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.

Informações coletadas do Lattes em 09/06/2025

Acadêmico

Formação acadêmica

Doutorado em Statistics

2010 - 2015

Carnegie Mellon University
Título: A Statistical Contribution to Historical Linguistics
Orientador: Joseph B. Kadane
Palavras-chave: Historical Linguistics; Phonological Evolutionary Model; Nested Sequential Monte Carlo; Combinatorial Sequential Monte Carlo.Grande área: Ciências Exatas e da Terra

Mestrado em Estatística

2007 - 2009

Universidade de São Paulo
Título: Diagramas de Influência e Teoria Estatística
, Ano de Obtenção: 2009.Carlos Alberto de Bragança Pereira.Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil. Palavras-chave: Diagramas de Influência; Suficiência de Blackwell; Informação.Grande área: Ciências Exatas e da TerraGrande Área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Estatística / Especialidade: Inferência Paramétrica. Grande Área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Probabilidade / Especialidade: Teoria Geral e Fundamentos da Probabilidade.

Graduação em Bacharelado em Direito

2003 - 2007

Pontifícia Universidade Católica de São Paulo
Título: Análise da Responsabilidade Civil do Estado com base nos Princípios da Igualdade e da Legalidade
Orientador: Jacintho Arruda Câmara

Graduação em Bacharelado em Estatística

2003 - 2006

Universidade de São Paulo
Título: Perda de uma Chance: Análise Jurídica e Estatística
Orientador: Carlos Alberto de Bragança Pereira
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.

Formação complementar

2008 - 2008

O Direito como Sistema. , Sociedade Brasileira de Direito Público, sbdp, Brasil.

2006 - 2006

O Direito como Sistema. , Sociedade Brasileira de Direito Público, sbdp, Brasil.

Idiomas

Bandeira representando o idioma Inglês

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Bandeira representando o idioma Português

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Bandeira representando o idioma Italiano

Compreende Razoavelmente, Fala Razoavelmente, Lê Razoavelmente, Escreve Pouco.

Áreas de atuação

Grande área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Estatística.

Grande área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Probabilidade.

Grande área: Ciências Sociais Aplicadas / Área: Direito / Subárea: Jurimetria.

Grande área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Probabilidade e Estatística Aplicadas.

Grande área: Ciências Sociais Aplicadas / Área: Direito / Subárea: Direito Público.

Grande área: Ciências Sociais Aplicadas / Área: Direito / Subárea: Teoria do Direito.

Organização de eventos

CAMPOS, A. P. ; DIAS, T. C. ; RODRIGUES, A. S. ; CANTONI, M. ; CAMARGO, H. A. ; CIFERRI, R. ; STERN, R. B. . #meetingdata. 2018. (Congresso).

ZUANETTI, D. A. ; RODRIGUEZ, P. ; STERN, R. B. ; EHLERS, R. ; TOMAZELLA, V. . VI Workshop on Probabilistic and Statistical Methods. 2018. (Congresso).

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).

Gallo, Sandro ; STERN, R. B. . 4o dia temático: estatística matemática e aprendizado de máquina. 2017. (Congresso).

STERN, R. B. ; GALVES, A. J. ; Gallo, Sandro . 2o dia temático: métodos estatísticos, probabilísticos e computacionais em neurobiologia. 2016. (Congresso).

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).

Participação em eventos

XXIX CONGRESO DE MATEMÁTICA CAPRICORNIO. Indemnity for a lost chance. 2021. (Congresso).

23rd International Conference on Artificial Intelligence and Statistics. Flexible distribution-free conditional predictive bands using density estimators. 2020. (Congresso).

XV Escola Brasileira de Estatística Bayesiana. Predictive model checks for phylogenetical models. 2020. (Congresso).

37a Semana da Estatística. Teoria da Decisão aplicada ao Direito. 2019. (Congresso).

37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. A statistical contribution to historical linguistics. 2017. (Congresso).

29th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. In Defense of Randomization: A subjectivist bayesian approach. 2009. (Congresso).

28th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. A possible foundation for Blackwell's Equivalence. 2008. (Congresso).

Workshop Niklas Luhmann a diez años: El desafío de observar una sociedad compleja.Civil Liability on Loss of a Chance. 2008. (Oficina).

Bayesianismo: Fundamentos e Aplicações.Teorema da Representação de De Finetti. 2007. (Simpósio).

School and Workshop on Probability Theory and Applications. 2007. (Congresso).

9a Escola Brasileira de Probabilidade. 2005. (Congresso).

Participação em bancas

Aluno: Lucas José Gonçalves Freitas

RODRIGUES, T. C. V.; SILVA, N. F. F.;STERN, R. B.. Clusterização de textos aplicada ao tratamento de dados jurídicos desbalanceados. 2023. Dissertação (Mestrado em Estatistica) - Universidade de Brasília.

Aluno: Gabriel Antunes Hess

COSTA, M. S.; CAVALLI, C. M.; GOLDBAUM, S.;STERN, R. B.. Taxa de recuperação de crédito em casos de recuperação judicial de grandes empresas. 2023. Dissertação (Mestrado em Gestão e Políticas Públicas) - Fundação Getúlio Vargas.

Aluno: Bernardo Franco Reimann

ESTEVES, L. G.STERN, R. B.; LOPEZ, V. A. G.. Testes de hipóteses agnósticos como alternativa logicamente consistente em testes simultâneos. 2020. Dissertação (Mestrado em Estatística) - Universidade de São Paulo.

Aluno: Felipe Martins

ESTEVES, L. G.LOPEZ, V. A. G.STERN, R. B.. Otimização de uma campanha publicitária na rede de pesquisa do Google Ads utilizando Teoria da Decisão Bayesiana. 2019. Dissertação (Mestrado em Estatística) - Universidade de São Paulo.

Aluno: Julio Adolfo Zucon Trecenti

PEREIRA, C. A. B.STERN, R. B.COZMAN, F. G.. Diagramas de Influência: uma aplicação em Jurimetria. 2016. Dissertação (Mestrado em Estatística) - Universidade de São Paulo.

Aluno: Eriton Barros dos Santos

FERRARI, S.; BOTTER, D.;STERN, R. B.. Uma análise sobre duas medidas de evidência: p-valor e s-valor. 2016. Dissertação (Mestrado em Estatística) - Universidade de São Paulo.

Aluno: Milene Regina dos Santos

IZBICKI, R.; DIAS, T. C. M.; SILVA, P. H. F.;STERN, R. B.FOSSALUZA, V.. Ponderação baseada em expertise para modelos de regressão com rótulos ruidosos. 2025. Tese (Doutorado em Estatística) - Universidade Federal de São Carlos.

Aluno: Gabriel Oliveira Assunção

PRATES, M. O.;IZBICKI, R.; SILVA, U. M.; SOUZA, A. L. A.; SILVA, P. H. F.;STERN, R. B.. Exploring Imbalanced Data Challenges: Oversampling Efficacy and Sample Size Estimation. 2025. Tese (Doutorado em Estatística) - Universidade Federal de Minas Gerais.

Aluno: David Zhao

LEE, A. B.;IZBICKI, R.; RAMDAS, A.; LEI, J.;STERN, R. B.. Calibrated Conditional Density Models and Predictive Inference via Local Diagnostics. 2023. Tese (Doutorado em Statistics) - Carnegie Mellon University.

Aluno: Marcos Alécio Spalenza

OLIVEIRA, E.; BADUE, C.; CIARELLI, P. M.; LIMA, P. M. V.;STERN, R. B.. pNota: Análise das Estruturas Textuais com Active Learning para Avaliação de Respostas Discursiva. 2023. Tese (Doutorado em Informática) - Universidade Federal do Espírito Santo.

Aluno: Andres Felipe Florez Rivera

ESTEVES, L. G.PEREIRA, C. A. B.STERN, R. B.DINIZ, M. A.CAMPOS, A. P.. Principio NNP para teste de verossimilhanças ponderadas usando níveis de significância adaptativos em dados de contagem. 2020. Tese (Doutorado em Estatística) - Universidade de São Paulo.

Aluno: Jaime Enrique Lincovil Curivil

PATRIOTA, A. G.ESTEVES, L. G.LOPEZ, V. A. G.DINIZ, M. A.STERN, R. B.. Representações de princípios estatísticos usando teoria de conjuntos. 2019. Tese (Doutorado em Doutorado em Estatistica) - Universidade de São Paulo.

Aluno: Larissa Sayuri Futino Castro dos Santos

PRATES, M. O.; REIS, I. A.; COSTA, M. A.; FERREIRA, C.;STERN, R. B.. Mining large amount of short text data in your desktop. 2019. Tese (Doutorado em Estatística) - Universidade Federal de Minas Gerais.

Aluno: Alejandra Estefanía Patiño Hoyos

FOSSALUZA, V.ESTEVES, L. G.CAMPOS, A. P.STERN, R. B.; NAKANO, E. Y.. Níveis de significância adaptativos em modelos de regressão linear. 2019. Tese (Doutorado em Estatística) - Universidade de São Paulo.

Aluno: Eliardo Guimarães da Costa

SINGER, J. M.PAULINO, C. D.; ACHBAR, J. A.; ANDRADE, M. C.;STERN, R. B.. Tamanho amostral para estimar a concentração de organismos em água de lastro: uma abordagem Bayesiana. 2017. Tese (Doutorado em Doutorado em Estatistica) - Universidade de São Paulo.

Aluno: Estimação de regressão em problemas sem padrão-ouro

IZBICKI, R.VIEIRA, A. M. C.STERN, R. B.. Estimação de regressão em problemas sem padrão-ouro. 2022. Exame de qualificação (Doutorando em Estatística) - Universidade Federal de São Carlos.

Aluno: Gabriel Oliveira Assunção

PRATES, M. O.;IZBICKI, R.; SANTOS, C. C.;STERN, R. B.. Is data augmentation effective to improve prediction in unbalanced datasets?. 2022. Exame de qualificação (Doutorando em Estatística) - Universidade Federal de Minas Gerais.

Aluno: Gilson Yuuji Shimizu

IZBICKI, R.STERN, R. B.ESTEVES, L. G.. Conformal Prediction using Condictional Density Estimation. 2019. Exame de qualificação (Doutorando em Estatística) - Universidade Federal de São Carlos.

Aluno: Tiago Mendonça dos Santos

ESTEVES, L. G.IZBICKI, R.STERN, R. B.. Modelos preditivos baseados em florestas aleatórias. 2019. Exame de qualificação (Doutorando em Estatística) - Universidade de São Paulo.

Aluno: Marco Henrique de Almeida Inácio

IZBICKI, R.STERN, R. B.; CERRI, R.. Density estimation and importance measures using neural networks. 2018. Exame de qualificação (Doutorando em Estatística) - Universidade Federal de São Carlos.

Aluno: Lucas Petri Damiani

FOSSALUZA, V.ESTEVES, L. G.STERN, R. B.. Tamanho amostral para ensaios clínicos randomizados em cluster: uma abordagem bayesiana. 2018. Exame de qualificação (Doutorando em Estatística) - Universidade de São Paulo.

Aluno: Felipe Hernandez Bisca

IZBICKI, R.; LAURETTO, MARCELO S.;STERN, R. B.. Multivariate conditional density estimation with copulas. 2020. Exame de qualificação (Mestrando em Estatística) - Universidade Federal de São Carlos.

Aluno: Victor Azevedo Coscrato

IZBICKI, R.STERN, R. B.; SILVA, D. F.. Neural networks as an optimization method for regression. 2019. Exame de qualificação (Mestrando em Estatística) - Universidade Federal de São Carlos.

Aluno: Murilo Cantoni

CAMPOS, A. P.FOSSALUZA, V.STERN, R. B.. Cópulas em sobrevivência. 2016. Exame de qualificação (Mestrando em Estatística) - Universidade Federal de São Carlos.

Aluno: Beatriz Luri Yasuda Ikeda

MOURA, M. S. A.;STERN, R. B.; DIAS, T. C. M.. Feminicídio antes e durante a pandemia. 2023. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Robson Alves Mangerona

ZUANETTI, D. A.STERN, R. B.VIEIRA, A. M. C.. A Estatística no Futebol: Uma Análise dos Principais Fatores que Influenciam o Número de Gols Feitos Pelos Jogadores do Campeonato Inglês. 2023. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Thais Cristina Cardozo de Souza

VIOLA, M. L. L.;STERN, R. B.; ROJAS, F. A.. Reconhecimento de Entidades Nomeadas Aplicado em Prontuários Médicos. 2022. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Gabriela Pereira Soares

IZBICKI, R.; SODRÉ, L.;STERN, R. B.. Uma Abordagem Estatística Sobre a Estimação de Redshifts de Quasares Usando Dados do S-PLUS. 2022. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Giovanna Passos Nesterick

ZUANETTI, D. A.; PAZ, R. F.;STERN, R. B.. Métodos de Agrupamento Longitudinal: Uma Aplicação em Dados de Ondas Ultrassônicas. 2021. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Giovanni Venturin

SALASAR, L. E. B.;STERN, R. B.; PEREIRA, G. H.. Comparação entre distribuições de duas amostras de dados funcionais. 2020. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Guilherme Antonio Alves de Lima

CERQUEIRA, A.STERN, R. B.; SALASAR, L. E. B.. Inferência em grafos aleatórios exponenciais através de métodos MCMC. 2020. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Diogo Barboza Moreira

CAMPOS, A. P.IZBICKI, R.STERN, R. B.. Estudo da influência de acréscimos amostrais na decisão de testes de hipóteses. 2019. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Juliana Argondizio

MOURA, M. S. A.; MILAN, L. A.;STERN, R. B.. Análise de eficiência via simulação para os testes de Quenouille (1958) e Silva et. al. (2000). 2019. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Lissa Kido Higashizawa

ZUANETTI, D. A.; MILAN, L. A.;STERN, R. B.. Seleção de variáveis: uma aplicação a dados de moinho de cimento. 2019. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: João Cordani Tourinho Dantas

IZBICKI, R.; PEREIRA, G. H.;STERN, R. B.. Aprendizado de máquina aplicado ao pôquer. 2018. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Aline Cristina Tonon

ZUANETTI, D. A.; VIOLA, M. L. L.;STERN, R. B.. Estimação da probabilidade de inadimplência com o efeito de covariáveis macroeconômicas via modelo markoviano oculto. 2018. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Davi Keglevich Neiva

DINIZ, M. A.STERN, R. B.CAMPOS, A. P.. Estudo de fatores latentes em sistemas de recomendação. 2018. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Michelle da Silva Nascimento Massaro

STERN, R. B.IZBICKI, R.; GAVA, R. J.. Criação de um aplicativo gráfico para auxiliar os pais no processo de adoção. 2017. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Márcia Maria Barbosa da Silva

STERN, R. B.IZBICKI, R.ZUANETTI, D. A.. Estudo de pessoas desaparecidas no estado de São Paulo. 2017. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Ana Elisa Molina

IZBICKI, R.STERN, R. B.; VIOLA, M. L. L.. Comparação entre métodos de construção de árvores filogenéticas.. 2017. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Rafael Catoia Pulgrossi

IZBICKI, R.STERN, R. B.DINIZ, M. A.. A comparison of two methods for obtaining a collective posterior distribution. 2017. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Victor Azevedo Coscrato

IZBICKI, R.STERN, R. B.ZUANETTI, D. A.. Word2vec, uma alternativa ao bag-of-words. 2017. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Cheyenne Leonardi

MOURA, M. S. A.;CANDOLO, C.STERN, R. B.. Regressão Linear e Equações Estruturais. 2016. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Kleiton Guimarães Alfenas

VIEIRA, A. M. C.IZBICKI, R.STERN, R. B.. Modelo de Regressão Poisson Composto na Análise de Passivos Contábeis a Liquidar em demandas Judiciais. 2016. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

Aluno: Joao Carlos Poloniato Ferreira

CAMPOS, A. P.; MOURA, M. S. A.;STERN, R. B.. Desempenho em Cálulo I na UFSCar. 2016. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de São Carlos.

PRADO, F. P. A.; LUDWIG, G. V. N.; LEICHSENRING, A. R.;STERN, R. B.; KOLEV, N. V.. Concurso para Professor Doutor - USP. 2025. Universidade de São Paulo.

MORA, E. A. R.;STERN, R. B.; FUJITA, A.. Concurso para professor doutor - UFABC. 2022. Universidade Federal do ABC.

CANDOLO, C.; PEREIRA, G. H.;STERN, R. B.. Concurso para professor substituto - Departamento de Estatística. 2019. Universidade Federal de São Carlos.

Orientou

GABRIELA CARDOSO DE OLIVEIRA

TBA; Início: 2024; Dissertação (Mestrado em Estatística) - Universidade de São Paulo; (Orientador);

Gustavo de Oliveira Kanno

TBA; Início: 2023; Dissertação (Mestrado em Estatística) - Universidade de São Paulo; (Orientador);

[Nome removido após solicitação do usuário]

TBA; Início: 2023; Dissertação (Mestrado em Estatística) - Universidade de São Paulo; (Orientador);

Ana Paula Lopes Cavalcante

Estimação não-paramétrica do efeito causal médio pelo critério frontdoor; Início: 2024; Tese (Doutorado em Estatística) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico; (Orientador);

DANIEL ARAÚJO NÓBREGA

Previsão de volume processual em 2a instância no Tribunal de Justiça de São Paulo; Início: 2024; Tese (Doutorado em Estatística) - Universidade de São Paulo; (Orientador);

Rodrigo Ferrari Lucas Lassance

Hipóteses pragmáticas não-paramétricas; Início: 2022; Tese (Doutorado em Estatística) - Universidade Federal de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico; (Orientador);

João Vitor Vasconcelos Lima

Iniciação Científica para Estudantes Medalhistas IME USP; Início: 2025; Iniciação científica (Graduando em Estatística) - Universidade de São Paulo; (Orientador);

Guilherme Kiyotoshi Kavakami

Iniciação Científica para Estudantes Medalhistas IME USP; Início: 2025; Iniciação científica (Graduando em Ciência da Computação) - Universidade de São Paulo; (Orientador);

Maurício Najjar da Silveira

Modelo FM-COV para captura da posição latente na an álise de votos; 2025; Dissertação (Mestrado em Estatística) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Ana Paula Andrade

Modelo para previsão de fraudes em contratações de planos de saúde; 2025; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

FABIANO BRITO QUEIROZ DE OLIVEIRA

Aplicação de Aprendizado de Máquina e Processamento de Linguagem Natural para a Classificação das Consultas Tributárias à Secretaria de Estado da Fazenda de Santa Catarina; 2025; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Robson Ortz Cunha

Análise de textos via processos de Dirichlet hierárquicos; 2024; Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, ; Orientador: Rafael Bassi Stern;

Bruno Lanzoni Rossi

Mensurando os impactos da pandemia e do isolamento social nos índices de violência contra mulher no Estado de São Paulo usando regressão descontínua; 2024; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Rodrigo Marcelino Andrade

Utilização de Modelos de Regressão Logística para Comparação entre as Sistemáticas da Substituição Tributária e Tributação Normal do ICMS no Estado de São Paulo; 2024; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Juliana Regina Ramos

Identificação dos Padrões de Deposição em Ambientes Praiais por Meio de Análise de Imagens por Satélite; 2024; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Gustavo Schild Soares

Classificação de Capítulos de Sentença Trabalhista; 2023; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Eduardo Alberto Gomes Campos

As Decisões Judiciais do STJ sob olhar da AI: word embeddings nos modelos geradores de tópicos: NLTK, BERTopic e Top2Vec; 2023; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Fabricio Barbosa Bittencourt

Uma ferramenta estatística para estimação de provisão IBNR; 2023; Dissertação (Mestrado em Estatística) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Rodrigo Ferrari Lucas Lassance

Hipóteses pragmáticas não-paramétricas; 2022; Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Rafael Bassi Stern;

Nicholas Moura e Silva

Aplicação de modelo de classificação em relatos de atendimento como método de automação de atividades jurídicas; 2022; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Humberto Bezerra de Meneses Júnior

Uma análise jurimétrica aplicada ao problema do anatocismo no Brasil; 2022; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Renato Annoni

Aferição da eficácia regulatóriado ambiente econômico-financeiro via análise de dados; 2022; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Gabriela Massoni

Análise de textos por meio de processos estocásticos na representação word2vec; 2021; Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, ; Orientador: Rafael Bassi Stern;

Lucas Pereira Lopes

Aprendizado não-supervisionado utilizando representação em grafos; 2020; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Elmo Henrique de Moraes

Classificação de contratos de seguros para atendimento da norma contábil IFRS 17: Uma abordagem bayesiana; 2020; Dissertação (Mestrado em Ciência de Dados) - Universidade de São Paulo, ; Orientador: Rafael Bassi Stern;

Tatyana Zabanova

Regularização social em sistemas de recomendação com filtragem colaborativa; 2019; Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, ; Orientador: Rafael Bassi Stern;

Joao Carlos Poloniato Ferreira

O corte do FBST em modelos de alta dimensionalidade; 2018; Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Rafael Bassi Stern;

Fabricio Barbosa Bittencourt

Uma revisão de literatura sobre cálculo de provisão de sinistros ocorridos mas não avisados (IBNR) e proposta de um modelo paramétrico; 2024; Trabalho de Conclusão de Curso; (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo; Orientador: Rafael Bassi Stern;

José Luiz Silva Ramos Cavalcanti

Nova Lei de Improbidade Administrativa: Uma análise Jurimétrica Causal; 2024; Trabalho de Conclusão de Curso; (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo; Orientador: Rafael Bassi Stern;

Mayara Regina Formenton

Análise estatística da atuação do poder judiciário no combate à violência contra a mulher; 2020; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

[Nome removido após solicitação do usuário]

Estimação de pontos ideais no STF em decisões de ADI e Rp; 2020; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Carolina Thompson Silveira Mello

Análise das condenações cíveis por atos de improbidade administrativa e inelegibilidade no Brasil; 2018; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Gabriela Massoni

O impacto da unificação de serventias na efetividade da gestão judiciária brasileira; 2018; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Michelle da Silva Nascimento Massaro

Criação de um aplicativo gráfico para auxiliar os pais no processo de adoção; 2017; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Márcia Maria Barbosa da Silva

Estudo de pessoas desaparecidas no estado de São Paulo; 2017; Trabalho de Conclusão de Curso; (Graduação em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

[Nome removido após solicitação do usuário]

Estratégias ótimas em ações judiciais; 2020; Iniciação Científica; (Graduando em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Luben Miguel Cruz Cabezas

Previsão em modelos filogenéticos; 2020; Iniciação Científica; (Graduando em Estatística) - Universidade Federal de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Rafael Bassi Stern;

Luri Yasuda Ikeda

Métodos de simulação para o cálculo de integrais com aplicações à Inferência Bayesiana; 2020; Iniciação Científica; (Graduando em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Guilherme Antonio Lima

Restauração de imagens e otimização por Monte Carlo; 2020; Iniciação Científica; (Graduando em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Rafaela Vansan

Análise do Monte Carlo Hamiltoniano; 2018; Iniciação Científica; (Graduando em Estatística) - Universidade Federal de São Carlos; Orientador: Rafael Bassi Stern;

Produções bibliográficas

  • 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.

  • 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.

  • SEIDENFELD, TEDDY ; KADANE, JOSEPH B. ; SCHERVISH, MARK J. ; STERN, RAFAEL B. . Finite Additivity, Complete Additivity, and the Comparative Principle. Erkenntnis , v. 89, p. 1-24, 2024.

  • 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.

  • SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; KADANE, JOSEPH B. ; GONG, RUOBIN ; STERN, RAFAEL B. . WHEN NO PRICE IS RIGHT. Review of Symbolic Logic , v. 1, p. 1-43, 2024.

  • ESTEVES, LUÍS G. ; IZBICKI, RAFAEL ; STERN, JULIO M. ; STERN, RAFAEL B. . Logical coherence in Bayesian simultaneous three-way hypothesis tests. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING , v. 152, p. 297-309, 2023.

  • 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.

  • OLIVEIRA, F. L. ; STERN, R. B. ; NOLI, A. F. . PROCESSO DECISÓRIO DO SUPREMO TRIBUNAL FEDERAL NA TRANSIÇÃO DEMOCRÁTICA BRASILEIRA (1978-1988). REVISTA DE ESTUDOS EMPÍRICOS EM DIREITO , v. 9, p. 1-27, 2022.

  • IZBICKI, R. ; SHIMIZU, G. ; STERN, R. B. . CD-split and HPD-split: Efficient Conformal Regions in High Dimensions. JOURNAL OF MACHINE LEARNING RESEARCH (ONLINE) , v. 23, p. 1-32, 2022.

  • GONG, RUOBIN ; KADANE, JOSEPH B. ; SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, RAFAEL B. . Learning and total evidence with imprecise probabilities. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING , v. 151, p. 21-32, 2022.

  • BORGES, M. ; IZBICKI, R. ; STERN, R. B. ; TRECENTI, J. A. Z. . 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.

  • STERN, RAFAEL B. ; D'ALENCAR, MATHEUS SILVA ; USCAPI, YANINA L. ; GUBITOSO, MARCO D. ; ROQUE, ANTONIO C. ; HELENE, ANDRÉ F. ; PIEMONTE, MARIA ELISA PIMENTEL . Goalkeeper Game: A New Assessment Tool for Prediction of Gait Performance Under Complex Condition in People With Parkinson's Disease. Frontiers in Aging Neuroscience , v. 12, p. 1-9, 2020.

  • 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.

  • GONG, RUOBIN ; KADANE, JOSEPH B. ; SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, RAFAEL B. . Deceptive Credences. Ergo-An Open Access Journal Of Philosophy , v. 7, p. 757-773, 2020.

  • 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.

  • STERN, RAFAEL BASSI ; KADANE, JOSEPH BORN . Indemnity for a lost chance. Law, Probability and Risk , v. -, p. 1-34, 2019.

  • SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, RAFAEL B. ; KADANE, JOSEPH B. . What finite-additivity can add to decision theory. Statistical Methods and Applications , v. -, p. 1, 2019.

  • ESTEVES, LUIS GUSTAVO ; IZBICKI, RAFAEL ; STERN, JULIO MICHAEL ; STERN, RAFAEL BASSI . Pragmatic Hypotheses in the Evolution of Science. Entropy , v. 21, p. 883, 2019.

  • LAURETTO, MARCELO S. ; STERN, RAFAEL ; RIBEIRO, CELMA ; STERN, JULIO . Haphazard Intentional Sampling Techniques in Network Design of Monitoring Stations. Proceedings , v. 33, p. 12, 2019.

  • DINIZ, M. A. ; STERN, R. B. ; SALASAR, L. E. B. . Positive Polynomials on Closed Boxes. TENDÊNCIAS EM MATEMÁTICA APLICADA E COMPUTACIONAL , v. 20, p. 509, 2019.

  • CISEWSKI, JESSI ; KADANE, JOSEPH B. ; SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, RAFAEL . Standards for Modest Bayesian Credences. PHILOSOPHY OF SCIENCE , v. 85, p. 53-78, 2018.

  • STERN, J. M. ; IZBICKI, R. ; ESTEVES, LUÍS GUSTAVO ; STERN, R. B. . Logically-consistent hypothesis testing and the hexagon of oppositions. LOGIC JOURNAL OF THE IGPL , v. 25, p. 741-757, 2017.

  • 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.

  • CISEWSKI, JESSI ; KADANE, JOSEPH B. ; SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, RAFAEL . Sleeping Beauty?s Credences. Philosophy of Science (East Lansing) , v. 83, p. 324-347, 2016.

  • ESTEVES, LUÍS ; IZBICKI, RAFAEL ; STERN, JULIO ; STERN, RAFAEL . The Logical Consistency of Simultaneous Agnostic Hypothesis Tests. Entropy , v. 18, p. 256, 2016.

  • CHKREBTII, OKSANA A. ; LEMAN, SCOTLAND ; HOEGH, ANDREW ; ENTEZARI, REIHANEH ; CRAIU, RADU V. ; ROSENTHAL, JEFFREY S. ; MOHAMMADI, ABDOLREZA ; KAPTEIN, MAURITS ; MARTINO, LUCA ; STERN, RAFAEL B. ; LOUZADA, FRANCISCO . Contributed Discussion on Article by Pratola. Bayesian Analysis , v. 11, p. 929-943, 2016.

  • DAMIANI, A. ; FEREZ, M. ; STERN, R. B. ; TRECENTI, J. . O valor da causa e o valor concedido por danos morais nos JEC. Revista de Direito Bancário e do Mercado de Capitais , v. 66, p. 225-231, 2015.

  • STERN, RAFAEL B. ; KADANE, JOSEPH B. . Coherence of Countably Many Bets. JOURNAL OF THEORETICAL PROBABILITY , v. 28, p. 520-538, 2015.

  • BONASSI, FERNANDO V. ; STERN, RAFAEL B. ; PEIXOTO, CLÁUDIA M. ; WECHSLER, SERGIO . Exchangeability and the law of maturity. THEORY AND DECISION , v. 78, p. 603-615, 2015.

  • IZBICKI, RAFAEL ; STERN, RAFAEL BASSI . Learning with many experts: Model selection and sparsity. Statistical Analysis and Data Mining , v. 6, p. n/a-n/a, 2013.

  • STERN, R. B. ; KADANE, J. B. . Pain and suffering quantified: Judge Weinstein's concept of similarity between cases. LAW PROBABILITY & RISK , v. 12, p. 75-87, 2013.

  • STERN, RAFAEL B. ; PEREIRA, CARLOS A. DE B. . Statistical Information: A Bayesian Perspective. Entropy , v. 14, p. 2254-2264, 2012.

  • GONG, R. ; KADANE, J. B. ; SCHERVISH, MARK J. ; SEIDENFELD, TEDDY ; STERN, R. B. . The Value Provided by a Scientific Explanation. In: Thomas Augustin; Fabio Gagliardi Cozman; Gregory Wheeler. (Org.). Reflections on the Foundations of Probability and Statistics. 1ed.: Springer, 2022, v. , p. 15-35.

  • Vaz, Afonso ; IZBICKI, RAFAEL ; STERN, RAFAEL BASSI . Prior Shift Using the Ratio Estimator. In: Polpo A.; Stern J.; Louzada F.; Izbicki R.; Takada H.. (Org.). Springer Proceedings in Mathematics & Statistics. 1ed.: Springer International Publishing, 2018, v. 239, p. 25-35.

  • IZBICKI, R. ; SHIMIZU, G. ; STERN, R. B. . Flexible distribution-free conditional predictive bands using density estimators. In: 3rd International Conference on Artificial Intelligence and Statistics, 2020, Palermo. Proceedings of Machine Learning Research, 2020. v. 108. p. 3068-3077.

  • LAURETTO, M. S. ; STERN, R. B. ; MORGAN, K. L. ; CLARK, M. H. ; STERN, J. M. . Haphazard intentional allocation and rerandomization to improve covariate balance in experiments. In: 36th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering, 2017, Ghent. AIP Conference Proceedings, 2017. v. 1853.

  • BONASSI, F. V. ; NISHIMURA, R. ; STERN, R. B. . In Defense of Randomization: A Subjectivist Bayesian Approach. In: 29th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering, 2009, Oxford (Mississipi). AIP Conference Proceedings Volume. Melville: American Institute of Physics, 2009. v. 1193. p. 32-39.

  • STERN, R. B. ; PEREIRA, C. A. B. . A Possible Foundation for Blackwell's Equivalence. In: 28th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering, 2008, São Sebastião. AIP Conference Proceedings. Melville: American Institute of Physics, 2008. v. 1073. p. 90-95.

  • BONASSI, F. V. ; STERN, R. B. ; WECHSLER, S. . The Gambler's Fallacy: A Bayesian Approach. In: 28th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering, 2008, São Sebastião. AIP Conference Proceedings. Melville: American Institute of Physics, 2008. v. 1073. p. 8-15.

  • STERN, R. B. ; IZBICKI, R. ; SHIMIZU, G. . CD-Split: Efficient Conformal Regions in High Dimensions. 2020. (Apresentação de Trabalho/Seminário).

  • STERN, R. B. . Interpretabilidade em testes de hipótese. 2020. (Apresentação de Trabalho/Seminário).

  • STERN, R. B. . Conditional Predictive Bands using Density Estimators. 2020. (Apresentação de Trabalho/Seminário).

  • Vaz, Afonso ; IZBICKI, R. ; STERN, R. B. . Quantification under prior probability shift: the ratio estimator and extensions. 2018. (Apresentação de Trabalho/Conferência ou palestra).

  • STERN, R. B. . Teoria da Decisão Aplicada ao Direito. 2017. (Apresentação de Trabalho/Seminário).

  • BONASSI, F. V. ; NISHIMURA, R. ; STERN, R. B. . In Defense of Randomization: A subjectivist bayesian approach. 2009. (Apresentação de Trabalho/Congresso).

  • STERN, R. B. ; PEREIRA, C. A. B. . A Possible Foundation for Blackwell's Equivalence. 2008. (Apresentação de Trabalho/Congresso).

  • BONASSI, F. V. ; STERN, R. B. ; WECHSLER, S. . The Gambler's Fallacy: A Bayesian Approach. 2008. (Apresentação de Trabalho/Congresso).

Outras produções

WECHSLER, S. ; ASSUNÇÃO, F. ; STERN, R. B. . Íntegra: Gênero e Família. 2006.

CHIANN, C. ; MAGALHÃES, M. N. ; NISHIMURA, R. ; STERN, R. B. . Estudo sobre estilos de amor, apego, crenças românticas e satisfação de noivos em São Paulo. 2006.

DAMIANI, A. P. ; TRECENTI, J. A. Z. ; NUNES, M. G. ; STERN, R. B. ; SIMONIS, A. ; COELHO, F. . Portal da Associacão Brasileira de Jurimetria. 2014; Tema: Jurimetria. (Site).

TRECENTI, J. A. Z. ; ASSUMPCAO, A. ; NUNES, M. G. ; NEUMANN, M. M. ; STERN, R. B. . Diagnóstico sobre a devolução de crianças adolescentes em estágio de convivência e adotadas. 2024. (Relatório de pesquisa).

NUNES, M. G. ; STERN, J. M. ; STERN, R. B. ; TRECENTI, J. A. Z. . Formas alternativas de gestão processual: A especialização de varas e a unificação de serventias. 2020. (Relatório de pesquisa).

NUNES, M. G. ; COELHO, F. ; STERN, R. B. ; TRECENTI, J. A. Z. ; CORREA FILHO, F. P. T. . Os maiores litigantes em ações consumeristas: mapeamento e proposições. 2018. (Relatório de pesquisa).

Projetos de pesquisa

  • 2020 - Atual

    Aplicações 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: 23

  • 2019 - Atual

    Previsão 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.

  • 2019 - Atual

    Redes neurais em problemas de inferência estatística, Projeto certificado pelo(a) coordenador(a) Rafael Izbicki em 07/10/2020., 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.

  • 2017 - 2019

    Interpretabilidade e eficiência em testes de hipótese, 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

  • 2014 - Atual

    Fundamentos da Estatística, 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

  • 2013 - Atual

    Research, Innovation and Dissemination Center for Neuromathematics - NeuroMat, Projeto certificado pelo(a) coordenador(a) Jefferson Antonio Galves em 09/10/2020., 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.

Prêmios

2018

Professor homenageado pelo curso de Biotecnologia, Universidade Federal de São Carlos.

2014

Graduate Student Teaching Award, Department of Statistics at Carnegie Mellon University.

2007

Bolsa de Mestrado, FAPESP.

2006

Menção Honrosa pelo destaque no curso de Bacharelado em Estatística, IME-USP.

2006

Bolsa de Iniciação Científica, CNPq.

Histórico profissional

Experiência profissional

2021 - 2021

Universidade Federal de Mato Grosso

Vínculo: Colaborador, Enquadramento Funcional: Colaborador

2017 - Atual

Associação Brasileira de Jurimetria

Vínculo: Colaborador, Enquadramento Funcional: Conselheiro Científico

2016 - 2017

Associação Brasileira de Jurimetria

Vínculo: Colaborador, Enquadramento Funcional: Pesquisador

2010 - 2015

Carnegie Mellon University

Vínculo: Bolsista, Enquadramento Funcional: Teaching Assistant, Carga horária: 12, Regime: Dedicação exclusiva.

2014 - 2014

Carnegie Mellon University

Vínculo: Bolsista, Enquadramento Funcional: Instructor, Carga horária: 40

2013 - 2013

Carnegie Mellon University

Vínculo: Bolsista, Enquadramento Funcional: Instructor, Carga horária: 40

Atividades

  • 01/2011 - 06/2015

    Ensino, Statistics, Nível: Pós-Graduação,Disciplinas ministradas, (Fall 2012, 2013, 2014) 36-755: Advanced Statistical Theory, (Spring 2011) 36-752: Advanced Probability Overview, (Spring 2012) 36-715: Discrete Time Stochastic Processes, (Spring 2012) 36-716: Continuous Time Stochastic Processes, (Spring 2013) 36-786: Theoretical Bayesian Statistics, (Spring 2013) 36-787: Applied Bayesian Statistics, (Spring 2014) 36-464: Applied Multivariate Statistics

  • 06/2014 - 07/2014

    Ensino, Statistics, Nível: Graduação,Disciplinas ministradas, (Summer 2014) 36-217: Introduction to Probability and Random Processes

  • 06/2013 - 07/2013

    Ensino, Statistics, Nível: Graduação,Disciplinas ministradas, (Summer 2013) 36-217: Introduction to Probability and Random Processes

  • 08/2011 - 12/2011

    Ensino, Statistics, Nível: Graduação,Disciplinas ministradas, (Fall 2011) 36-220: Engineering Statistics and Quality Control

  • 08/2010 - 12/2010

    Ensino, Computational Finance, Nível: Graduação,Disciplinas ministradas, (Fall 2010) 46-921: Probability, (Fall 2010) 46-923: Introduction to Statistical Inference

2024 - Atual

Universidade de São Paulo

Vínculo: Servidor Público, Enquadramento Funcional: Professor Associado, Carga horária: 40, Regime: Dedicação exclusiva.

2022 - 2023

Universidade de São Paulo

Vínculo: Servidor Público, Enquadramento Funcional: Professor Doutor, Carga horária: 40, Regime: Dedicação exclusiva.

2005 - 2008

Universidade de São Paulo

Vínculo: Bolsista, Enquadramento Funcional: Monitor, Carga horária: 4

Atividades

  • 07/2022

    Ensino, Estatística, Nível: Graduação,Disciplinas ministradas, (MAE0418) Estatística Documentária (2022, 2023), (MAE0330) Análise Multivariada de Dados (2023), (MAE0515) Introdução à Teoria dos Jogos (2024), (MAE0302) Inferência Bayesiana (2023)

  • 07/2022

    Ensino, Estatística, Nível: Pós-Graduação,Disciplinas ministradas, (MAE5910) Inferência Causal (2023)

  • 07/2022

    Conselhos, Comissões e Consultoria, Instituto de Matemática e Estatística, Departamento de Estatística.,Cargo ou função, Vice-coordenador do Conselho de Curso da Estatística.

  • 02/2008 - 06/2008

    Ensino, Estatística, Nível: Pós-Graduação,Disciplinas ministradas, (Spring 2008) MAE5811: Advanced Probability I

  • 08/2005 - 11/2007

    Ensino, Estatística, Nível: Graduação,Disciplinas ministradas, (Fall 2005) MAE0312: Introduction to Stochastic Processes, (Fall 2006) MAE0224: Probabillity II, (Fall 2007) MAE0224: Probability II

2019 - 2022

Universidade Federal de São Carlos

Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto C, Carga horária: 40, Regime: Dedicação exclusiva.

2016 - 2018

Universidade Federal de São Carlos

Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto A, Carga horária: 40, Regime: Dedicação exclusiva.

Atividades

  • 01/2019

    Ensino, Estatística, Nível: Graduação,Disciplinas ministradas, Estatística Aplicada às Ciências Humanas (2019), Probabilidade 1 (2019)

  • 06/2016

    Ensino, Estatística, Nível: Pós-Graduação,Disciplinas ministradas, Inferência Avançada (2019), Inferência Bayesiana Avançada (2016), Inferência Bayesiana (2016, 2019, 2022), Teoria da Decisão (2017)

  • 01/2016

    Pesquisa e desenvolvimento, Centro de Ciências Exatas e de Tecnologia, Departamento de Estatística.,Linhas de pesquisa

  • 01/2016 - 12/2018

    Ensino, Estatística, Nível: Graduação,Disciplinas ministradas, Estatística Bayesiana (2016, 2017), Estatística Tecnológica (2018), Inferência Estatística A (2017), Introdução ao Planejamento e à Análise Estatística de Experimentos (2016, 2018), Probabilidade A (2017), Probabilidade C (2016, 2018), Probabilidade 1 (2018)