Dans l’arsenal méthodologique des sciences contemporaines, la modélisation rigoureuse des variables discrètes constitue un défi fondamental que l’inférence statistique classique, historiquement dominée par le paradigme gaussien, a longtemps relégué à des approximations approximatives. Qu’il s’agisse de mesurer la récurrence de comportements impulsifs chez un patient en psychologie clinique, d’évaluer le nombre de fixations oculaires par unité de temps lors d’une tâche de lecture complexe, ou de quantifier les décharges synaptiques au sein d’un réseau neuronal, les chercheurs sont confrontés à des données de comptage dont la structure intrinsèque récuse l’hypothèse de continuité sous-jacente aux modèles de régression des moindres carrés ordinaires.
La distribution de Poisson, formalisée dans la première moitié du dix-neuvième siècle, s’est imposée comme le socle probabiliste universel pour formaliser le comptage d’occurrences d’un événement au sein d’une unité d’observation fixée, qu’elle soit temporelle, spatiale ou volumétrique. Reposant sur une élégance mathématique singulière caractérisée par un paramètre unique gouvernant à la fois son espérance et sa variance, ce modèle offre une dérivation naturelle à partir des premiers principes du calcul stochastique. Toutefois, cette apparente simplicité analytique dissimule une rigueur axiomatico-déductive intransigeante : l’application légitime de la loi de Poisson repose sur quatre hypothèses structurelles interdépendantes, dont la moindre transgression dénature l’appareil inférentiel et vicie les conclusions scientifiques.
Le présent traité propose une déconstruction exhaustive, conceptuelle et méthodologique des quatre hypothèses fondamentales régissant la distribution de Poisson. En articulant les fondements du calcul des probabilités, les impératifs des modèles linéaires généralisés et les défis empiriques posés par l’analyse quantitative des dynamiques humaines et comportementales, cet ouvrage vise à fournir aux chercheurs, statisticiens et psychométriciens une grille d’analyse sans compromis. L’évaluation scrupuleuse de ces postulats n’est pas un exercice formel superflu, mais la condition sine qua non d’une interprétation causale et prédictive valide des données d’occurrences discrètes.
1. Introduction théorique à la loi de Poisson et cadre probabiliste
1.1 Genèse mathématique et formulation de la loi de Poisson
La distribution de Poisson puise ses origines analytiques dans le traité de Siméon Denis Poisson, Recherches sur la probabilité des jugements en matière criminelle et en matière civile, publié en 1837. Si le mathématicien français s’intéressait originellement à la variabilité des délibérations judiciaires au sein des cours d’assises, son apport immortel réside dans la dérivation asymptotique d’une limite singulière de la loi binomiale. Considérons une séquence d’essais bernoulliens indépendants de longueur $n$, où la probabilité de succès à chaque épreuve est notée $p$. Lorsque la taille d’échantillon $n$ tend vers l’infini tandis que la probabilité élémentaire $p$ converge vers zéro, sous la contrainte que leur produit demeure strictement constant tel que $\lambda = np in ]0, \infty[$, la fonction de masse de probabilité binomiale subit une métamorphose analytique fondamentale.
Cette convergence infinitésimale, souvent qualifiée dans la littérature probabiliste de « loi des événements rares », affranchit la modélisation du comptage de la nécessité d’indexer un nombre fini d’essais déterminés. Formellement, la variable aléatoire discrète $X$, désignant le nombre total de réalisations de l’événement dans le continuum d’observation, prend ses valeurs dans l’ensemble infini dénombrable des entiers naturels. La fonction de masse univariée s’énonce selon l’expression mathématique exacte :
$$P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!}, \quad \text{pour } k in \mathbb{N} = {0, 1, 2, 3, dots}$$
Dans cette formulation canonique, la constante de Néper $e$ constitue la base de l’exponentielle naturelle, tandis que le dénominateur factoriel $k!$ assure la décroissance ultra-rapide des probabilités à mesure que l’ordre de grandeur de $k$ surpasse l’intensité moyenne. La dérivation des moments d’ordre supérieur à partir de la fonction génératrice des moments $M_X(t) = \exp(\lambda(e^t – 1))$ met en lumière la propriété structurelle d’équidispersion mathématique : l’espérance mathématique de la variable est rigoureusement identique à sa variance variance, vérifiant sans ambiguïté l’égalité $\mathbb{E}[X] = \text{Var}(X) = \lambda$. Cette égalité théorique constitue à la fois la puissance parcimonieuse du modèle et son talon d’Achille opérationnel dès lors que les données empiriques s’écartent des postulats sous-jacents.
1.2 Rôle épistémologique dans la modélisation des processus ponctuels
D’un point de vue épistémologique, la distribution de Poisson n’est pas une simple distribution marginale statique isolée du reste du calcul des probabilités ; elle représente la distribution de dimension finie fondamentale régissant les processus ponctuels stochastiques en temps continu. Un processus ponctuel se définit comme une collection de points aléatoires distribués le long d’un support mesurable, généralement la droite réelle temporelle $[0, \infty[$ ou un espace métrique spatial euclidien $\mathbb{R}^d$. Notons $N(t)$ le processus de comptage représentant le nombre cumulé d’événements observés depuis l’instant initial $t_0 = 0$ jusqu’au temps $t$. Le passage d’un enregistrement continu des instants de transition ${t_1, t_2, dots, t_k}$ à une mesure d’occurrences discrètes $N(t) = k$ opère une réduction dimensionnelle drastique des trajectoires stochastiques.
Cette transition conceptuelle requiert une théorisation méticuleuse de la mesure du temps et des espaces sous-jacents. Si le phénomène sous-jacent est intrinsèquement continu — un individu peut initier une action ou manifester un symptôme à n’importe quelle fraction infinitésimale de seconde —, la mesure observée par le scientifique est agrégée sous la forme d’un entier cardinal. La distribution de Poisson sert de passerelle mathématique entre cette continuité du flux temporel phénoménologique et la discrétude des observations empiriques quantifiables. Formaliser les postulats de Poisson équivaut dès lors à définir les conditions de régularité sous lesquelles un flux temporel arbitraire peut être compressé en un comptage d’occurrences sans perte de consistance asymptotique pour l’inférence statistique.
En garantissant la cohérence probabiliste entre le niveau microscopique (la trajectoire infinitésimale d’apparition des points) et le niveau macroscopique (le total d’événements dénombrés), les hypothèses de Poisson délimitent la frontière entre le pur aléa homogène sans mémoire et les dynamiques stochastiques dépendantes du contexte. Faillir à identifier la non-conformité d’un processus ponctuel réel avec le cadre poissonnien expose l’analyste à des distorsions d’estimation dramatiques, notamment lors du calcul des probabilités de dépassement de seuils critiques dans les modèles d’alerte, de survie ou de cinétique décisionnelle.
1.3 Pertinence pour l’étude quantitative des phénomènes psychologiques
L’importation de la théorie des processus de Poisson dans les sciences du comportement et la psychologie quantitative répond à une nécessité empirique impérieuse. Les paradigmes expérimentaux modernes génèrent d’immenses volumes de données discrètes reflétant l’architecture sous-jacente des processus cognitifs, affectifs et moteurs. Dans les tâches de temps de réaction avec choix ou de vigilance continue, le dénombrement des erreurs d’omission ou des fausses alarmes sur un intervalle fixé constitue l’indicateur privilégié de la dégradation attentionnelle. De même, en psychopathologie cognitive et développementale, la fréquence d’apparition d’actes d’auto-agression, d’écholalies chez les sujets présentant un trouble du spectre de l’autisme, ou d’épisodes de rumination rapportés via la méthode de l’évaluation écologique momentanée (ESM, pour Ecological Momentary Assessment) génère des distributions typiquement asymétriques et discrètes.
Traditionnellement, les chercheurs en sciences humaines appliquaient des modèles de régression linéaire gaussienne à ces variables de comptage, commettant l’erreur méthodologique de supposer la normalité et l’homoscédasticité des résidus sur des données tronquées à zéro et structurellement hétéroscédastiques. L’adoption des modèles linéaires généralisés (GLM) avec lien logarithmique fondés sur la distribution de Poisson a constitué un progrès méthodologique décisif pour ces disciplines. Cependant, les systèmes psychologiques se distinguent par des dynamiques d’auto-régulation, de mémorisation, de fatigue et de réactivité contextuelle qui remettent directement en cause la validité des axiomes statistiques élémentaires.
La sensibilité des déductions psychométriques au respect des postulats probabilistes est d’une sévérité critique. Si une étude tente d’établir l’efficacité différentielle d’une psychothérapie sur la fréquence hebdomadaire de crises de panique en s’appuyant sur un modèle de Poisson conventionnel, la présence de surdispersion comportementale induite par l’hétérogénéité des traits de personnalité ou par des réactions en chaîne au sein des épisodes anxieux conduira mécaniquement à une sous-estimation systématique des erreurs-types des coefficients de régression. Il en résultera une inflation massive du risque d’erreur de première espèce (l’erreur de type I), conduisant les praticiens à déclarer abusivement statistiquement significatives des interventions cliniques dépourvues d’effet thérapeutique substantiel.
2. Vue d’ensemble synoptique des quatre hypothèses fondamentales
2.1 Cartographie théorique des quatre conditions de régularité
Pour qu’une variable aléatoire de comptage $Y$ puisse être formalisée de manière inférentiellement valide par la distribution de Poisson univariée de paramètre $lambda$, le processus générateur de données sous-jacent doit se plier à un quadruple carcan mathématique. Ces quatre conditions de régularité, loin de constituer des détails techniques secondaires, forment l’armature logique indispensable pour dériver la fonction de masse à partir des équations différentielles de Kolmogorov. La structure axiomatique s’articule comme suit :
- Hypothèse 1 : La dénombrabilité stricte et la nature discrète de l’espace d’états. Le support de la distribution doit appartenir formellement et exhaustivement au corps des entiers naturels $\mathbb{N} = {0, 1, 2, dots}$. Les événements mesurés doivent correspondre à des occurrences cardinales discrètes et atomiques, rendant inconcevable toute quantification continue, fractionnaire ou tronquée arbitrairement par des conventions d’échelles composites.
- Hypothèse 2 : L’indépendance statistique sérielle et conditionnelle. La probabilité de survenue d’une occurrence dans un sous-intervalle infinitésimal d’observation doit être totalement indépendante du nombre et de la chronologie des événements s’étant produits antérieurement. Cette absence de mémoire stochastique exclut les effets de rétroaction, d’auto-excitation, d’apprentissage cumulatif ou d’épuisement des ressources.
- Hypothèse 3 : L’homogénéité et la stationnarité du taux d’intensité. Le paramètre d’intensité moyen de l’événement, classiquement désigné par $lambda$, doit demeurer rigoureusement constant et invariant au cours de toute la fenêtre temporelle ou sur l’ensemble de l’espace spatial d’observation considéré. L’espérance du nombre d’événements observés doit être strictement proportionnelle à la mesure du domaine d’échantillonnage.
- Hypothèse 4 : L’exclusion stricte de la simultanéité parfaite. La probabilité infinitésimale que deux événements ou davantage se matérialisent exactement au même point instantané temporel doit être d’un ordre de grandeur négligeable, c’est-à-dire un petit $o(\Delta t)$. Les événements doivent se succéder de façon strictement isolée le long de la ligne temporelle continue, excluant les occurrences vectorielles en grappes ou les déclenchements parfaitement synchrones.
2.2 Interdépendance structurelle des hypothèses de Poisson
Ces quatre postulats ne forment pas des compartiments hermétiques indépendants ; ils constituent les facettes corrélatives d’une géométrie probabiliste d’une rigidité extrême. La conjonction de l’indépendance statistique (Hypothèse 2) et de la stationnarité temporelle (Hypothèse 3) engendre inévitablement une conséquence analytique directe : la distribution des durées inter-événements — c’est-à-dire les temps d’attente séparant deux réalisations successives du phénomène — suit obligatoirement une distribution exponentielle continue de densité $f(t) = \lambda e^{-\lambda t}$. Dès lors qu’un système psychologique ou biologique viole la stationnarité par des fluctuations de vigilance, la distribution des temps inter-événements cesse d’être exponentielle, ce qui entraîne la dénaturation simultanée de l’indépendance sérielle conditionnelle.
De façon similaire, l’hypothèse de non-simultanéité (Hypothèse 4) est intimement articulée à la dérivation infinitésimale de la dénombrabilité (Hypothèse 1). C’est précisément parce que les événements ne peuvent pas s’agréger de manière ponctuelle et infiniment dense au même instant que l’intégrale stochastique du processus de comptage sur un intervalle borné converge avec une probabilité égale à 1 vers un nombre fini dénombrable. Si des événements se produisent simultanément par paquets — comme lors de crises émotionnelles aiguës accompagnées de décharges physiologiques multiples —, le processus n’est plus poissonnien au sens strict mais relève d’un processus de Poisson composé ou d’une distribution binomiale négative généralisée.
L’invalidation d’un seul de ces postulats entraîne une réaction en chaîne déstabilisant l’ensemble de l’édifice mathématique. En particulier, la rupture conjointe de l’indépendance et de l’homogénéité est le mécanisme prépondérant à l’origine de la surdispersion empirique, phénomène pathologique où la variance observée excède substantiellement la moyenne de l’échantillon. Cette interdépendance théorique exige que le diagnostic appliqué d’un jeu de données de comptage n’examine jamais une hypothèse de manière isolée sans évaluer ses répercussions croisées sur les autres piliers du modèle.
3. Hypothèse 1 : La dénombrabilité et la nature discrète des événements
3.1 Fondement ensembliste et définition de la variable de comptage
L’hypothèse première régissant l’application de la distribution de Poisson réside dans la nature intrinsèquement ensembliste de la variable dépendante observée. La distribution de Poisson est construite sur un espace de probabilité $(\Omega, \mathcal{F}, P)$ dont la variable aléatoire $Y: \Omega to \mathbb{N}$ applique les événements élémentaires sur le sous-ensemble discret des entiers naturels. Cette caractéristique impose que chaque observation $y_i$ recueillie auprès du sujet expérimental $i$ doive être strictement égale à zéro ou à un entier positif : $y_i in {0, 1, 2, dots}$. Toute quantification imposant des valeurs négatives, fractionnaires ou réelles continues relève d’une contradiction logique absolue avec les axiomes de Poisson.
Contrairement au modèle de distribution binomiale classique, où le nombre de succès théoriques est borné supérieurement par le paramètre $n$ représentant le total absolu des essais réalisés ($k le n$), la distribution de Poisson présente un support discret semi-infini. Il n’existe théoriquement aucune borne supérieure fixée a priori : $\sup(\text{Support}(Y)) = \infty$. Bien que la probabilité d’observer des valeurs gigantesques décroisse à une vitesse supersonique en raison de l’écrasement factoriel imposé par le dénominateur $k!$, le modèle autorise n’importe quelle réalisation entière arbitrairement grande. Si un protocole d’observation comporte un plafond artificiel d’occurrences imposé par l’expérimentateur — par exemple en cessant l’évaluation après exactement 10 occurrences —, la distribution d’échantillonnage s’en trouve tronquée à droite, violant le support théorique naturel du modèle de Poisson.
Il est par conséquent exclu de traiter des données issues d’échelles de cotation analogiques visuelles, de chronométrages de durées continues, de pourcentages d’accomplissement ou d’indices psychométriques normalisés comme des variables de comptage poissonniennes directes. Une durée exprimée en secondes n’est pas un dénombrement, même si le capteur de mesure l’arrondit à la valeur entière la plus proche. L’arrondi d’une grandeur continue sous-jacente en valeurs entières ne confère pas à cette grandeur les propriétés d’un processus de comptage ponctuel pur.
3.2 Distinction entre intensité latente et comptage manifeste
Une confusion récurrente parmi les analystes réside dans la confusion ontologique entre le paramètre d’intensité $lambda$ et les réalisations observées $y$. Le paramètre $lambda$ est une entité mathématique strictement continue appartenant à l’espace des réels positifs non nuls : $\lambda in \mathbb{R}^+ = ]0, \infty[$. Il représente un taux d’occurrence latent, c’est-à-dire l’espérance mathématique du nombre d’événements par unité d’exposition. Rien n’interdit théoriquement à un participant d’afficher une intensité comportementale moyenne de $\lambda = 0{,}372$ occurrences par heure. En revanche, les réalisations empiriques manifestes, notées $y_i$, sont impérativement des nombres entiers purs : un individu émettra exactement 0, 1, 2 ou 3 comportements durant ladite heure d’observation, mais jamais 0,372 comportement.
Dans le cadre de la modélisation statistique avancée par régression de Poisson, formalisée dans le paradigme des modèles linéaires généralisés (GLM) documenté par McCullagh et Nelder, cette distinction cardinale est opérationnalisée par une fonction de lien. Le prédicteur linéaire, constitué d’une combinaison linéaire de variables explicatives continues ou catégorielles $\eta_i = \beta_0 + \beta_1 x_{i1} + dots + \beta_p x_{ip}$, évolue sur la droite réelle complète $]-\infty, +\infty[$. Pour relier ce prédicteur continu non borné à l’intensité d’occurrence moyenne qui doit impérativement rester strictement positive, on utilise de manière canonique la fonction de lien logarithmique :
$$\ln(\lambda_i) = \mathbf{x}_i^top boldsymbol{\beta} iff \lambda_i = \exp(\mathbf{x}_i^top boldsymbol{\beta})$$
Le chercheur modélise par ce truchement l’intensité continue sous-jacente conditionnelle aux covariables, tout en assignant aux données manifestes observées $y_i$ la distribution de probabilité discrète appropriée. Tenter d’ignorer cette dualité en appliquant des modèles additifs linéaires directs sans lien adapté expose l’inférence au risque rédhibitoire de prédire des intensités négatives d’événements, une absurdité théorique dénuée de sens dans l’étude des processus de comptage empiriques.
3.3 Application psychologique : les unités comportementales individualisables
L’application rigoureuse du postulat de dénombrabilité dans la recherche comportementale exige une opérationnalisation clinique irréprochable de l’événement cible. Pour qu’une action humaine soit légitimement dénombrable, elle doit satisfaire à des frontières morphologiques, temporelles et fonctionnelles parfaitement délimitées. Dans l’observation d’un enfant manifestant un trouble déficit de l’attention avec ou sans hyperactivité (TDAH) au sein d’une salle de classe expérimentale, l’expérimentateur ne peut pas se contenter d’évaluer de manière diffuse l’« agitation motrice globale ». Il est contraint d’identifier des unités motrices atomiques individualisables : par exemple, le fait de « quitter physiquement son siège sans autorisation expresse de l’enseignant ».
Une telle unité comportementale dispose d’un début abrupt et d’une résolution identifiable. À chaque franchissement du critère opérationnel, le compteur comportemental incrémente exactement d’une unité scalaire. D’autres exemples prototypiques incluent le nombre de vocalises distinctes chez le nourrisson pré-verbal, le dénombrement des compulsions de vérification chez un sujet souffrant de troubles obsessionnels compulsifs (TOC), ou le nombre de silences conversationnels d’une durée minimale spécifiée (par exemple supérieure à 3 secondes) au cours d’un entretien thérapeutique standardisé.
À l’inverse, l’utilisation de la distribution de Poisson devient totalement illégitime lorsque le chercheur cherche à modéliser des construits psychologiques représentés par des scores composites issus de questionnaires auto-rapportés. Un score sommateur obtenu sur une échelle d’anxiété de Likert en 20 items (allant de 0 à 80 points) n’est en aucun cas une variable de comptage poissonnienne. Bien que les réponses aux items soient chiffrées avec des entiers discrets, ce score agrégé reflète une mesure ordinale ou quasi-continue d’un trait latent, et non l’accumulation sérielle d’événements discrets autonomes générés par un processus ponctuel en temps continu. Tenter de modéliser un score psychométrique continu ou ordinal par une régression de Poisson viole ouvertement la rationalité de l’hypothèse de dénombrabilité.
4. Implications méthodologiques de la dénombrabilité sur l’analyse des données
4.1 Limites de la transformation gaussienne appliquée aux données discrètes
Face à la dissymétrie positive prononcée caractéristique des distributions de comptage — particulièrement aiguë lorsque le paramètre d’intensité est faible ($lambda < 3$) —, une pratique méthodologique historiquement répandue a consisté à appliquer des transformations mathématiques univariées aux données brutes pour tenter de les rendre conformes aux hypothèses de la régression linéaire ordinaire de type Gauss-Markov. Parmi ces manipulations, la transformation logarithmique a\vec ajout d’une constante arbitraire, typiquement notée$tilde{y} = ln(y + c)$ avec $c in {0{,}5; 1}$, et la transformation stabilisatrice de variance par la racine carrée ou la transformation de Freeman-Tukey $\sqrt{y} + \sqrt{y+1}$, ont été massivement mobilisées.
Or, des travaux statistiques majeurs, notamment les démonstrations de O’Hara et Kotze (2010), ont rigoureusement prouvé la nocivité inférentielle de ces transformations linéaires appliquées à des variables de comptage pures. En premier lieu, le choix de la constante arbitraire ajoutée altère substantiellement l’ampleur et parfois même la direction des coefficients estimés ainsi que leur niveau de signification statistique. Lorsque le jeu de données comporte une abondance substantielle d’observations nulles ($y_i = 0$), ce qui est monnaie courante dans l’étude des événements rares, la transformation $ln(y + 1)$ compresse artificiellement l’espace métrique au voisinage de zéro, induisant une distorsion persistante de la distribution résiduelle qui demeure asymétrique et hétéroscédastique.
De surcroît, la transformation de la variable réponse modifie fondamentalement l’hypothèse biologique ou psychologique testée : elle modélise l’espérance mathématique de la transformation logarithmique $\mathbb{E}[\ln(Y+1)]$, laquelle diverge structurellement du logarithme de l’espérance mathématique $\ln(\mathbb{E}[Y])$ visé par les modèles linéaires généralisés. Les coefficients obtenus ne peuvent plus être ré-exponentiés simplement sous la forme de ratios de taux d’incidence (IRR, pour Incidence Rate Ratios) sans introduire un biais de rétransformation systématique documenté par l’inégalité de Jensen. L’utilisation native du modèle de Poisson résout ces écueils en assignant explicitement la fonction de vraisemblance discrète adéquate sans altérer l’échelle originelle des observations.
4.2 Rôle des fenêtres d’échantillonnage temporel et spatial
L’acte de dénombrer ne possède une validité scientifique que s’il est rigoureusement ancré dans un domaine d’observation délimité, fréquemment désigné sous le vocable d’espace d’exposition. Que ce domaine soit une unité de temps (par exemple, 45 minutes de test neuropsychologique), une surface géographique (la superficie d’un quartier pour dénombrer des comportements antisociaux) ou un volume d’espace physique, la comparabilité des valeurs discrètes enregistrées chez différents individus requiert une standardisation stricte de l’exposition.
Dans les contextes de recherche naturalistes ou cliniques, il est fréquemment impossible de maintenir une durée d’observation strictement identique pour l’ensemble des participants. Un patient peut faire l’objet d’un suivi vidéo continu pendant 12 heures, tandis qu’un autre n’est enregistré que pendant 7 heures consécutives en raison d’une sortie précoce du protocole. Face à cette hétérogénéité d’exposition, assimiler directement les comptages bruts sans correction statistique constituerait une faute méthodologique majeure : le second patient verrait son intensité comportementale sous-évaluée simplement en raison de la brièveté relative de sa fenêtre d’échantillonnage.
Le cadre statistique de la régression de Poisson résout avec une rigueur absolue ce défi opérationnel par l’incorporation d’une variable de décalage, universellement désignée sous le terme anglophone d’offset. Considérons une variable $t_i$ représentant la durée d’exposition spécifique du sujet $i$. Si l’on postule que le taux d’intensité instantané par unité de temps est gouverné par $\lambda_i = \exp(\mathbf{x}_i^top boldsymbol{\beta})$, le nombre total d’événements attendus sur la durée $t_i$ devient mathématiquement $\mu_i = t_i \lambda_i = t_i \exp(\mathbf{x}_i^top boldsymbol{\beta})$. En passant au logarithme naturel, l’équation structurelle du modèle prend la forme élégante :
$$\ln(\mu_i) = \ln(t_i) + \mathbf{x}_i^top boldsymbol{\beta}$$
Le terme $\ln(t_i)$ est introduit dans le prédicteur linéaire comme une covariable dont le coefficient de régression est fixé a priori et contraint à valoir exactement $1$. Cette formulation mathématique permet de préserver rigoureusement l’intégrité de la modélisation probabiliste du comptage discret au niveau de la variable dépendante $Y_i$, tout en restituant des estimations paramétriques exprimées sous forme de taux d’occurrence par unité temporelle universellement standardisée.
5. Hypothèse 2 : L’indépendance statistique des occurrences successives
5.1 Formalisation probabiliste de l’absence de mémoire stochastique
L’hypothèse d’indépendance statistique constitue l’armature probabiliste centrale qui assure la séparabilité temporelle du processus de comptage. Dans la théorie axiomatique des processus stochastiques formalisée par Doob, un processus de comptage ${N(t), t ge 0}$ est qualifié de processus à accroissements indépendants si, pour toute séquence chronologique strictement croissante d’instants $0 le t_0 < t_1 < t_2 < dots < t_k$, les variables aléatoires correspondant aux nombres d'événements observés sur les intervalles disjoints consécutifs :
$$\Delta N_1 = N(t_1) – N(t_0), \quad \Delta N_2 = N(t_2) – N(t_1), \quad dots, \quad \Delta N_k = N(t_k) – N(t_{k-1})$$
forment une famille de variables aléatoires mutuellement indépendantes au sens probabiliste strict. Cette condition d’indépendance mutuelle s’exprime par le fait que la loi de probabilité conjointe se factorise exactement en le produit des lois marginales de chaque sous-intervalle :
$$\mathbb{P}\left(\big\cap_{j=1}^k {\Delta N_j = n_j}\right) = \prod_{j=1}^k \mathbb{P}(\Delta N_j = n_j)$$
Cette formulation interdit toute forme d’influence statistique rétrospective ou prospective entre les événements. La distribution de probabilité du nombre de réalisations attendues dans le segment temporel futur $[t, t + \Delta t[$ est rigoureusement invariable, quel que soit l’historique complet des événements survenus depuis l’origine jusqu’à l’instant présent $t$. Le processus ne conserve aucune mémoire de ses états antérieurs. C’est l’essence même de la propriété markovienne sous-jacente au processus ponctuel de Poisson, postulant que l’avenir stochastique du système dépend exclusivement de son intensité instantanée présente, et nullement de son passé.
5.2 Conséquences théoriques sur la distribution des temps d’attente
L’une des manifestations analytiques les plus splendides de l’indépendance sérielle concerne la dérivation de la distribution continue régissant les durées séparant les événements consécutifs. Soit $T$ la variable aléatoire continue mesurant le temps d’attente jusqu’à l’apparition du tout premier événement à partir d’une origine temporelle arbitraire $t = 0$. L’événement ${T > t}$ est rigoureusement équivalent à l’observation d’aucun événement sur l’intervalle $[0, t]$, c’est-à-dire ${N(t) = 0}$. En appliquant directement la fonction de masse de Poisson pour $k=0$ avec un paramètre d’exposition proportionnel au temps $lambda t$, on dérive sans artifice la fonction de survie fondamentale :
$$S(t) = \mathbb{P}(T > t) = \mathbb{P}(N(t) = 0) = \frac{(\lambda t)^0 e^{-\lambda t}}{0!} = e^{-\lambda t}$$
La fonction de répartition cumulative $F(t) = 1 – S(t) = 1 – e^{-\lambda t}$ correspond par définition stricte à la distribution exponentielle de paramètre $lambda$. La dérivée de cette fonction fournit la fonction de densité de probabilité $f(t) = \lambda e^{-\lambda t}$. Or, la distribution exponentielle est la seule et unique loi de probabilité continue continue sur le support réel positif à posséder la propriété formelle d’absence de mémoire (ou propriété d’amnésie stochastique), caractérisée par l’identité mathématique :
$$\mathbb{P}(T > s + t mid T > s) = \mathbb{P}(T > t), \quad \forall s, t ge 0$$
Dans un processus satisfaisant l’indépendance poissonnienne, le fait d’avoir attendu pendant une durée substantielle $s$ sans qu’aucun événement ne se produise n’altère en rien la probabilité que l’événement survienne dans l’instant immédiatement postérieur. Le système ne subit aucun vieillissement prématuré ni aucune maturation progressive. Si des données empiriques de temps d’attente entre actes consécutifs révèlent une forme d’usure, de dynamique réfractaire ou d’accumulation de tension interne, l’hypothèse de perte de mémoire est transgressée, ce qui invalide par déduction directe l’indépendance de Poisson.
5.3 Défis de l’indépendance dans les dynamiques psychologiques
Lorsque le statisticien tente d’appliquer le cadre de Poisson au comportement humain, l’hypothèse d’indépendance sérielle se heurte violemment à l’essence même du fonctionnement neurobiologique et cognitif. L’apprentissage, l’habituation, la plasticité cérébrale et l’épuisement physiologique constituent des processus éminemment historiques où chaque événement modifie irrévocablement l’état latent du sujet, créant des structures d’interdépendance temporelle sophistiquées.
Considérons l’étude des erreurs commises par un opérateur humain dans une tâche de surveillance radar hautement monotone. Dès lors qu’une omission ou une fausse alerte se produit, l’opérateur peut subir un sursaut de réactivité attentionnelle corrective déclenché par un mécanisme neurocognitif d’évaluation de la performance (médié par le cortex cingulaire antérieur). Cet ajustement consécutif à l’erreur va temporairement anéantir la probabilité de commettre une seconde erreur dans les minutes suivantes, créant une auto-inhibition sérielle. Inversement, si l’erreur plonge le sujet dans un état de dérégulation émotionnelle ou de panique cognitive, la survenue d’un premier dysfonctionnement va drastiquement décupler la vulnérabilité immédiate à commettre des bévues subséquentes en cascade, générant une contagion temporelle d’occurrences.
Dans les dynamiques de groupe ou l’évaluation clinique des conduites addictives, ces violations de l’indépendance sont encore plus frappantes. La consommation d’une première dose de substance psychoactive ne laisse pas le sujet dans un état identique : elle modifie l’appétence neurochimique et amplifie le craving immédiat, favorisant l’agrégation dense des récidives au sein d’épisodes de « binge ». Ignorer ces rétroactions temporelles en postulant l’indépendance de Poisson déforme profondément la compréhension de la trajectoire comportementale du patient en dissimulant les mécanismes d’auto-accélération pathologique.
6. Méthodes diagnostiques pour évaluer l’indépendance sérielle
6.1 Tests statistiques de dépendance temporelle et spatiale
Face au risque de rupture de l’indépendance des occurrences, le chercheur doit déployer un ensemble de protocoles diagnostiques rigoureux appliqués à la dimension séquentielle des séries de comptage. Le premier outil d’investigation consiste en l’analyse systématique de la fonction d’autocorrélation (ACF, pour Autocorrelation Function) et de la fonction d’autocorrélation partielle (PACF) des résidus du modèle de comptage. Si les occurrences sont statistiquement indépendantes au cours du déroulement temporel, les corrélations d’ordre $k$ entre les résidus standardisés $\hat{e}_t$ et $\hat{e}_{t-k}$ doivent se situer strictement à l’intérieur de l’intervalle de confiance asymptotique de Bartlett défini par $\pm 1{,}96 / \sqrt{N}$ pour un niveau de signification bilatéral $\alpha = 0{,}05$.
Pour dépasser l’inspection graphique, des tests formels d’absence de mémoire sérielle peuvent être mobilisés. Le test des suites de Wald-Wolfowitz (runs test) permet d’analyser si l’alternance séquentielle d’intervalles avec et sans événements s’écarte significativement d’un agencement aléatoire pur. Dans le domaine spatial, lorsque le dénombrement s’opère au sein d’unités territoriales ou de zones anatomiques cérébrales délimitées, l’indépendance des réalisations est évaluée par l’indice structurel de Moran (Moran’s I) :
$$I = \frac{N}{\sum_{i=1}^N \sum_{j=1}^N w_{ij}} \frac{\sum_{i=1}^N \sum_{j=1}^N w_{ij} (y_i – \bar{y})(y_j – \bar{y})}{\sum_{i=1}^N (y_i – \bar{y})^2}$$
où $w_{ij}$ désigne les coefficients d’une matrice de pondération spatiale standardisée modélisant la contiguïté ou la distance physique entre les entités d’observation $i$ et $j$. Un rejet statistiquement significatif de l’hypothèse nulle d’autonomie spatiale ($I = 0$) démontre l’existence d’une dépendance de proximité, traduisant le fait que l’intensité des occurrences observée en un point géographique contamine directement les comptages relevés dans les territoires adjacents.
6.2 Modélisation des phénomènes autorégressifs alternatifs
Lorsque le diagnostic confirme l’invalidation irréversible de l’indépendance des occurrences, le chercheur doit renoncer au cadre de Poisson standard au profit de modèles stochastiques d’ordre supérieur expressément conçus pour formaliser la mémoire temporelle et l’auto-excitation. Parmi ces architectures, les processus de Hawkes représentent l’une des avancées méthodologiques les plus puissantes pour modéliser les dynamiques de contagion et de réverbération événementielle. Dans un processus de Hawkes univarié, la fonction d’intensité conditionnelle $\lambda(t mid \mathcal{H}_t)$ à l’instant présent dépend explicitement de l’historique de tous les événements antérieurs survenus aux instants $t_i < t$ :
$$\lambda(t mid \mathcal{H}_t) = \mu_0 + \sum_{t_i < t} \kappa(t - t_i)$$
Le terme $\mu_0$ désigne l’intensité de base autonome non dépendante de l’historique (le bruit de fond exogène), tandis que $kappa(s)$ constitue un noyau de mémoire temporelle, traditionnellement formalisé sous forme exponentielle décroissante $\kappa(s) = \alpha e^{-\beta s}$ avec $\beta > \alpha > 0$. Chaque occurrence nouvelle provoque ainsi une élévation brutale et instantanée de l’intensité d’apparition d’événements subséquents, amplifiant momentanément la probabilité de nouvelles réalisations avant de s’estomper progressivement au fil de la relaxation temporelle.
Lorsque les données de comptage sont recueillies à intervalles de temps discrets et réguliers sous la forme d’un suivi longitudinal répété, l’alternative canonique relève des modèles entiers autorégressifs (modèles INAR, pour Integer-valued AutoRegressive models) introduits par Al-Osh et McKenzie. Le modèle INAR d’ordre 1 (INAR(1)) préserve rigoureusement la nature discrète de la variable par l’opérateur d’amincissement binomial (binomial thinning operator) de Steutel et van Harn :
$$Y_t = \alpha circ Y_{t-1} + \varepsilon_t = \sum_{k=1}^{Y_{t-1}} B_{k,t} + \varepsilon_t$$
où les $B_{k,t}$ sont des variables de Bernoulli indépendantes de paramètre de survie $\alpha in [0, 1[$, et $\varepsilon_t$ est une innovation poissonnienne autonome indépendante. Cette structure assure la capture formelle de l’autocorrélation temporelle sans jamais recourir à des transformations continues inappropriées.
7. Hypothèse 3 : La constance et la stationnarité du taux moyen d’occurrence
7.1 Définition de l’invariance temporelle du paramètre d’intensité
Le troisième pilier axiomatique de la distribution de Poisson univariée impose la constance rigoureuse et l’invariance temporelle du paramètre d’intensité moyenne à travers l’ensemble de la fenêtre d’observation considérée. Dans un processus ponctuel de Poisson homogène, le taux instantané d’occurrence ne dépend d’aucune variable temporelle interne : $\lambda(t) \equiv \lambda = \text{constante}, \forall t ge 0$. L’intensité ne subit aucune dérive déterministe, aucune inflexion cyclique, ni aucune variation stochastique au cours de la collecte des données.
Cette condition d’homogénéité temporelle entraîne une propriété analytique directe : la probabilité qu’un événement survienne dans un intervalle infinitésimal de longueur $\Delta t$ dépend strictement et exclusivement de la longueur de cet intervalle temporel, et aucunement de sa localisation absolue sur l’axe du temps chronologique. Mathématiquement, pour deux intervalles temporels disjoints quelconques $I_1 = [t_1, t_1 + h]$ et $I_2 = [t_2, t_2 + h]$ possédant exactement la même durée $h > 0$, l’espérance mathématique du nombre d’événements est rigoureusement identique :
$$\mathbb{E}[N(t_1 + h) – N(t_1)] = \mathbb{E}[N(t_2 + h) – N(t_2)] = \lambda h$$
Il en découle une relation de proportionnalité stricte et linéaire entre la durée d’enregistrement et le volume attendu d’occurrences. Doubler la durée de l’observation doit mathématiquement doubler l’espérance du comptage total d’événements. Dès lors que cette linéarité s’infléchit sous l’effet de modulations intrinsèques ou extrinsèques du taux moyen d’occurrence au fil du temps, le processus bascule dans la catégorie des processus de Poisson non homogènes (NHPP, pour Non-Homogeneous Poisson Processes), brisant la validité inférentielle de la loi de Poisson univariée standard.
7.2 Impact des cycles, tendances et fluctuations contextuelles
L’observation empirique des dynamiques biologiques, écologiques et sociales révèle que la stationnarité parfaite d’un processus constitue l’exception plutôt que la règle. La plupart des phénomènes manifestent une sensibilité exacerbée aux rythmes endogènes et aux variations mésologiques qui viennent perturber la constance du paramètre $lambda$. Dans le champ de la psychiatrie et de la psychopharmacologie, les rythmes circadiens exercent une régulation puissante sur les comportements impulsifs ou autodestructeurs : le taux instantané d’admissions aux urgences psychiatriques pour décompensations anxieuses ou gestes suicidaires fluctue drastiquement au cours d’un cycle de 24 heures, atteignant des pics paroxystiques en fin de soirée et des creux marqués au petit matin.
Au niveau de l’évaluation neuropsychologique en laboratoire, les fluctuations attentionnelles constituent une source majeure de non-stationnarité. Soumis à une épreuve de détection de cibles cognitives d’une durée continue de 90 minutes, le sujet expérimentateur ne maintient pas une disposition cognitive immuable. L’épuisement progressif des réserves d’attention exécutive induit une dérive tendancielle ascendante du taux d’erreurs d’inattention au fil des blocs expérimentaux (effet de fatigue), tandis que, simultanément, l’apprentissage perceptif initial peut réduire drastiquement le taux d’erreurs motrices durant les 15 premières minutes de familiarisation (effet d’entraînement).
De surcroît, les fluctuations micro-environnementales — une modification soudaine de l’éclairage en laboratoire, l’élévation du niveau sonore ambiant, ou la variation de la température corporelle — altèrent instantanément la réactivité des sujets et modifient continuellement la valeur latente de l’intensité $lambda(t)$. Présumer qu’une heure d’observation continue d’un être humain vivant correspond à un taux $lambda$ constant relève le plus souvent d’une simplification réductrice dont les conséquences méthodologiques peuvent profondément vicier l’évaluation des effets expérimentaux.
7.3 Résolution des violations par les processus de Poisson non homogènes
L’invalidation de l’hypothèse d’homogénéité temporelle n’impose pas nécessairement de renoncer à l’architecture globale des processus ponctuels, mais exige de généraliser le modèle standard vers la classe mathématique des processus de Poisson non homogènes. Dans ce formalisme élégant, le paramètre constant $lambda$ est remplacé par une fonction déterministe d’intensité variable dans le temps, notée $lambda(t) ge 0$. L’espérance mathématique du nombre d’événements observés sur l’intervalle $[t_a, t_b]$ n’est plus calculée par un simple produit scalaire, mais par l’intégrale de Lebesgue de la fonction d’intensité sur le domaine temporel :
$$\Lambda(t_a, t_b) = \int_{t_a}^{t_b} \lambda(u) , du$$
La probabilité d’enregistrer exactement $k$ occurrences sur cet intervalle obéit toujours à une forme analytique apparentée à la loi de Poisson, mais gouvernée par cette mesure d’intensité intégrée :
$$\mathbb{P}(N(t_b) – N(t_a) = k) = \frac{[\Lambda(t_a, t_b)]^k e^{-\Lambda(t_a, t_b)}}{k!}$$
Dans le cadre de la modélisation statistique appliquée, cette flexibilité est implémentée par l’incorporation explicite de covariables temporelles au sein du prédicteur linéaire des modèles linéaires généralisés (GLM) ou des modèles additifs généralisés (GAM, pour Generalized Additive Models) théorisés par Simon Wood. On peut ainsi modéliser des composantes cycliques par l’adjonction de séries de Fourier harmoniques :
$$\ln(\lambda(t)) = \beta_0 + \beta_1 \sin\left(\frac{2\pi t}{T}\right) + \beta_2 \cos\left(\frac{2\pi t}{T}\right) + f(t)$$
où $f(t)$ représente une spline de lissage pénalisée capturant les tendances non linéaires à long terme. Cette paramétrisation permet de neutraliser rigoureusement les distorsions induites par la non-stationnarité en restituant un processus résiduel dont les propriétés redeviennent conformes aux lois du calcul stochastique élémentaire.
8. Hypothèse 4 : L’impossibilité de simultanéité stricte des événements
8.1 Formalisation infinitésimale de l’exclusion mutuelle instantanée
La quatrième et dernière hypothèse fondamentale gouvernant la distribution de Poisson formalise l’impossibilité physique et mathématique de co-occurrences parfaites d’événements au même point instantané de l’espace continu. Cette condition d’ordre infinitésimal, qualifiée dans la littérature probabiliste de propriété d’ordre ou d’ordonnancement strict (orderliness), établit que les événements se déploient de façon purement séquentielle le long de l’axe temporel sans jamais fusionner dans un même instant infinitésimal.
Dans l’approche axiomatico-différentielle formalisée par Cox et Lewis, considérons un accroissement temporel infinitésimal $\Delta t$ convergeant vers zéro. Deux énoncés probabilistes régissent alors le comportement du processus :
- La probabilité d’enregistrer exactement un événement durant l’intervalle $[t, t + \Delta t[$ est égale à l’intensité instantanée multipliée par la durée de la tranche temporelle, à un terme d’ordre infinitésimal supérieur près :
$$\mathbb{P}(N(t + \Delta t) – N(t) = 1) = \lambda \Delta t + o(\Delta t)$$ - La probabilité que deux événements ou davantage se matérialisent rigoureusement au cours de ce même intervalle infinitésimal est rigoureusement négligeable devant la longueur de l’intervalle :
$$\mathbb{P}(N(t + \Delta t) – N(t) ge 2) = o(\Delta t)$$
Ici, la notation de Landau $o(\Delta t)$ stipule par définition rigoureuse que le quotient de cette probabilité par $\Delta t$ converge strictement vers zéro lorsque l’intervalle s’annule asymptotiquement : $\lim_{\Delta t to 0} \frac{o(\Delta t)}{\Delta t} = 0$. Cette exclusion mutuelle instantanée garantit la traçabilité séquentielle absolue du processus : deux impulsions comportementales ne peuvent pas occuper la même coordonnée temporelle exacte. Les occurrences forment une séquence de points discrets distincts dont la distance mutuelle demeure avec une probabilité égale à 1 strictement supérieure à zéro.
8.2 Problématique de la granularité temporelle dans la collecte de données
Si la non-simultanéité stricte est une élégante réalité mathématique sur l’axe abstrait des nombres réels, elle se heurte dans la pratique expérimentale aux limites physiques de nos dispositifs de métrologie. Tout appareil d’enregistrement scientifique — qu’il s’agisse d’un système de capture du mouvement tridimensionnel, d’un électroencéphalographe ou d’une grille d’observation vidéo humaine — dispose d’une fréquence d’échantillonnage temporelle discrète finie, délimitant ce que l’on nomme la granularité d’acquisition.
Lorsqu’un flux comportemental continu est découpé en intervalles discrets (« bins » ou fenêtres de discrétisation) d’une largeur $\delta > 0$ substantielle, l’analyste crée un artefact technique de fausse simultanéité. Si deux clignements palpébraux surviennent séparés par un intervalle de 3 millisecondes, mais que le système d’observation fonctionne à une fréquence d’échantillonnage de 50 Hz (soit une résolution temporelle grossière de 20 millisecondes par trame), les deux événements seront enregistrés au sein de la même case temporelle discrète. Aux yeux du système informatique, les deux occurrences seront étiquetées avec le même horodatage, créant l’illusion d’une simultanéité binaire parfaite.
Ce phénomène d’agrégation temporelle artificielle (souvent désigné en modélisation stochastique comme le problème de coarse grid discretisation) fausse l’attribution probabiliste. En condensant artificiellement des événements distincts dans des trames arbitraires, le chercheur modifie la fonction de masse observée, qui bascule d’une distribution de Poisson continue vers une loi géométrique ou une loi binomiale discrète tronquée. Choisir une résolution chronométrique inadaptée à la dynamique intrinsèque du phénomène mesuré constitue ainsi une violation méthodologique dévastatrice du postulat de non-simultanéité.
8.3 Conséquences empiriques des co-occurrences comportementales
Au-delà des artefacts purement instrumentaux de discrétisation temporelle, il existe des phénomènes psychologiques et physiologiques authentiques caractérisés par des co-occurrences simultanées indécomposables, appelées occurrences en grappes ou « clusters ». Dans les dynamiques de stress aigu, la libération hormonale de catécholamines ne s’opère pas sous forme d’événements ponctuels atomiques étalés de manière homogène dans le temps, mais par bouffées sécrétoires massives où des millions de molécules traversent les fentes synaptiques de façon synchrone.
De façon comparable, dans l’observation des comportements dyadiques mère-nourrisson, il est fréquent d’observer des manifestations émotionnelles simultanées et synchrones : un sourire expressif accompagné à la milliseconde près d’une vocalisation d’émerveillement et d’une extension des membres supérieurs. Tenter de fragmenter cet agrégat multimodal cohérent en trois événements poissoniens distincts artificiellement sérialisés constitue une mutilation du phénomène écologique étudié.
Dès lors que des occurrences se produisent par paquets synchrones, le modèle univarié de Poisson sous-estime drastiquement la variabilité du comptage global. La variance empirique explose en raison de la covariance instantanée positive régnant entre les éléments de la grappe. Pour traiter scientifiquement cette réalité empirique, il devient impératif de mobiliser les distributions de Poisson composées (Compound Poisson distributions), dans lesquelles le nombre de grappes survient selon une loi de Poisson standard, mais où la taille de chaque grappe — c’est-à-dire le nombre d’événements simultanés au sein de la grappe — constitue elle-même une variable aléatoire discrète indépendante gouvernée par sa propre distribution de probabilité (comme une loi logarithmique ou géométrique).
9. Conséquences statistiques de l’équidispersion et de sa rupture
9.1 La contrainte théorique d’égalité moyenne-variance
De l’ensemble des postulats structurels de la distribution de Poisson découle un corollaire mathématique intransigeant qui en constitue la signature numérique universelle : l’équidispersion stricte. Pour démontrer formellement cette propriété analytique fondamentale, explicitons le calcul des deux premiers moments de la variable aléatoire $X \sim \mathcal{P}(\lambda)$. L’espérance mathématique s’obtient par la sommation pondérée par la fonction de masse univariée :
$$\mathbb{E}[X] = \sum_{k=0}^{\infty} k \frac{\lambda^k e^{-\lambda}}{k!} = \sum_{k=1}^{\infty} \frac{\lambda \cdot \lambda^{k-1} e^{-\lambda}}{(k-1)!} = \lambda e^{-\lambda} \sum_{m=0}^{\infty} \frac{\lambda^m}{m!} = \lambda e^{-\lambda} e^{\lambda} = \lambda$$
Pour dériver la variance mathématique $\text{Var}(X) = \mathbb{E}[X(X-1)] + \mathbb{E}[X] – (\mathbb{E}[X])^2$, calculons le moment factoriel de second ordre :
$$\mathbb{E}[X(X-1)] = \sum_{k=0}^{\infty} k(k-1) \frac{\lambda^k e^{-\lambda}}{k!} = \lambda^2 \sum_{k=2}^{\infty} \frac{\lambda^{k-2} e^{-\lambda}}{(k-2)!} = \lambda^2$$
En réinjectant ce résultat dans la formule de la variance, il vient de manière limpide :
$$\text{Var}(X) = \lambda^2 + \lambda – \lambda^2 = \lambda$$
Cette identité cardinale $\mathbb{E}[X] = \text{Var}(X) = \lambda$ implique que l’indice de dispersion de Fisher, défini par le ratio scalaire :
$$\phi = \frac{\text{Var}(X)}{\mathbb{E}[X]}$$
doit être théoriquement égal à l’unité ($phi = 1$) pour toute variable aléatoire poissonnienne. Cette équidispersion est une contrainte paramétrique extrêmement sévère : la dispersion des points observés autour de la moyenne est entièrement verrouillée par la valeur de la moyenne elle-même. Aucun paramètre libre additionnel n’est disponible pour ajuster la largeur de la distribution indépendamment de son espérance. Cette rigidité confère certes au modèle une parcimonie mathématique inégalée, mais elle rend le cadre d’inférence hyper-vulnérable aux aléas empiriques inhérents aux sciences biologiques et humaines.
9.2 La surdispersion : causes mécaniques et conséquences inférentielles
Dans la pratique quantitative réelle, le constat d’une violation du postulat d’équidispersion par surdispersion (caractérisée par un indice de dispersion empirique $\hat{\phi} = \frac{s^2}{\bar{x}} > 1$) constitue la pathologie statistique la plus massivement rencontrée. Les origines mécaniques de la surdispersion sont doubles : l’hétérogénéité inobservée entre les unités expérimentales et la corrélation sérielle positive entre les occurrences.
L’hétérogénéité non observée (ou fragilité latente) émerge du fait qu’il est impossible, dans une étude psychologique ou biomédicale, de mesurer et de contrôler l’intégralité des variables individuelles influençant le comportement des sujets. Supposons que chaque individu $i$ au sein d’une population possède sa propre intensité d’occurrence $\lambda_i$, et que ces intensités varient d’un individu à l’autre selon une distribution de probabilité continue non observée $g(lambda)$ présentant une variance $\sigma^2_\lambda > 0$. Même si chaque individu génère localement des événements selon un processus poissonnien parfait conditionnellement à son propre $\lambda_i$, le mélange résultant au niveau populationnel présentera inévitablement une variance marginale marginale excédant la moyenne :
$$\text{Var}(Y) = \mathbb{E}[\text{Var}(Y mid \lambda)] + \text{Var}(\mathbb{E}[Y mid \lambda]) = \mathbb{E}[\lambda] + \text{Var}(\lambda) = \mathbb{E}[Y] + \sigma^2_\lambda > \mathbb{E}[Y]$$
Les conséquences de cette surdispersion non corrigée sur la régression de Poisson sont méthodologiquement dévastatrices. L’estimation des coefficients de régression $\hat{boldsymbol{\beta}}$ par le maximum de vraisemblance demeure asymptotiquement sans biais et consistante, car la structure de l’espérance conditionnelle reste correctement spécifiée. En revanche, la matrice de variance-covariance asymptotique des coefficients est calculée sous la contrainte erronée de l’égalité moyenne-variance. Il en résulte que les erreurs-types standards (standard errors) associées aux coefficients sont massivement sous-estimées :
$$\text{SE}_{\text{Poiss}}(\hat{\beta}) \approx \frac{\text{SE}_{\text{réelle}}(\hat{\beta})}{\sqrt{\phi}}$$
Avec un ratio de surdispersion courant de $phi = 4$, les erreurs-types estimées par le modèle de Poisson conventionnel sont artificiellement divisées par deux. Cette troncature dramatique gonfle artificiellement les statistiques de Wald $z = \frac{\hat{\beta}}{\text{SE}(\hat{\beta})}$, rétrécit fallacieusement les intervalles de confiance à 95 %, et effondre les p-valeurs. Des prédicteurs totalement dénués d’influence réelle affichent alors une significativité statistique éclatante, induisant une prolifération incontrôlable d’erreurs de type I et sapant irrémédiablement la reproductibilité de la recherche scientifique.
9.3 La sous-dispersion : rareté théorique et contextes d’apparition
Bien que moins fréquente dans la littérature empirique que la surdispersion, la sous-dispersion — caractérisée par un indice de dispersion de Fisher strictement inférieur à l’unité ($phi = frac{text{Var}(X)}{mathbb{E}[X]} < 1$) — représente une violation symétrique tout aussi perturbatrice des fondements poissoniens. Dans une distribution sous-dispersée, les données observées manifestent une régularité et une homogénéité nettement supérieures à ce que prédirait le pur hasard stochastique.
La sous-dispersion apparaît de façon prototypique dans les processus biologiques ou cognitifs caractérisés par des mécanismes d’inhibition active, de rétroaction négative stricte ou de périodes réfractaires obligatoires. En électrophysiologie neuronale, après avoir généré un potentiel d’action, le neurone traverse une phase d’inactivation absolue des canaux sodiques voltage-dépendants (période réfractaire absolue) durant laquelle aucun nouveau potentiel d’action ne peut être émis, suivie d’une phase de récupération relative. Ce délai mécanique empêche tout regroupement d’influx et contraint les décharges à s’espacer de manière quasi-périodique le long du temps.
De même, dans les protocoles d’évaluation psychologique où les participants sont contraints par un protocole rigide — par exemple, une tâche motrice synchronisée sur un métronome imposant une limite supérieure au débit moteur —, les comptages d’occurrences manifestent une variance ultra-réduite. Sur le plan de l’inférence statistique, ignorer la sous-dispersion conduit au vice inverse de la surdispersion : le modèle de Poisson standard surestime artificiellement les erreurs-types des paramètres. Les statistiques de test se retrouvent indûment déprimées, entraînant une perte dramatique de puissance statistique et une multiplication délétère des erreurs de type II (non-rejet de l’hypothèse nulle en présence d’un effet réel).
10. Tests empiriques et diagnostics d’adéquation du modèle de Poisson
10.1 Tests statistiques formels de surdispersion
Pour immuniser le processus de décision statistique contre les pièges de l’équidispersion fallacieuse, le chercheur doit soumettre ses données à des tests formels d’ajustement avant de valider toute conclusion inférentielle. Le diagnostic de premier niveau repose sur la statistique de dispersion de Pearson, notée $\chi^2_{\text{Pearson}}$, calculée à partir de la somme des carrés des résidus de Pearson standardisés :
$$\chi^2_{\text{Pearson}} = \sum_{i=1}^N \frac{(y_i – \hat{\mu}_i)^2}{\hat{\mu}_i}$$
Sous l’hypothèse nulle d’équidispersion parfaite du modèle de Poisson bien spécifié, cette quantité suit asymptotiquement une distribution du khi-deux dont le nombre de degrés de liberté est égal à la taille d’échantillon amputée du nombre de coefficients estimés dans le modèle : $\chi^2_{\text{Pearson}} \sim \chi^2(N – p)$. Le ratio $\hat{\phi} = \frac{\chi^2_{\text{Pearson}}}{N – p}$ fournit une estimation empirique du paramètre d’échelle ; une valeur s’écartant substantiellement de 1 (typiquement $\hat{\phi} > 1{,}2$) déclenche une alerte méthodologique majeure.
Pour tester formellement la significativité de cette déviation, Cameron et Trivedi (1990) ont développé un test du score robuste fondé sur la structure résiduelle. Ce test formalise la variance alternative sous la forme fonctionnelle générale $\text{Var}(Y_i mid \mathbf{x}_i) = \mu_i + \alpha g(\mu_i)$, où $g(\mu)$ prend la forme linéaire $g(\mu) = \mu$ (formulation NB1) ou quadratique $g(\mu) = \mu^2$ (formulation NB2). L’hypothèse nulle d’équidispersion équivaut à tester $H_0: \alpha = 0$ contre l’hypothèse alternative de surdispersion unilatérale $H_1: \alpha > 0$. Le test s’exécute en effectuant la régression linéaire sans constante de la variable transformée :
$$z_i = \frac{(y_i – \hat{\mu}_i)^2 – y_i}{\hat{\mu}_i \sqrt{2}}$$
sur la quantité $\frac{g(\hat{\mu}_i)}{\sqrt{2}}$, et en examinant la statistique de Student associée au coefficient de pente estimé. Une statistique significative à un seuil conventionnel ($p < 0{,}05$) impose le rejet catégorique du modèle poissonnien.
Enfin, lorsque le chercheur confronte le modèle de Poisson à un modèle concurrent paramétrique emboîté autorisant la surdispersion, tel que la régression binomiale négative, le test du rapport de vraisemblance (LRT, pour Likelihood Ratio Test) peut être mobilisé. Cependant, dans la mesure où le paramètre d’hétérogénéité $\alpha$ est contraint d’être non négatif dans la binomiale négative, le test de l’hypothèse nulle $\alpha = 0$ se situe sur la frontière de l’espace des paramètres. Comme l’ont démontré Stoel et ses collaborateurs, la distribution asymptotique sous l’hypothèse nulle n’est pas un khi-deux standard à un degré de liberté $\chi^2(1)$, mais un mélange probabiliste d’une masse de Dirac en zéro et d’un khi-deux : $\frac{1}{2}\chi^2(0) + \frac{1}{2}\chi^2(1)$. Ajuster la p-valeur en conséquence (en divisant par deux la p-valeur conventionnelle) est crucial pour éviter de rejeter indûment le modèle de Poisson.
10.2 Outils graphiques et vérifications d’ajustement global
L’évaluation de la validité d’un modèle de comptage ne saurait se cantonner à des tests de signification formels ponctuels, dont la puissance statistique dépend drastiquement de la taille de l’échantillon $N$. Une instrumentation graphique adaptée aux distributions discrètes constitue une condition méthodologique indispensable pour inspecter la topographie précise des écarts au modèle.
L’un des instruments diagnostiques les plus puissants est le rootogram suspendu (hanging rootogram), conceptualisé par John Tukey et perfectionné pour les modèles de comptage par Kleiber et Zeileis (2016). Dans un histogramme classique comparant fréquences observées et théoriques, les écarts verticaux sont masqués par la variabilité de la hauteur des barres, et l’œil humain peine à identifier les dérives systématiques pour les comptages élevés dont les fréquences absolues sont faibles. Le rootogram résout ce biais perceptif par deux opérations fondamentales :
- Il applique une transformation par racine carrée aux fréquences observées et attendues ($\sqrt{\text{fréquence}}$), stabilisant la variance d’échantillonnage des effectifs de comptage et révélant clairement les discordances dans les queues de distribution.
- Il suspend les barres représentant les fréquences observées directement depuis la courbe théorique prédite par le modèle, alignant le bas de chaque barre sur l’axe horizontal zéro. Dès lors, le chercheur repère instantanément les sous-estimations (barres plongeant au-dessous de l’axe zéro) et les surestimations (barres flottant au-dessus de l’axe) pour chaque valeur cardinale $k in {0, 1, 2, dots}$.
Un autre outil incontournable est le graphique quantile-quantile (Q-Q plot) basé sur les résidus quantiles randomisés (randomized quantile residuals) introduits par Dunn et Smyth. Les résidus ordinaires (bruts, Pearson ou déviance) appliqués à des variables discrètes affichent des structures en bandes discontinues qui rendent les graphiques Q-Q classiques ininterprétables. Les résidus quantiles randomisés éliminent cet artefact en injectant une composante aléatoire uniforme contrôlée entre les limites de probabilité cumulative de chaque point discret :
$$r_{Q,i} = \Phi^{-1}\left(u_i\right), \quad \text{où } u_i \sim \mathcal{U}\left(F(y_i – 1; \hat{\lambda}_i), F(y_i; \hat{\lambda}_i)\right)$$
où $\Phi^{-1}$ est la fonction quantile de la loi normale centrée réduite et $F$ la fonction de répartition cumulative de Poisson. Si le modèle de Poisson est rigoureusement conforme à la structure génératrice des données, ces résidus doivent se distribuer selon une loi normale standard parfaite $\mathcal{N}(0, 1)$, s’alignant impeccablement le long de la diagonale de référence du graphique Q-Q sans courbure ni décollement des extrémités.
11. Modèles alternatifs lors de la défaillance des hypothèses
11.1 Modélisation de l’hétérogénéité par la distribution binomiale négative
Lorsque les protocoles diagnostiques établissent la présence irréductible d’une surdispersion induite par l’hétérogénéité latente non mesurée entre les participants, la distribution binomiale négative (particulièrement sa variante quadratique canonique, le modèle NB2) s’impose comme la solution de substitution paramétrique la plus robuste. D’un point de vue probabiliste, la loi binomiale négative émerge naturellement comme un mélange continu Poisson-Gamma.
Dans ce formalisme, on postule que conditionnellement à un paramètre d’intensité individuel spécifique $\tilde{\lambda}_i$, la variable dépendante $Y_i$ suit une loi de Poisson : $Y_i mid \tilde{\lambda}_i \sim \mathcal{P}(\tilde{\lambda}_i)$. Cependant, l’intensité individuelle n’est plus fixe ; elle intègre un terme d’erreur multiplicatif stochastique $\nu_i$ tel que $\tilde{\lambda}_i = \mu_i \nu_i$, où $\mu_i = \exp(\mathbf{x}_i^top boldsymbol{\beta})$ représente l’intensité moyenne prédite par les covariables, et où la variable latente $\nu_i$ suit une distribution Gamma de moyenne 1 et de variance d’échelle $\alpha$ : $\nu_i \sim \text{\Gamma}(\text{forme} = 1/\alpha, \text{échelle} = \alpha)$. En intégrant la distribution conditionnelle de Poisson sur l’ensemble de la densité Gamma de $\nu_i$, on obtient la fonction de masse de probabilité marginale univariée de la binomiale négative :
$$\mathbb{P}(Y = y mid \mu, \alpha) = \frac{\Gamma(y + \alpha^{-1})}{y! , \Gamma(\alpha^{-1})} \left(\frac{\alpha^{-1}}{\mu + \alpha^{-1}}\right)^{\alpha^{-1}} \left(\frac{\mu}{\mu + \alpha^{-1}}\right)^y$$
L’espérance mathématique de cette distribution demeure identique à celle du modèle de Poisson : $\mathbb{E}[Y] = \mu$. En revanche, sa structure de variance est déverrouillée par l’incorporation d’un terme quadratique proportionnel au paramètre de dispersion $\alpha > 0$ :
$$\text{Var}(Y) = \mu + \alpha \mu^2$$
Ce découplage théorique permet à la variance d’excéder largement la moyenne, absorbant l’hétérogénéité interindividuelle caractéristique des recherches en psychologie différentielle et clinique sans distordre l’échelle de régression. Lorsque le paramètre de dispersion $\alpha$ converge vers zéro, le modèle converge asymptotiquement vers la distribution de Poisson standard, restaurant l’équidispersion.
11.2 Gestion de l’excès de zéros : modèles Hurdle et ZI-Poisson
Dans de nombreuses configurations expérimentales en sciences du comportement, l’invalidation du modèle de Poisson provient non seulement d’une surdispersion globale, mais d’une prolifération disproportionnée de valeurs nulles ($y = 0$). Dans l’étude de comportements hautement pathologiques ou stigmatisants — comme le nombre de tentatives de suicide, la consommation d’héroïne chez des collégiens, ou des conduites phobiques majeures —, une écrasante majorité de l’échantillon enregistre rigoureusement zéro occurrence sur la période d’investigation.
Pour traiter cette structure bipolaire, deux cadres théoriques distincts ont été formalisés :
- Le modèle à franchissement d’obstacle ou modèle « Hurdle » : Introduit par Mullahy, ce modèle postule une disjonction complète entre deux processus générateurs de données séquentiels. Un premier mécanisme binaire régit le franchissement du seuil zéro via une régression logistique ou probit modélisant la probabilité $\mathbb{P}(Y = 0)$. Si le seuil est franchi ($Y > 0$), un second processus stochastique complètement indépendant prend le relais pour gouverner la magnitude du comptage positif, formalisé par une distribution de Poisson tronquée à zéro (Zero-Truncated Poisson, ZTP). Il n’y a aucune porosité entre les deux états : les zéros proviennent exclusivement du premier mécanisme.
- Le modèle de Poisson avec inflation de zéros (ZIP, pour Zero-Inflated Poisson) : Conceptualisé par Lambert (1992), ce modèle repose sur une théorie de mélange fini d’états latents. Il postule que la population échantillonnée est constituée de deux sous-populations inobservables :
- Une sous-population en état « zéro structurel », dont les membres ont une probabilité égale à 1 de produire zéro événement (par exemple, des individus radicalement abstinents qui ne boiront jamais une goutte d’alcool quel que soit le contexte).
- Une sous-population en état « poissonnien », dont les membres ont un comportement régi par un processus de comptage de Poisson standard pouvant occasionnellement générer la valeur zéro par simple aléa d’échantillonnage (« zéro accidentel »).
La fonction de masse du modèle ZIP superpose mathématiquement ces deux composantes :
$$\mathbb{P}(Y = y) = \begin{\cases} \pi + (1 – \pi) e^{-\lambda}, & \text{si } y = 0 \ (1 – \pi) \frac{\lambda^y e^{-\lambda}}{y!}, & \text{si } y > 0 \end{\cases}$$
où $\pi in ]0, 1[$ désigne la probabilité d’appartenance à la classe latente des zéros structurels. Ce modèle permet d’estimer simultanément deux équations de régression : l’une pour prédire la propension à appartenir à la classe d’abstention structurelle, l’autre pour déterminer l’intensité de consommation chez les sujets potentiellement actifs.
11.3 Processus de quasi-Poisson pour les corrections de variance
Lorsqu’un chercheur est confronté à une surdispersion modérée à forte mais répugne à formuler des hypothèses paramétriques rigides sur la distribution sous-jacente — comme l’imposition de la distribution Gamma dans le modèle binomial négatif —, la théorie de la quasi-vraisemblance formalisée par Wedderburn (1974) offre une alternative semi-paramétrique d’une élégance et d’une robustesse computationnelle exceptionnelles.
Dans l’approche Quasi-Poisson, le statisticien renonce délibérément à spécifier une fonction de masse de probabilité exacte et exhaustive pour la variable réponse. L’estimation s’appuie uniquement sur la formulation des deux premiers moments de la distribution conditionnelle :
$$\mathbb{E}[Y_i mid \mathbf{x}_i] = \mu_i = \exp(\mathbf{x}_i^top boldsymbol{\beta}), \quad \text{et} \quad \text{Var}(Y_i mid \mathbf{x}_i) = \phi \mu_i$$
Le paramètre d’échelle empirique $phi > 0$ n’est pas contraint à l’unité : il est directement estimé à partir des données par le biais de la statistique de Pearson résiduelle :
$$\hat{\phi} = \frac{1}{N – p} \sum_{i=1}^N \frac{(y_i – \hat{\mu}_i)^2}{\hat{\mu}_i}$$
Les équations d’estimation des coefficients de régression $\hat{boldsymbol{\beta}}$ demeurent strictement identiques à celles du modèle de Poisson conventionnel par résolution des équations de quasi-score. En revanche, la matrice de variance-covariance asymptotique des estimateurs est systématiquement corrigée par le facteur multiplicatif $\hat{\phi}$ :
$$\text{Var}_{\text{Quasi}}(\hat{boldsymbol{\beta}}) = \hat{\phi} \left( \mathbf{X}^top \mathbf{W} \mathbf{X} \right)^{-1}$$
où $\mathbf{W} = \text{diag}(\hat{\mu}_i)$. Cette correction proportionnelle regonfle instantanément les erreurs-types des coefficients par un facteur $\sqrt{\hat{\phi}}$, restaurant la validité nominale des tests d’hypothèses et des intervalles de confiance sans exiger l’adhésion dogmatique à une famille paramétrique spécifique. Le modèle Quasi-Poisson représente ainsi le compromis idéal entre flexibilité distributionnelle et rigueur inférentielle en présence de surdispersion linéaire.
12. Guide méthodologique pour le chercheur : validation pas à pas des hypothèses
12.1 Arbre décisionnel pré-analytique pour la conception d’études
Pour garantir que l’architecture méthodologique d’une recherche expérimentale ou translationnelle s’aligne rigoureusement sur les réquisits de la modélisation de Poisson, le chercheur doit déployer un audit décisionnel pré-analytique structuré dès la phase d’élaboration des protocoles. Cette démarche préventive évite de recueillir des données condamnées d’avance à l’invalidation statistique.
Le protocole décisionnel s’articule autour des jalons interrogatifs suivants :
- Audit ontologique de la variable dépendante : La mesure représente-t-elle le comptage cardinal d’unités comportementales atomiques distinctes ($y in \mathbb{N}$) ? Si la variable correspond à une durée continue déguisée, à un pourcentage borné ou à un score composite ordinal, réorienter immédiatement le plan analytique vers des modèles de survie (loi de Weibull, modèle de Cox), des régressions bêta, ou des modèles d’équations structurelles basés sur la théorie de la réponse aux items (IRT).
- Calibrage de la résolution chronométrique et prévention des co-occurrences : L’appareillage de recueil de données dispose-t-il d’une fréquence d’échantillonnage suffisamment fine pour exclure la simultanéité artificielle ? Si les événements se produisent en grappes synchrones irréductibles, anticiper la modélisation par des processus de Poisson composés ou des modèles multiniveaux.
- Contrôle de la stabilité temporelle du contexte : Le taux d’intensité de l’événement est-il plausiblement invariant durant toute la session d’observation ? Si des effets d’apprentissage, d’épuisement ou des rythmes périodiques sont prévisibles, concevoir le protocole pour enregistrer précisément les coordonnées temporelles $t$ de chaque occurrence afin de permettre l’estimation d’un processus de Poisson non homogène intégrant des splines temporelles ou des termes de régression autorégressifs.
12.2 Protocole d’estimation et de sélection du modèle optimal
Une fois les données collectées, le processus d’analyse statistique doit suivre une trajectoire analytique formelle pour sélectionner le modèle le plus parcimonieux et inférentiellement valide, en conformité stricte avec les standards de reporting académique de l’American Psychological Association (APA) régissant les modèles linéaires généralisés.
Le chercheur doit débuter par l’ajustement du modèle de Poisson de référence intégrant, le cas échéant, l’offset temporel $\ln(t_i)$. Immédiatement après cette estimation, l’analyste procède au calcul systématique de la statistique de dispersion de Pearson $\hat{\phi}$ et à l’exécution du test du score de Cameron et Trivedi. Si l’hypothèse d’équidispersion est catégoriquement rejetée, le chercheur estime en parallèle le modèle binomial négatif (NB2), le modèle Quasi-Poisson, et, si la proportion d’observations nulles excède substantiellement les prédictions poissonniennes théoriques, les modèles à inflation de zéros (ZIP, ZINB) ou les modèles Hurdle.
Pour arbitrer objectivement entre ces architectures concurrentes, l’utilisation conjointe de critères d’information pénalisée et de procédures de validation croisée est requise :
- Critères d’information : L’arbitrage entre modèles non emboîtés (par exemple un modèle de Poisson standard versus un modèle binomial négatif) repose sur la comparaison du critère d’information d’Akaike (AIC) et du critère d’information bayésien (BIC) :
$$\text{AIC} = -2 \ln(\hat{\mathcal{L}}) + 2p, \quad \text{BIC} = -2 \ln(\hat{\mathcal{L}}) + p \ln(N)$$
Le modèle affichant les valeurs d’AIC et de BIC les plus faibles d’au moins 4 à 10 points est sélectionné comme présentant le compromis optimal entre ajustement empirique et parcimonie paramétrique. - Test de Vuong pour l’inflation de zéros : La supériorité formelle d’un modèle avec inflation de zéros (ZIP) par rapport à un modèle conventionnel sans inflation (Poisson) ne peut être déduite d’un simple test de rapport de vraisemblance, car les modèles ne sont pas strictement emboîtés. Le test non paramétrique de Vuong est requis : une statistique $V > +1{,}96$ valide définitivement la supériorité significative de l’architecture avec inflation de zéros.
Enfin, le reporting académique selon les normes professionnelles impose de ne jamais se limiter à consigner les coefficients bruts et leurs p-valeurs. L’article doit impérativement rapporter : (1) l’indice de dispersion empirique $\hat{\phi}$ et la justification formelle du choix distributionnel ; (2) les ratios de taux d’incidence ($\text{IRR} = \exp(\hat{\beta})$) accompagnés de leurs intervalles de confiance à 95 % exacts ; (3) les diagnostics graphiques attestant de l’ajustement global des résidus, idéalement sous la forme d’un rootogram suspendu et d’un graphique quantile-quantile des résidus quantiles randomisés. Cette rigueur méthodologique sans concession est le seul rempart garantissant la solidité scientifique des inférences issues de l’analyse des données de comptage.
Références
Al-Osh, M. A., & Aly, E. E. A. A. (1992). First-order autoregressive time series with negative binomial and geometric marginals. Communications in Statistics – Theory and Methods, 21(9), 2483–2492. https://doi.org/10.1080/03610929208830925
American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://apastyle.apa.org/
Cameron, A. C., & Trivedi, P. K. (1990). Regression-based tests for overdispersion in the Poisson model. Journal of Econometrics, 46(3), 347–364. https://doi.org/10.1016/0304-4076(90)90014-K
Cameron, A. C., & Trivedi, P. K. (2013). Regression analysis of count data (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781139013567
Cox, D. R., & Lewis, P. A. W. (1966). The statistical analysis of series of events. Chapman and Hall. https://www.wiley.com/en-us/The+Statistical+Analysis+of+Series+of+Events-p-9780412151606
Doob, J. L. (1953). Stochastic processes. John Wiley & Sons. https://link.springer.com/book/10.1007/978-1-4612-0949-2
Dunn, P. K., & Smyth, G. K. (1996). Randomized quantile residuals. Journal of Computational and Graphical Statistics, 5(3), 236–244. https://doi.org/10.1080/10618600.1996.10474708
Hawkes, A. G. (1971). Spectra of some self-exciting and mutually exciting point processes. Biometrika, 58(1), 83–90. https://doi.org/10.1093/biomet/58.1.83
Hilbe, J. M. (2011). Negative binomial regression (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511973420
Kleiber, C., & Zeileis, A. (2016). Visualizing count data regressions using rootograms. The American Statistician, 70(3), 296–303. https://doi.org/10.1080/00031305.2016.1173591
Lambert, D. (1992). Zero-inflated Poisson regression, with an application to defects in manufacturing. Technometrics, 34(1), 1–14. https://doi.org/10.1080/00401706.1992.10485222
McCullagh, P., & Nelder, J. A. (1989). Generalized linear models (2nd ed.). Chapman and Hall/CRC. https://www.routledge.com/Generalized-Linear-Models/McCullagh-Nelder/p/book/9780412317606
Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23. https://doi.org/10.1093/biomet/37.1-2.17
Mullahy, J. (1986). Specification and testing of some modified count data models. Journal of Econometrics, 33(3), 341–365. https://doi.org/10.1016/0304-4076(86)90002-3
O’Hara, R. B., & Kotze, D. J. (2010). Do not log-transform count data. Methods in Ecology and Evolution, 1(2), 118–122. https://besjournals.onlinelibrary.wiley.com/doi/10.1111/j.2041-210X.2010.00021.x
Poisson, S. D. (1837). Recherches sur la probabilité des jugements en matière criminelle et en matière civile, précédées des règles générales du calcul des probabilités. Bachelier. https://gallica.bnf.fr/ark:/12148/bpt6k1101918
Snyder, D. L., & Miller, M. I. (1991). Random point processes in time and space (2nd ed.). Springer-Verlag. https://link.springer.com/book/10.1007/978-0-387-49835-5
Stoel, R. D., Garre, F. G., Dolan, C., & van den Wittenboer, G. (2006). On the likelihood ratio test in structural equation modeling when parameters are subject to boundary constraints. Psychological Methods, 11(4), 439–455. https://doi.org/10.1037/1082-989X.11.4.439
Vuong, Q. H. (1989). Likelihood ratio tests for model selection and non-nested hypotheses. Econometrica, 57(2), 307–333. https://doi.org/10.2307/1912557
Wedderburn, R. W. M. (1974). Quasi-likelihood functions, generalized linear models, and the Gauss—Newton method. Biometrika, 61(3), 439–447. https://doi.org/10.1093/biomet/61.3.439
Wood, S. N. (2017). Generalized additive models: An introduction with R (2nd ed.). Chapman and Hall/CRC. https://www.crcpress.com/Generalized-Additive-Models-An-Introduction-with-R-Second-Edition/Wood/p/book/9781498728331