Modelando a frequência de eventos com a distribuição de Poisson
O modelo mais simples que eu uso quando preciso prever quantas vezes algo acontece em um intervalo fixo é a distribuição de poisson é uma das distribuições de probabilidade mais úteis da estatística aplicada, principalmente porque ela lida diretamente com contagens e taxas de ocorrência. A fórmula por trás disso é simples demais para causar problemas, mas as suposições não são. Você precisa de eventos independentes, de uma taxa média constante ao longo do tempo ou do espaço, e de dois eventos impossíveis de acontecer exatamente no mesmo instante. Se o seu dado viola qualquer uma dessas três regras, o modelo vai te entregar resultados que parecem bons enquanto estiver olhando rápido, mas que despenca quando você valida contra dados fora da amostra.
a distribuição de poisson é uma das distribuições de probabilidade mais comuns em modelagem de contagens
O parâmetro central aqui é o lambda, que representa tanto a média quanto a variância da distribuição. Na prática, você estima lambda dividindo o número total de eventos observados pelo tamanho do intervalo exposto — pode ser tempo, área, volume de produção, o que fizer sentido para o seu problema. Se você está analisando chamadas em um call center, lambda seria o número médio de ligações por hora. Se está analisando defeitos em uma linha de produção, lambda seria defeitos por milheiro de unidades. O que a maioria dos tutoriais não explica é que a Poisson não serve apenas para tempo. Ela funciona perfeitamente bem com áreas, volumes, densidade populacional e qualquer unidade de exposição que você definir. A chave é que a exposição precisa ser mensurável e o lambda precisa ser proporcional a ela.
Eu passei cerca de duas semanas corrigindo um modelo de previsão de falhas em equipamentos industriais porque os dados mostravam um padrão que eu inicialmente não consegui enxergar. O lambda não era constante ao longo do dia — havia um pico claro entre 14h e 16h devido ao turno de manutenção, e caía drasticamente nos finais de semana. O modelo Poisson padrão, com um lambda único, estava superestimando as ocorrências nos finais de semana e subestimando nos picos de turno. A solução que eu encontrei foi dividir o lambda por faixas horárias e por dia da semana, usando variáveis dummy no log do lambda dentro de uma regressão Poisson com ligação logarítmica. Isso reduziu o erro de previsão em aproximadamente 34% em relação ao modelo ingênuo com lambda único. Um insight que poucas pessoas mencionam é a relação entre a distribuição de Poisson e a distribuição exponencial. Se o tempo entre eventos segue uma exponencial com taxa lambda, então o número de eventos em um intervalo fixo segue uma Poisson com o mesmo lambda. Essa conexão é útil porque permite que você modele o mesmo fenômeno de duas perspectivas diferentes, dependendo do que está disponível nos seus dados. Se você tem dados de tempo até falha, use a exponencial. Se você tem contagens em intervalos regulares, use a Poisson.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O principal problema que você vai encontrar na prática é a sobredispersão. Isso acontece quando a variância dos seus dados é significativamente maior que a média, o que viola a suposição fundamental de que média e variância são iguais. Quando a sobredispersão está presente, os erros padrão ficam subestimados, os intervalos de confiança ficam estreitos demais e os valores-p ficam artificialmente baixos. O resultado é que você vai acreditar que suas variáveis são significativas quando na verdade não são. Nos meus modelos de demanda por peças de reposição, a sobredispersão aparecia frequentemente porque certos clientes compravam em lotes irregulares, criando uma cauda pesada que a Poisson não conseguia capturar. A correção mais direta foi adotar a regressão binomial negativa, que introduz um parâmetro de dispersão adicional e lida com a variância extra sem precisar de transformações nos dados. Outra armadilha comum é tratar zeros como um problema a mais ser resolvido. Em muitos cenários reais, como registro de incidências de uma doença rara ou falhas críticas em sistemas bem projetados, a quantidade de zeros é natural e esperada. Forçar um modelo Poisson nesses casos pode gerar previsões negativas para intervalos de confiança, o que não faz sentido para variáveis de contagem. Quando o excesso de zeros é realmente problemático, existem os modelos zero-inflados, que combinam uma componente logística para prever se um evento vai ocorrer e uma componente Poisson para modelar a contagem condicional ao evento acontecer. A decisão de usar zero-inflado ou não deve ser guiada por testes formais e por comparação de critérios de informação, não por intuição.
Para calcular probabilidades pontuais na mão, você usa P(X=k) = (e^(-lambda) * lambda^k) / k!, onde k é o número de eventos que você quer avaliar. No R, a função dpois() faz isso direto. Para acumular probabilidades, use ppois(). Simulações podem ser feitas com rpois(). Essas funções são padrão em praticamente qualquer ambiente estatístico, então não há dificuldade técnica em implementá-las, apenas em interpretar os resultados corretamente. O modelo Poisson também se estende naturalmente para múltiplas variáveis explicativas quando você usa a estrutura de modelos lineares generalizados. A ligação logarítmica garante que as previsões nunca sejam negativas, o que é essencial para variáveis de contagem. Coeficientes interpretados no log-escala podem ser convertidos para interpretação multiplicativa aplicando a exponencial, dando a você uma razão de incidências que mostra quanto a taxa de eventos muda para cada unidade de variação na variável preditora.
Se o seu lambda for muito pequeno, digamos menor que 5, a aproximação normal para testes de hipóteses e intervalos de confiança passa a ser inadequada. Nesses casos, os intervalos exatos baseados na própria distribuição de Poisson são mais confiáveis, embora um pouco mais trabalhosos de calcular manualmente. Ferramentas como o test.poisson em Python ou funções equivalentes no R lidam com isso sem esforço adicional. Resumindo o essencial: use Poisson quando seus dados forem contagens, quando os eventos forem independentes e quando a taxa média for razoavelmente constante. Ajuste lambda por faixas ou covariáveis se houver heterogeneidade. Cheque sobredispersão antes de confiar nos erros padrão. E quando a Poisson não couber, mude para binomial negativa ou zero-inflado sem hesitação.
