¿Qué es un suceso raro? ¿Se pueden controlar? ¿Se pueden predecir? ¿Estimar?. El tratamiento de sucesos raros, sucesos que ocurren con una probabilidad baja, es un problema complejo y amplio cuyo tratamiento se enmarca en el ámbito de modelización de la incertidumbre y teoría de la decisión. En las últimas décadas se han desarrollado numerosas técnicas de análisis y modelización de datos en distintas áreas de la estadística y la Inteligencia Artificial que se han aplicado al estudio de sucesos raros. La Minería de Datos, que engloba a aquellas técnicas que operan de forma automática requiriendo de la mínima intervención humana, es eficiente para trabajar con las grandes cantidades de información disponibles en bases de datos de numerosos problemas prácticos. Así, los modelos de Inteligencia Artificial, tales como las redes bayesianas son utilizadas en este trabajo con el fin de estimar la probabilidad de ocurrencia de un suceso raro. En este trabajo se presenta un modelo y una metodología que, a partir de los datos brutos de los que se dispone habitualmente a la hora de estudiar cualquier problema, en el marco del análisis de datos, sistematiza el estudio de sucesos raros y es capaz de estudiar diferentes situaciones que modifican la probabilidad de ocurrencia de estos. Para su evaluación se propone la utilización de una modificación de la curva ROC, la curva ROCDM, desarrollada también en este trabajo. El modelo desarrollado en esta tesis recibe el nombre de Naive-Poisson por combinar la estructura Naive-Bayes para redes bayesianas y la distribución de Poisson. Como aplicación práctica se presenta en este documento la utilización del modelo Naive-Poisson en el caso concreto de accidentes de tráfico, tratados como sucesos raros. Se aplica en el estudio de situaciones alternativas y se evalúa además la calidad de las predicciones usando la curva ROCDM.