我正面临以下问题。我有以下示例（伪数据）：
GROUP:
Year | Guys paid invoice | Guys did not paid invoice
2012 | 12.006 | 581
2013 | 13.087 | 610
2014 | 12.388 | 220
2015 | 9.998 | 350
2016 | 20.310 | 907
2017 | 15.032 | 503
SUBGROUP 1:
Year | Guys paid invoice | Guys did not paid invoice
2012 | 1.006 | 78
2013 | 938 | 21
2014 | 2.388 | 32
2015 | 1.998 | 45
2016 | 3.310 | 21
2017 | 5.032 | 50
SUBGROUP 2:
Year | Guys paid invoice | Guys did not paid invoice
2012 | 3.006 | 32
2013 | 438 | 12
2014 | 1.300 | 43
2015 | 801 | 21
2016 | 1.002 | 12
2017 | 3.100 | 32
SUBGROUP 3:
Year | Guys paid invoice | Guys did not paid invoice
2012 | 0 | 0
2013 | 0 | 0
2014 | 0 | 0
2015 | 0 | 1
2016 | 0 | 0
2017 | 0 | 0
我可以根据这些数据说，类似GROUP的Guy将来将以SUM（Guys已支付发票）/（SUM（Guys已支付发票）+ SUM（Guys未支付发票）的概率来支付他的下一张发票。 ？
SUBGROUP1的家伙下次将支付发票的可能性是什么？
SUBGROUP1和SUBGROUP2的人下次支付发票的可能性是什么？
数据是否足以说明可以根据该数据计算某人支付发票的概率？我需要什么数据才能更好地估计将来支付发票的可能性？
我可以确定SUBGROUP3的那个人下次不会付款吗？如何统计SUBGROUP3的家伙下次不支付发票的可能性？我需要关于该家伙的其他哪些数据才能说出更具代表性的话？