Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Estatística (Des)

Centro de Ciências Exatas e de Tecnologia (CCET)
Campus São Carlos

Plataforma Lattes / outubro de 2020

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 Adjunto da Universidade Federal de São Carlos. 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 (2)
    1. 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.
    2. 2017-Atual. 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: Em andamento; 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: 3 / Número de orientações: 1
      Membro: Rafael Bassi Stern.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Professor homenageado pelo curso de Biotecnologia, Universidade Federal de São Carlos.. 2018.
      Membro: Rafael Bassi Stern.

Participação em eventos

  • Total de participação em eventos (3)
    1. XV Escola Brasileira de Estatística Bayesiana. Predictive model checks for phylogenetical models. 2020. (Congresso).
    2. 37a Semana da Estatística. Teoria da Decisão aplicada ao Direito. 2019. (Congresso).
    3. 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. A statistical contribution to historical linguistics. 2017. (Congresso).

Organização de eventos

  • Total de organização de eventos (5)
    1. POLPO, A. ; RODRIGUES, A. S. ; LOPES, D. L. ; SILVA, D. F. ; FERNANDES, G. B. ; CAMARGO, H. A. ; CANTONI, M. ; STERN, R. B. ; CIFERRI, R. R. ; DIAS, T. C. M. ; Diniz, M. A. ; HRUSCHKA, E. R. ; SENGER, H. ; IZBICKI, R. ; CERRI, R.. #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. 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
    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

Lista de colaborações



Data de processamento: 12/10/2020 23:38:40