数据分析基于380个样本，样本时间跨度从2010年到2017年。
【结论更新】
概率这个东西，本来就是多个样本的统计，体现一般规律，但很难从单个个体来决断总体的分布情况。所以有人说没什么意义的，你们自己高兴就好。
这两张图，给的就是申请者一个宏观心理预期，就像买彩票样的。
被拒的，大概率都会拒得比较早，大多在4个月的时候被拒。所以那些4个月还没有被拒的，你成功的机会要多一点点。
被批准的，大概率会比较晚一点，大多数在5个月的时候被批准。
再看被批准概率/被拒概率 (S/F ratio)，申请8个月这个比例达到最大。虽然ICA说一般6个月会有结果，如果你的申请拖了6个月还没消息的，不要着急，成功可能离你更近了。
数据是从统计表里得到的，由于原始统计表做得比较粗糙，对申请者的申请条件没有仔细分类。对原始数据里的申请条件文本重新分类是一项很繁琐费时的事情，所以目前只有申请时间这一条信息是最有价值的了。各位仁者见仁，智者见智，请尊重别人的劳动成果，别乱喷。
一年要批2w个pr，7年就是14w个，你只有380个数据，连采样都不足，还敢说是大数据，搞笑了。
不要乱喷，请尊重一下别人的劳动成果好吧？一年批准2万个，又不是所有人都会把结果提交到统计表中。380个数据已经是所有的了，至少在统计上还是有些指导意义的。
有一定的参考意义，但是不大。
样本太少，样本的条件不详。
拖的时间越长，被批准的概率越低，申请失败的概率也越低。
没读懂这句话。。。。。。。
等待解读
没有什么意义啊，只是用申请时间，根本不能说明什么，还不如说只有50%几率，批准或被拒。
我勒个去。。。
就一个条件？？？？只看申请时间？？？？
兄弟你这个真不是大数据分析。。。
充其量只能算是一条变量的批准率
1.本来数据量和面就小。
2.只参照时间函数就更难借鉴。
3.再加上pr的每年的条件变化，
所以参考价值很低。
其实很简单，头三个月或五个月，不够初始条件的肯定拒了，条件没问题的一定批了。剩下纠结的时间长过五个月的，必然有批有拒，50% 上下
原始数据中只有这条是最可靠的，结论已更新。
结论已更新。
NONONONO, 超过五个月的，被拒的概率比被批准的概率要低。并不是一半一半。
这是刻舟求剑啊。
2010年到2017年，政策变化了N次。
2010年到2012年左右，基本上居住3年工资满4000，就肯定能批了。而且当时的等待时间普遍是4个月左右。偶尔有超过半年的。
之后越来越难，现在月薪7000，居住5年以上都很难批。现在外国人条件压线的等批准都要10个月，甚至更久。
你就看MOM就知道了，2010年，EP线只有2600，而且只要是有EP就可以带直系亲属，现在带家属的线是6000，涨了一倍还多。说明新加坡政府对外国人要求是越来越高了，所以你这个统计完全没有意义。因为各个时期标准都不一致。
我讲的是总体分布，你使劲强调个体差异。统计的意义就是包含了个体差异体现出的总体特征。照你的逻辑，即使统计2017年这一年的数据也是没有意义的了，因为年头和年尾可能概率也不一样。
你硬要讲阶段政策不一样性也是可以，如果子阶段数据量多，同样可以分阶段进行统计，但那是子阶段的总体特征。
纯从分析的角度回复一下
这个S/F，我的感觉只是把第一张图里两个数除一下，到底有什么意义很难讲，或者说，这个metric没有很大实际应用上的价值。
与其显示当前月S/F，不如计算>N个月的S/(S+F)，这个数表示，如果N个月了还没有消息，那么批准的可能性是多少。
你要算大于N个月的胜算，简单算t = N 这条直线与曲线之间所围成的面积即可。
S/F 当然有意义，相比一个胜算和败算五五开的事情和一个胜算败算七三开的事情，你更愿意做哪个呢？
这种数据本来就不适合整体统计。
整体统计是保证一个标准的前提下，但这些数据标准根本就不统一。
比如，统计人能举起多少公斤的东西。
找了一个小孩，从他出生开始统计，2岁能举1千克，20岁能举30千克，60岁能举15千克，80岁能举5千克。
最后按你的计算方式，结论是人能举12.6千克的东西。这个数据完全没意义。
因为在2岁阶段和80岁阶段，他百分之100不可能举到12.6千克的东西。所以这么统计对于个体来说完全没有意义。
正确做法应该是找n个两岁小孩统计一下在2岁这个条件下，人能举多少东西。N个20岁的人能举多少东西，以此类推。
这样数据才有意义，才可以对比目标的条件，推算出目标应该能举多少东西。
换到PR申请条件这里，2岁相当于2010年（相对松），20岁相当于2017年（相对严）。
2010年的时候，等4个月的基本都批了。
而2017年，等10个月也只是个正常等待时间。
你却把各种变化的条件统一起来算。就算算出来平均等待时间是6个月，那对这对2017年的申请也没有意义啊，因为你可以看一下2017年，几乎没有人是6个月之内批的（除了家属）。而2010年，几乎就没有人等半年以上的（无论批还是拒）。
而且照我的逻辑，如果2017年按照同一个标准审批，那就是有意义的。我并没有说单纯统计2017年没意义吧。
看了有点乱，请问下 x轴 y轴分别代表什么
y 是时间，0-14个月
x 是百分比，（未论证，不确定）
顶一个，大兄弟。
我之前想通过ML，feature engineering，把数据feed进去，训练一个模型。
可惜数据量真是不够
统计学上是不是有一个公式可以用在数据量太少的情况？
以前曾3次申请都被拒 而且都是等了快10个月 不一定的
只有一个变量，对审批的官员是一种耻辱，他们要做的就是把申请材料放在那里，等时间到了，就批或者拒
:)EP PR群里最不缺少一些键盘侠 但凡有人出了一些干货 总要喷的 楼主 习惯了就好 以后不用做这么多了
:)lz我支持你 第4个月的时候是最危险的时候 身边朋友秒拒都是第4个月 5-6个月是批准最多的时候 如果过了半年多没消息 不在第一批批准之内 就是条件在考虑当中 这类朋友上诉或者提高一点条件 下次批准机率非常大
分析的很透彻