چکیده: بانک‌ها و موسسات مالی همواره، تحت شرایطی، به مشتریان خود وام‌هایی را اعطاء می‌کنند. بر اساس عملکرد مشتریان در بازپس دادن وام‌ها، می‌توان آن‌ها را به سه دسته تقسیم کرد. دسته اول مشتریانی هستند که به‌طور کامل ارتباطشان با بانک قطع می‌شود؛ به این افراد متقلب می‌گویند که زمان بقای پرداخت وام آن‌ها برابر صفر است. دسته دوم مشتریانی هستند که به بازپرداخت وام خود اهمیتی نمی‌دهند اما برخلاف متقلبین، این بازپرداخت تا مدتی ادامه پیدا می‌کند و سپس قطع می‌گردد. این دسته از مشتریان زمان بقای بازپرداخت وام مثبت دارند ولی در نهایت ممکن است به متقلب تبدیل شوند. به این نوع مشتریان، قصورکننده می‌‌گویند. دسته سوم نیز مشتریانی هستند که تمام اقساطشان را به موقع پرداخت کنند. برای بیشینه‌سازی سود یک بانک، باید نرخ‌های متقلبین و قصورکنندگان آن به کم‌ترین مقدار برسد و مشتریان خوش‌حساب حداکثر شوند. بنابراین تحلیل طول زمان بقای بازپرداخت وام‌ها در هر بانک می‌تواند حیاتی باشد. تحلیل داده‌های طول زمان تا رخداد یک پدیده (که در این‌جا پدیده مورد نظر بازپرداخت وام است)، در حیطه تحلیل بقا قرار می‌گیرد. در تحلیل داده‌های بقا، مسأله اصلی یافتن یک مدل مناسب برای سنجش تاثیر عوامل مختلف بر طول زمان بقا است. با توجه به ماهیت داده‌‌های مشتریان بانک‌‌ها، بقای عدم بازپرداخت وام مشتریان متقلب و قصورکننده به صفر میل نمی‌‌کند. رده مناسب برای این نوع داده‌‌های بقا، مدل‌‌های نرخ شفایافتگی هستند. برای این مدل‌‌ها دو زیررده کلی مد‌ل‌های آمیخته و غیرآمیخته معرفی شده‌‌اند. مشکلی که بر سر راه استفاده از مدل‌‌های نرخ شفایافتگی برای تحلیل رفتار وام‌‌گیرندگان وجود دارد، وجود دسته اول یعنی متقلبین است که بقای عدم بازپرداخت برابر صفر دارند. این مساله باعث برازش نامطلوب مدل نرخ شفایافتگی می‌‌شود. در چنین مواردی به‌کارگیری مدل‌‌های آماسیده در صفر توصیه می‌‌شود. در این پایان‌نامه، ابتدا مدل نرخ شفایافتگی آماسیده در صفر را معرفی می‌کنیم و سپس از آن برای تحلیل داده‌های بازپرداخت برخی از مشتریان چهار نوع بانک ثبت‌شده در بانک مرکزی ایران، استفاده می‌کنیم.