বেঁচে থাকার বিশ্লেষণ, বিপদের হার এবং বিপদের অনুপাত

একটি বাইনারি ফলাফল ডিফল্ট ঘটেছে কিনা তা রেকর্ড করে। টাইম-টু-ইভেন্ট ডেটাও রেকর্ড করে যে কখন এটি ঘটেছিল এবং কতক্ষণ একটি অ-খেলাপি ঋণ পরিলক্ষিত হয়েছিল।

ঘড়িটি উৎপত্তি, তালিকা, নীতি গ্রহণ, বা পোর্টফোলিও এন্ট্রিতে শুরু হতে পারে। মূল পরিবর্তন ঝুঁকি সেট এবং প্রশ্নের উত্তর পরিবর্তন করে।

ইভেন্ট সংজ্ঞায়িত করুন, সময় স্কেল, পর্যবেক্ষণ উইন্ডো, বিলম্বিত এন্ট্রি, এবং একটি অনুমানকারী নির্বাচন করার আগে ঘটনা পুনরাবৃত্তি করুন। অস্পষ্ট ঘড়িগুলি অস্পষ্ট প্রশ্নের সুনির্দিষ্ট উত্তর তৈরি করে।

বেঁচে থাকার ফাংশন S(t) হল সম্ভাব্যতা যে ঘটনার সময় T অতিক্রম করে। ইভেন্টগুলি জমা হওয়ার সাথে সাথে এটি একটি থেকে পড়ে এবং দিগন্ত-নির্দিষ্ট বেঁচে থাকার সম্ভাবনাকে সমর্থন করে।

বিপত্তি h(t) হল একটি তাত্ক্ষণিক হার যা t পর্যন্ত ঘটনা-মুক্ত থাকার শর্তযুক্ত। এটি একটি ছাড়িয়ে যেতে পারে কারণ এটি একটি হার, পিরিয়ডের সম্ভাবনা নয়।

বেঁচে থাকা সময়ের সাথে সঞ্চিত বিপদ প্রতিফলিত করে। একটি উচ্চ স্বল্পস্থায়ী বিপদ এবং একটি মাঝারি ক্রমাগত বিপদ এক মুহূর্তে একটি মান ভাগ করে নেওয়া সত্ত্বেও বিভিন্ন বক্ররেখা দিতে পারে।

প্রতিটি ইভেন্টের সময়ে, কাপলান-মিয়ার অনুমানকারী পূর্বের বেঁচে থাকার অনুমানকে সেই ইভেন্টের সময় বেঁচে থাকা ঝুঁকি সেটের ভগ্নাংশ দ্বারা গুণ করে।

ডান-সেন্সর করা ইউনিটগুলি পর্যবেক্ষণের সময় অবদান রাখে এবং সেন্সরিংয়ে ঝুঁকি সেট ছেড়ে দেয়। এগুলিকে ঘটনা হিসাবে গণ্য করা হয় না বা চিরকাল বেঁচে থাকার জন্য অনুমান করা হয় না।

দেরী অনুমান কিছু অবশিষ্ট ইউনিটের উপর বিশ্রাম হতে পারে. ঝুঁকি এবং আত্মবিশ্বাসের ব্যান্ডে সংখ্যা দেখান যাতে একটি দীর্ঘ চাক্ষুষ লেজ শক্তিশালী প্রমাণের জন্য ভুল না হয়।

মধ্যম টিকে থাকা হল প্রথমবার বক্ররেখা এক-অর্ধে পৌঁছে, কিন্তু যখন অর্ধেকেরও কম ইউনিট ঘটনাটি অনুভব করে তখন এটি অনির্ধারিত।

সীমাবদ্ধ গড় বেঁচে থাকার সময় একটি নির্বাচিত দিগন্তে বক্ররেখাকে সংহত করে এবং সেই উইন্ডোর মধ্যে প্রত্যাশিত ঘটনা-মুক্ত সময় প্রকাশ করে।

লগ-র‍্যাঙ্ক পরীক্ষাটি ঝুঁকি সেট জুড়ে প্রত্যাশিত ইভেন্টগুলির সাথে সমান বক্ররেখার শূন্যের অধীনে পর্যবেক্ষিত তুলনা করে, কিন্তু একটি পি-মান প্রভাবের আকার বা সময় বর্ণনা করে না।

কক্স মডেল একটি ইউনিটের বিপত্তিকে একটি অনির্দিষ্ট বেসলাইন বিপত্তি হিসাবে একটি সূচকীয় কোভারিয়েট প্রভাব দ্বারা গুণিত করে। আংশিক সম্ভাবনা বেসলাইন আকৃতি নির্দিষ্ট না করে আপেক্ষিক প্রভাব অনুমান করে।

1.5 এর একটি বিপদ অনুপাত মানে আনুপাতিক বিপদ এবং স্থির কোভেরিয়েটের অধীনে প্রতিটি তুলনামূলক সময়ে তাত্ক্ষণিক ঘটনার হার 50% বেশি বলে অনুমান করা হয়।

এটি ক্রমবর্ধমান ইভেন্ট সম্ভাবনার 50% বৃদ্ধি, মধ্যবর্তী সময় সম্পর্কে একটি বিবৃতি, বা একটি ধ্রুবক পরম ঝুঁকি পার্থক্য নয়। বেসলাইন ঝুঁকি এখনও গুরুত্বপূর্ণ.

স্ট্যান্ডার্ড কক্স সহগ ধরে নেয় বিপদের অনুপাত সময়ের সাথে স্থির থাকে। সারভাইভাল কার্ভ ক্রসিং বা পরিবর্তনের প্রভাব সেই সারাংশের বিরোধিতা করতে পারে।

শোয়েনফেল্ড-অবশিষ্ট নিদর্শন এবং সময়ের মিথস্ক্রিয়া অ-আনুপাতিকতা নির্ণয় করতে পারে, কিন্তু একটি অগুরুত্বপূর্ণ পরীক্ষা অনুমান স্থাপন করে না।

সময়-পরিবর্তিত সহগ, স্তরবিন্যাস, নমনীয় প্যারামেট্রিক মডেল বা দিগন্ত-নির্দিষ্ট বৈপরীত্য ব্যবহার করুন যখন একটি ধ্রুবক অনুপাত প্রক্রিয়াটিকে অস্পষ্ট করে।

ঋণ খেলাপি, চুক্তি লঙ্ঘন, তহবিল বন্ধ, গ্রাহক মন্থন, এবং অধিগ্রহণের সময় অসম্পূর্ণ ফলো-আপ সহ প্রাকৃতিক ঘটনা-সময়ের ফলাফল।

সামষ্টিক অর্থনৈতিক অবস্থা এবং অ্যাকাউন্ট ভেরিয়েবল সময়ের সাথে সাথে পরিবর্তিত হতে পারে। একটি বেসলাইন কোভারিয়েট হিসাবে ভবিষ্যত তথ্য ব্যবহার করা সামনের দিকে পক্ষপাত তৈরি করে।

ডিলিস্টিং, রিফাইন্যান্সিং, এবং প্রিপেমেন্ট ক্ষতিহীন সেন্সরিংয়ের পরিবর্তে প্রতিযোগিতামূলক ইভেন্ট হতে পারে। তাদের চিকিত্সা ব্যবসা প্রশ্ন অনুসরণ করা উচিত.

ঘড়ি, ইভেন্ট, সেন্সর করার নিয়ম, প্রবেশের নিয়ম, দিগন্ত, কোভারিয়েট টাইমিং এবং কীভাবে বন্ধন বা পুনরাবৃত্তি ঘটনাগুলি পরিচালনা করা হয়েছিল তা বর্ণনা করুন।

ঝুঁকি সারণী, দরকারী দিগন্তে বেঁচে থাকার সম্ভাবনা, মধ্যক বা সীমাবদ্ধ উপায়, ব্যবধান সহ বিপদ অনুপাত, এবং অনুমান ডায়গনিস্টিক প্রদান করুন।

সবচেয়ে দরকারী উপসংহার একটি পূর্বাভাস গ্যারান্টি কল না করে, একটি নামকৃত জনসংখ্যা এবং দিগন্তের জন্য একটি পরম ইভেন্ট সম্ভাবনার সাথে আপেক্ষিক সংযোগকে একত্রিত করে।