Departamento de Estatística

Rafael Bassi Stern

Possui graduação em Bacharelado em Estatística pela Universidade de São Paulo (2006), graduação em Bacharelado em Direito pela Pontifícia Universidade Católica de São Paulo (2007), mestrado em Estatística pela Universidade de São Paulo (2009) e doutorado em Statistics - Carnegie Mellon University (2015). Atualmente é conselheiro científico da Associação Brasileira de Jurimetria e Professor Doutor da Universidade de São Paulo. Tem experiência na área de Probabilidade e Estatística, com ênfase em Estatística, atuando principalmente nos seguintes temas: Estatística Bayesiana, Aprendizado de Máquina, Jurimetria e Fundamentos da Estatística. (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 (6)
    1. 2020-Atual. Aplicacoes de Jurimetria
      Descrição: A Jurimetria consiste no uso de técnicas quantitativas para auxiliar na resolução de questões jurídicas. Estas questões envolvem, por exemplo: planejamento legislativo, mensuração de impactos sociais do direito, análise de jurisprudência, teoria do direito, e ciência forense.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . Integrantes: Rafael Bassi Stern - Coordenador / IZBICKI, RAFAEL - Integrante / Julio Adolfo Zucon Trecenti - Integrante. Número de produções C, T & A: 16 / Número de orientações: 1
      Membro: Rafael Bassi Stern.
    2. 2019-Atual. Redes neurais em problemas de inferencia estatistica
      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.
    3. 2019-Atual. Previsao de resultado em processos judiciais
      Descrição: Utilizar dados complexos de processos judiciais, como a petição inicial e contestação, para prever o resultado deste.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: Rafael Bassi Stern - Coordenador.
      Membro: Rafael Bassi Stern.
    4. 2017-2019. Interpretabilidade e eficiencia em testes de hipotese
      Descrição: Testes de hipóteses formam um dos pilares fundamentais da inferência estatística. Ainda que os primórdios da formulação das ideias por trás dessa ferramenta já tenham mais de um século,até hoje essa área apresenta diversos desafios para estatísticos. Este projeto visa contribuir com o desenvolvimento de tais métodos através da superação de diversas lacunas existentes. Mais especificamente, os seguintes aspectos serão contemplados: (1) Testes Agnósticos. Há uma disconcordância acerca da interpretação dos resultados de testes de hipóteses: discute-se se as possíveis decisões de um teste sobre uma hipótese H_0 devem ser ``aceitar'' ou ``rejeitar'' H_0 ou então ``não-rejeitar'' ou ``rejeitar'' H_0. Tal discordância é uma das fontes de dificuldade do uso dessa metodologia por parte de usuários. Em particular, a segunda (e mais usual) perspectiva está intimamente ligada com a criação de testes de não inferioridade utilizados em ensaios clínicos. Neste trabalho, propomos uma formulação alternativa do paradigma de testes de hipóteses na qual, além das decisões ¨aceitar H_0¨ e ¨rejeitar H_0¨, há uma terceira decisão que consiste em ¨não concluir nada sobre H_0¨, opção que chamamos de decisão agnóstica. (2) Testes Não Paramétricos Bayesianos. Graças ao grande volume de dados disponível hoje em diversas aplicações, métodos não paramétricos vêm ganhando cada vez mais destaque, uma vez que permitem que se faça menos suposições sobre o processo gerador dos dados. Infelizmente, a literatura em testes Bayesianos não paramétricos é escassa, ainda que a filosofia Bayesiana seja amplamente difundida hoje. Aqui, investigaremosnovos testes que visam suprir essas deficiência. Em particular, daremos ênfase para testes que visam comparar dois ou mais grupos. (3) FBST em Altas Dimensionalidades. Outro desafio presente em diversas aplicações é o problema da alta dimensionalidade. Mais especificamente,em muitos problemas, o número de covariáveis é muito grande; muitas vezes inclusive maior que o número de observações. Isso traz dificuldades para diversos métodos tradicionais. Em particular, o Full Bayesian Significance Test vem mostrando diversas dificuldades em lidar com essa situação. Iremos propor melhorias neste método para que ele seja capaz de lidar com problemas de alta dimensionalidade, assim como desenvolver uma teoria que justifique seu uso. Como parte deste projeto, iremos também desenvolver e disponibilizar pacotes na linguagem R que implementam os métodos desenvolvidos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) / Doutorado: (1) . Integrantes: Rafael Bassi Stern - Integrante / Rafael Izbicki - Coordenador / 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: 4
      Membro: Rafael Bassi Stern.
    5. 2014-Atual. Fundamentos da Estatistica
      Descrição: Na ciência, a Estatística se consolidou como o principal método de análise de dados. Contudo, existem muitas discordâncias práticas sobre suposições usadas na base da Estatística. A área de Fundamentos da Estatística analisa as consequências destas suposições, bem como propostas alternativas que levariam a melhorias na Estatística. Por exemplo, há uma literatura crescente sobre dificuldades na interpretação de testes de hipótese. Esta linha de pesquisa estuda modificações em testes de hipótese que os tornam mais interpretáveis. Também, uma forma axiomática de construir a Estatística Bayesiana se dá pela Probabilidade e pela Teoria da Decisão. Esta linha de pesquisa estuda nestas duas áreas os axiomas usados e variantes destes, bem como consequências destes para a Inferência Estatística.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Rafael Bassi Stern - Coordenador / Rafael Izbicki - Integrante / KADANE, J. B. - Integrante / SCHERVISH, MARK J. - Integrante / Julio M. Stern - Integrante / Luís Gustavo Esteves - Integrante / Ruobin Gong - Integrante / Theodore Seidenfeld - Integrante. Número de produções C, T & A: 1
      Membro: Rafael Bassi Stern.
    6. 2013-Atual. Research, Innovation and Dissemination Center for Neuromathematics - NeuroMat
      Descrição: A mathematical center is proposed to integrate mathematical modeling with basic and applied lines of research at the frontier of neuroscience. The proposal is a response to the increasing importance of mathematical structures in theoretical neuroscience. One of the underlying reasons is the huge mass of data generated by recent experimental capabilities of research, whose analysis requires new mathematical tools. Furthermore, the development of suitable mathematical language and structures is essential to develop theories explaining the underlying phenomena and yielding testable predictions. Neuroscience is at a crossroads triggered by an imbalance between prowess in data collection and humbleness in theoretical understanding, a situation that has been nicely described as data-rich yet theory-poor. Mathematics is the key to bridge between observations and explanations. The present project aims at building a center at the forefront of research in theoretical neuroscience, by putting together a first-class team of mathematicians, computer scientists, neuroscientists and rehabilitation clinicians. The research structure of the center is designed to fulfill severaI requirements: I) it must not be reduced to a particular area of mathematics. This explains the different specialties of the participant mathematicians. II) it must lead to models helping to understand actual phenomena, and not just to convenient phenomenological descriptions. The objective is to achieve understanding and predictive power. This needs dose collaboration with experts in applied area of neuroscience. Thus, the team includes experts in neuronal data recording and neurological diseases. III) It must produce efficient algorithms and procedures that can be put to use and confronted with data. The team includes therefore, a number of computer scientists. IV) it must lead to products useful for medical professionals and public health programs. The team includes specialists in neurorehabilitation and public policies for cerebral stroke patients. The technological transfer and innovation aspects of the project will focus in products needed for public health programs in neurorehabilitation, including the design and analysis of standardized data bank and the development of tools to support clinical diagnostics, decision and follow up. For dissemination the project includes courses and filmed workshops addressed to students at all levels, public school teachers and journalists.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Rafael Bassi Stern - Integrante / Antonio Galves - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Outra.
      Membro: Rafael Bassi Stern.

Prêmios e títulos

  • Total de prêmios e títulos (5)
    1. Professor homenageado pelo curso de Biotecnologia, Universidade Federal de São Carlos.. 2018.
      Membro: Rafael Bassi Stern.
    2. Graduate Student Teaching Award, Department of Statistics at Carnegie Mellon University.. 2014.
      Membro: Rafael Bassi Stern.
    3. Bolsa de Mestrado, FAPESP.. 2007.
      Membro: Rafael Bassi Stern.
    4. Menção Honrosa pelo destaque no curso de Bacharelado em Estatística, IME-USP.. 2006.
      Membro: Rafael Bassi Stern.
    5. Bolsa de Iniciação Científica, CNPq.. 2006.
      Membro: Rafael Bassi Stern.

Participação em eventos

  • Total de participação em eventos (11)
    1. XXIX CONGRESO DE MATEMÁTICA CAPRICORNIO. Indemnity for a lost chance. 2021. (Congresso).
    2. 23rd International Conference on Artificial Intelligence and Statistics. Flexible distribution-free conditional predictive bands using density estimators. 2020. (Congresso).
    3. XV Escola Brasileira de Estatística Bayesiana. Predictive model checks for phylogenetical models. 2020. (Congresso).
    4. 37a Semana da Estatística. Teoria da Decisão aplicada ao Direito. 2019. (Congresso).
    5. 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. A statistical contribution to historical linguistics. 2017. (Congresso).
    6. 29th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. In Defense of Randomization: A subjectivist bayesian approach. 2009. (Congresso).
    7. 28th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. A possible foundation for Blackwell's Equivalence. 2008. (Congresso).
    8. Workshop Niklas Luhmann a diez años: El desafío de observar una sociedad compleja.Civil Liability on Loss of a Chance. 2008. (Oficina).
    9. Bayesianismo: Fundamentos e Aplicações.Teorema da Representação de De Finetti. 2007. (Simpósio).
    10. School and Workshop on Probability Theory and Applications. 2007. (Congresso).
    11. 9a Escola Brasileira de Probabilidade. 2005. (Congresso).

Organização de eventos

  • Total de organização de eventos (6)
    1. CAMPOS, A. P. ; DIAS, T. C. ; RODRIGUES, A. S. ; CANTONI, M. ; CAMARGO, H. A. ; CIFERRI, R. ; STERN, R. B.. #meetingdata. 2018. Congresso
    2. ZUANETTI, D. A. ; RODRIGUEZ, P. ; STERN, R. B. ; EHLERS, R. ; TOMAZELLA, V.. VI Workshop on Probabilistic and Statistical Methods. 2018. Congresso
    3. CAMPOS, A. P. ; STERN, J. M. ; CATICHA, N. ; COBRE, J. ; CONCEIÇÃO, K. ; DIAS, T. C. M. ; DINIZ, M. A. ; FOSSALUZA, V. ; IZBICKI, R. ; LOUZADA, F. ; PEREIRA, C. A. B. ; STERN, R. B. ; TAKADA, H. H.. 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. 2017. Congresso
    4. Gallo, Sandro ; STERN, R. B.. 4o dia temático: estatística matemática e aprendizado de máquina. 2017. Congresso
    5. STERN, R. B.; GALVES, A. J. ; Gallo, Sandro. 2o dia temático: métodos estatísticos, probabilísticos e computacionais em neurobiologia. 2016. Congresso
    6. 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

Lista de colaborações



(*) Relatório criado com produções desde 2000 até 2024
Data de processamento: 22/04/2024 19:00:42