKI, R ; LOPES, D. L. ; DINIZ, M. A. ; SALASAR, LUIS ERNESTO ; POLONIATO, J.. What if the Forecaster Knew: Assessing Forecast Reliability Via Simulation. Trends in Computational and Applied Mathematics. v. 23, p. 175-192, 2022. Qualis: Não identificado (TRENDS IN COMPUTATIONAL AND APPLIED MATHEMATICS)
      2. IZBICKI, RAFAEL ; DINIZ, MÁRCIO A. ; BASTOS, LEONARDO S.. Sensitivity and specificity in prevalence studies: The importance of considering uncertainty. Clinics. v. 75, p. e2449, 2020. Qualis: B4

    • Rafael Izbicki ⇔ Tiago Mendonça dos Santos (2.0)
      1. Izbicki, R. ; BASTOS, L. S. ; IZBICKI, M. ; LOPES, H. F. ; SANTOS, T.M.. How many hospitalizations has the COVID-19 vaccination already prevented in São Paulo?. Clinics. v. 76, p. 1, 2021. Qualis: B4
      2. Izbicki, Rafael; SANTOS, T. M.. Aprendizado de máquina: uma abordagem estatística. 1 ed. 2020. .

    • Rafael Izbicki ⇔ Gustavo Miranda da Silva (2.0)
      1. DA SILVA, GUSTAVO ; ESTEVES, LUIS ; Fossaluza, Victor ; Izbicki, Rafael ; WECHSLER, SERGIO. A Bayesian Decision-Theoretic Approach to Logically-Consistent Hypothesis Testing. Entropy (Basel. Online). v. 17, p. 6534-6559, 2015. Qualis: Não identificado (ONLINE))
      2. FOSSALUZA, V. ; IZBICKI, R. ; SILVA, G. M. ; ESTEVES, L. G.. Monotonicidade em testes de hipóteses. Em: 19º SINAPE - Simpósio Nacional de Probabilidade e Estatística, 2010, São Pedro. Resumos do 19º SINAPE, 2010. Qualis: Não identificado (19º SINAPE - SIMPÓSIO NACIONAL DE PROBABILIDADE E ESTATÍSTICA, 2010, SÃO PEDRO. RESUMOS DO 19º SINAPE)

    • Rafael Izbicki ⇔ Tiago Mendonça dos Santos (2.0)
      1. Izbicki, R. ; BASTOS, L. S. ; IZBICKI, M. ; LOPES, H. F. ; SANTOS, T.M.. How many hospitalizations has the COVID-19 vaccination already prevented in São Paulo?. Clinics. v. 76, p. 1, 2021. Qualis: B4
      2. Izbicki, Rafael; SANTOS, T. M.. Aprendizado de máquina: uma abordagem estatística. 1 ed. 2020. .

    • Rafael Izbicki ⇔ Gabriel Ribeiro da Cruz Peixoto (1.0)
      1. Pedroso de Lima, A. C. ; PEIXOTO, G. ; IZBICKI, R.. Relatório de Análise Estatística sobre o projeto: "Modelo de avaliação prognóstica em pacientes com insuficiência cardíaca". 2008.

    • Rafael Izbicki ⇔ Julio Adolfo Zucon Trecenti (1.0)
      1. COMITO, M. B. ; IZBICKI, R ; STERN, RAFAEL B. ; TRECENTI, J.. Causas de desaparecimento no estado de são paulo entre 2013 e 2014: uma análise automatizada de boletins de ocorrência. Revista Da Defensoria Pública Do Estado De São Paulo. v. 2, p. 285-316, 2021.Qualis: Não identificado (REVISTA DA DEFENSORIA PÚBLICA DO ESTADO DE SÃO PAULO)

    • Rafael Izbicki ⇔ Gabriel Ribeiro da Cruz Peixoto (1.0)
      1. Pedroso de Lima, A. C. ; PEIXOTO, G. ; IZBICKI, R.. Relatório de Análise Estatística sobre o projeto: "Modelo de avaliação prognóstica em pacientes com insuficiência cardíaca". 2008.

    • Rafael Izbicki ⇔ Julio Adolfo Zucon Trecenti (1.0)
      1. COMITO, M. B. ; IZBICKI, R ; STERN, RAFAEL B. ; TRECENTI, J.. Causas de desaparecimento no estado de são paulo entre 2013 e 2014: uma análise automatizada de boletins de ocorrência. Revista Da Defensoria Pública Do Estado De São Paulo. v. 2, p. 285-316, 2021.Qualis: Não identificado (REVISTA DA DEFENSORIA PÚBLICA DO ESTADO DE SÃO PAULO)




(*) Relatório criado com produções desde 2000 até 2025
Data de processamento: 14/02/2025 16:49:18