দ্বিতীয় ইনিংসের শিশির ও ডেটার ফাঁদ: এশিয়ার ক্রিকেটে মডেল কতটা দেশি

মিরপুর শেরে বাংলা স্টেডিয়ামের দ্বিতীয় ইনিংসে সপ্তদশ ওভারের শেষে আমার ড্যাশবোর্ডে যে সংখ্যাটা জ্বলছিল, তা ছিল ১.৩৯ — প্রতিটি ডেলিভারিতে গড়ে ১.৩৯ রান। কিন্তু শেষ পাঁচ ওভারে প্রয়োজন ছিল প্রতি বলে ২.২৮। ট্র্যাকিং ডেটা বলছিল, বল ভেজা হয়ে স্পিনারদের হাত থেকে সরে যাচ্ছে, বাউন্স কমে আসছে, আর কভার ও মিড-উইকেট অঞ্চল দিয়ে রান আসার হার প্রথম ইনিংসের তুলনায় চৌত্রিশ শতাংশ বেড়েছে। বেটিং মার্কেট তখনো শিশির-সংশোধিত রান-রেটকে পুরোপুরি দামে বসায়নি। ওই রাতে আমাদের ডেস্ক মডেল আপডেট করেছিল সাতচল্লিশ মিনিট দেরিতে, আর সেই দেরিটাই ছিল একমাত্র সত্যিকারের ভুল। ফলাফল তেমন নয় — প্রক্রিয়াটাই এখানে প্রশ্ন।

আমি নাজমুল মণ্ডল, সাঁইত্রিশ বছর বয়স, রংপুরে বসে এশিয়ার ক্রিকেট ম্যাচগুলো ট্র্যাক করি, আর গত একুশ বছর ধরে দেখছি এই উপমহাদেশের ক্রিকেট-পাগল বাজারে ডেটা কীভাবে আমদানি হয়, কোথায় ভেঙে পড়ে, আর কোথায় নিজের ভাষা খুঁজে পায়। এই লেখার উদ্দেশ্য কোনো ফলের ভবিষ্যদ্বাণী নয়। উদ্দেশ্য হলো একটি প্রশ্নের উত্তর খোঁজা, যেটা এশিয়ার ক্রিকেটে ডেটা নিয়ে কাজ করা প্রতিটি মানুষকে একসময় করতে হয়: আমাদের মডেলগুলো কি এই মাটি, এই শিশির, এই স্লো উইকেট আর এই বাজারের জন্য বানানো, নাকি লন্ডন আর মেলবোর্নের স্প্রেডশিট ধার করে আনা?

প্রসঙ্গ: যে বাজারে ডেটা আসে বাইরে থেকে

বাংলাদেশে ক্রিকেট কেবল খেলা নয়, এটা একটা সাপ্তাহিক সময়সূচি — গলির মোড়ে, চায়ের দোকানে, রিকশার পেছনে একই ভাষায় বিশ্লেষণ চলে। অথচ এই বিশাল আগ্রহের বাজারে ক্রিকেট-নির্দিষ্ট মডেলিং প্রায় নেই বললেই চলে। যা আছে, তার বড় অংশ ফুটবল থেকে অনুবাদ করা। ২০১৭ সালে রংপুরে আমি প্রথম যে স্ট্যান্ডার্ডাইজড মডেলটা দাঁড় করাই, সেটা ফুটবলের এক্সপেক্টেড গোল (xG) ফ্রেমওয়ার্কের ছায়া-অনুবাদ ছিল — বাংলাদেশ প্রিমিয়ার লিগের ১২০টি ম্যাচ, প্রতিটি ব্যাটসম্যানের জন্য 'এক্সপেক্টেড রান', প্রতিটি বোলারের জন্য 'এক্সপেক্টেড উইকেট'।

ওই ফ্রেমওয়ার্ক প্রথম দিনেই একটা সত্য দেখাল, যেটা বর্ণনার বাইরে ছিল: আবাহনী লিমিটেড ঢাকার ম্যাচপ্রতি ২.১ গোলের পেছনে লুকানো এক্সপেক্টেড মান ছিল মাত্র ১.৪, আর শেখ জামাল ধানমন্ডির ১.৬ গোলের পেছনে ছিল ১.৯। অর্থাৎ ফলের সংখ্যা আর প্রক্রিয়ার সংখ্যা দুই দিকেই বাঁকা। কিন্তু এই লেখাটা ফুটবল নিয়ে নয়। এটা ওই একই প্রশ্ন ক্রিকেটে টেনে আনার চেষ্টা — কারণ এশিয়ার ক্রিকেটে আমরা যে মেট্রিকগুলো ব্যবহার করি, তাদের অনেকগুলো ফুটবল-জন্মা, আর তাদের জন্মভূমির উইকেট আমাদের উইকেট নয়।

এশিয়ার ক্রিকেটে ডেটা বিশ্লেষণের সবচেয়ে বড় সীমাবদ্ধতা মেট্রিকের অভাব নয়, মেট্রিকের ভুল ঠিকানা। আমরা ইউরোপীয় ঘাসের পিচে তৈরি পিচ-ম্যাপ, বাউন্স-প্রোফাইল আর 'ট্রু-ক্যারি' ধারণ করি, কিন্তু মিরপুরের অষ্টম দিনের পিচ, দুবাইয়ের দিনের আলো-রাতের শিশির, কলম্বোর PREMadasa স্টেডিয়ামের বাতাস — এদের কোনোটার জন্যই ওই মেট্রিকগুলো ক্যালিব্রেট করা হয়নি।

আমার মডেলিং অভ্যাসের একটা অংশ এই সীমাবদ্ধতার সাথে সরাসরি জড়িত। ২০১৮ সালে রাশিয়া বিশ্বকাপের চৌষট্টিটি ম্যাচ আমি রংপুরের একটি বেটিং ডেস্কের জন্য লাইভ ট্র্যাক করি, PPDA (প্রতি ডিফেন্সিভ অ্যাকশনে প্রতিপক্ষের পাস) ড্যাশবোর্ডে। ফ্রান্স গ্রুপ পর্বে ২৩.৪ PPDA অনুমোদন করেছিল, ফাইনালে মাত্র ৯.৮। ওই সংখ্যার ভিত্তিতে ডেস্ককে বলেছিলাম ফাইনালে কম স্কোরের দিকে হেজ করতে; ডেস্ক ব্রাজিল আউটরাইটে পঞ্চাশ হাজার ডলারের ক্ষতি এড়ায়। কিন্তু ওই অভিজ্ঞতার আসল শিক্ষাটা ছিল ভিন্ন: ড্যাশবোর্ড কখনো বিলুপ্ত হয় না, সে স্থান বদলায় — মাঠের প্রেস থেকে রেফারির সিদ্ধান্তে, ভ্রমণ-ক্লান্তিতে, আর বলের পুরনো হয়ে যাওয়ার ধারায়। ক্রিকেটেও ঠিক একই ঘটনা ঘটে। আমরা 'প্রেসার' মাপি, কিন্তু প্রেসার কোথায় গিয়ে বসল, সেটা মাপি না।

মূল বিশ্লেষণ: এশিয়ার উইকেটে 'প্রেসার' আসলে কোথায় থাকে

২০২১ থেকে ২০২৪ পর্যন্ত আমি এশিয়ার ছয়টি প্রধান ভেন্যু — মিরপুর, দুবাই, শারজাহ, কলম্বো (R. Premadasa), ক্যান্ডি (Pallekele) আর ডাম্বুলা — মিলিয়ে ৪৮০টি টি-টোয়েন্টি ও ওয়ানডে ইনিংসের বল-বাই-বল ডেটা জমা করেছি। এই সেটটাই আমার ক্যালিব্রেশন পপুলেশন, আর এটা স্পষ্ট করে বলা জরুরি, কারণ একটা মডেল কতটা বিশ্বাসযোগ্য, সেটা তার ক্যালিব্রেশন পপুলেশন ছাড়া বোঝা যায় না।

প্রথম যে প্যাটার্নটা বেরিয়ে এল: এশিয়ার স্লো ও লো উইকেটে ডট-বল আসলে এক ধরনের PPDA — এটা বোলিং আক্রমণ নয়, এটা ব্যাটসম্যানের ওপর চাপাপূর্ণ বলের ঘনত্ব। আমি এটার নাম দিয়েছি ডট-প্রেশার ইনডেক্স (DPI): একটি ইনিংসে প্রতি ওভারে ডট বলের সংখ্যা, ভেন্যু-সংশোধিত। মিরপুরে প্রথম ইনিংসের গড় DPI ছিল ৭.৪; দ্বিতীয় ইনিংসে শিশির পড়লে তা নেমে আসে ৫.১-এ। অর্থাৎ একই বোলিং আক্রমণ, একই লাইন-লেংথ, শিশিরের কারণে আটাশ শতাংশ কম প্রেশার তৈরি করে।

এই সংখ্যাটা কেন গুরুত্বপূর্ণ? কারণ বেটিং মার্কেট প্রায়ই প্রথম ইনিংসের DPI ধরে দ্বিতীয় ইনিংসের রান-রেট অনুমান করে, আর সেখানেই ভুল হয়। আমার ডেস্কের হিসাবে, ২০২২ থেকে ২০২৪-এর মধ্যে এশিয়ার ভেন্যুতে দ্বিতীয় ইনিংসে চেজ সফল হওয়ার প্রকৃত হার ছিল ৫৪ শতাংশ, অথচ প্রথম ইনিংসের DPI-ভিত্তিক মডেল ৪৪ শতাংশ অনুমান করছিল। দশ শতাংশের এই ফাঁকটাই এশিয়ার বাজারে সবচেয়ে বেশি দামে বিক্রি হয়।

স্পিনের ক্ষেত্রে ব্যাপারটা আরও সূক্ষ্ম। আমার ডেটায় এশিয়ার ভেন্যুতে স্পিনারদের ডট-বল হার ছিল ৪১ শতাংশ, পেসারদের ৩৬ শতাংশ — অর্থাৎ স্পিনাররা বেশি ডট বল করছিলেন। কিন্তু স্পিনারদের ইকোনমি ৬.৮, পেসারদের ৭.৯। প্রশ্ন হলো, এই দুই সংখ্যার সম্পর্কটা কি কার্যকারণ? না। স্পিনাররা মাঝের ওভারে বোলিং করেন, যখন ফিল্ডিং নিয়ন্ত্রণ সহজ; পেসাররা পাওয়ারপ্লে ও ডেথে বোলিং করেন, যেখানে ঝুঁকি বেশি। মাঝের ওভারে স্পিনের সাফল্য আসলে ওভার-ফেজের সাফল্য, স্পিনের জাদু নয়। এই পার্থক্যটা না ধরলে যেকোনো দল ডেথ ওভারে অতিরিক্ত স্পিনার নামিয়ে ভুল করবে — যেমনটা ২০২৩ সালের এশিয়া কাপে অন্তত দুই দল করেছিল।

আমার ট্র্যাকিংয়ের একটা নির্দিষ্ট পর্যবেক্ষণ এখানে যোগ করা দরকার, কারণ আমি মাঠে বসে ম্যাচ দেখি, শুধু স্ক্রিনে নয়। ২০২৩ সালের এশিয়া কাপে ক্যান্ডির Pallekele-এ একটা ম্যাচে আমি লক্ষ্য করেছিলাম, প্রথম ইনিংসে বাউন্স স্বাভাবিক থাকলেও দ্বিতীয় ইনিংসে নিচু হয়ে আসছিল, আর স্লিপ ও গালি অঞ্চল দিয়ে কাট করা শট আটকে যাচ্ছিল। টেলিভিশন ক্যামেরায় এই পরিবর্তন প্রায় অদৃশ্য। কিন্তু বেটিং মার্কেটের দাম ঠিক করার সময় ঠিক এই ধরনের মাঠ-পর্যবেক্ষণই সবচেয়ে কম দামে পাওয়া যায়।

শিশির কেবল বল ভেজায় না, সে ক্ষমতার সম্পর্কটাই উল্টে দেয়। প্রথম ইনিংসে যেখানে স্পিনার ছিলেন নিয়ন্ত্রণকারী, দ্বিতীয় ইনিংসে সেখানে তিনি হয়ে যান ঝুঁকি — কারণ গ্রিপ হারিয়ে বল স্লো হয়ে ছোট লেংথে পড়ে, ব্যাটসম্যান ক্রিজের গভীরে গিয়ে খেলতে পারেন। আমার ৪৮০ ইনিংসের ডেটায়, শিশির-সংশোধিত ম্যাচে দ্বিতীয় ইনিংসের স্ট্রাইক-রেট প্রথম ইনিংসের চেয়ে গড়ে ১৪.৬ শতাংশ বেশি ছিল, আর এই ব্যবধান ভেন্যুভেদে ৯ থেকে ২২ শতাংশ পর্যন্ত ওঠানামা করত। অর্থাৎ শিশিরের প্রভাব স্থির নয়, এটা ভেন্যু-নির্দিষ্ট। দুবাইয়ে রাতের শিশির মিরপুরের চেয়ে বেশি আক্রমণাত্মক, কারণ দুবাইয়ের গড় তাপমাত্রা-আর্দ্রতা বিন্দু ভিন্ন।

প্রতিযোগিতার ছন্দ: টুর্নামেন্টের চাপ কীভাবে সংখ্যা বিকৃত করে

টুর্নামেন্টের ক্রিকেট আর দ্বিপাক্ষিক সিরিজের ক্রিকেট এক নয়, এবং ডেটা মডেল এই পার্থক্যটা প্রায়ই ধরতে পারে না। এশিয়া কাপ বা বিশ্বকাপের সংক্ষিপ্ত চক্রে দলগুলো কম ম্যাচ খেলে, তাই স্যাম্পল ছোট হয়, আর ছোট স্যাম্পলে প্রতিটি ইনিংসের ওজন বেড়ে যায়। আমার হিসাবে, এশিয়া কাপের গ্রুপ পর্বে প্রতি দল গড়ে মাত্র তিন থেকে চারটি ম্যাচ খেলে — এই সংখ্যায় কোনো ব্যাটসম্যানের 'ফর্ম' নির্ধারণ করা পরিসংখ্যানগতভাবে অর্থহীন।

এই কারণেই টুর্নামেন্টের সময় আমি দুই ধরনের মেট্রিক আলাদা রাখি: দীর্ঘমেয়াদি বেসলাইন (শেষ আঠারো মাসের ভেন্যু-সংশোধিত স্ট্রাইক-রেট) আর টুর্নামেন্ট-নির্দিষ্ট ড্রিফট (এই আসরে প্রতি বলের পারফরম্যান্স)। দুটো আলাদা না রাখলে আমরা ট্রেন্ডকে সত্য ভাবি, আর প্রতিযোগিতার চাপে তৈরি অস্থায়ী ওঠানামাকে ব্যক্তিগত ফর্ম বলে বাজারকে ভুল দাম ধরিয়ে দিই।

এখানে একটা নির্দিষ্ট ঘটনা মনে পড়ে। ২০২২ সালের এশিয়া কাপে দুবাইয়ে একটি চেজে প্রথম দশ ওভারে রান-রেট ছিল ৬.২, কিন্তু ডেথ ওভারে প্রয়োজন ছিল ১১-এর বেশি। বাজারে তখনো 'প্রয়োজনীয় রান-রেট' মেট্রিকটাই প্রধান চলক। কিন্তু আমার ডেটায় দুবাইয়ের ডেথ ওভারে স্লো-বলারদের (নিচু বাউন্স, ওয়াইড ইয়র্কার) বিরুদ্ধে ছক্কার হার পাওয়ারপ্লের চেয়ে উনিশ শতাংশ কম। অর্থাৎ শেষ দিকে ছক্কা মারা এই ভেন্যুতে সহজ নয়, যতটা দর্শক ভাবেন। যে ভেন্যুতে ছক্কা কঠিন, সেখানে 'প্রয়োজনীয় রান-রেট' একটা প্রতারণামূলক সংখ্যা — আসল চলক হলো বাউন্ডারি-অঞ্চল বদলের খরচ।

কাউন্টার-ইনটুইটিভ কোণ: কোরিলেশনকে কার্যকারণ ভাবা, আর দেশি মডেলকে সার্বজনীন ভাবা

আমার সবচেয়ে বড় পেশাগত ট্র্যাপটা আমি চিনি, কারণ আমি নিজেই একবার তাতে পড়েছিলাম। ২০১৭ সালে রংপুরের এক্সপেক্টেড-রান মডেলের সাফল্য আমার কাছে প্রমাণের মতো লাগছিল যে ফুটবল-ফ্রেমওয়ার্ক ক্রিকেটে কাজ করে। সেটা অহংকার ছিল। রংপুরে তৈরি প্রথম মডেলটা আমাকে শিখিয়েছিল, স্ট্যান্ডার্ডাইজেশন একটা স্থানীয় তর্ক — সার্বজনীন সত্য নয়। যে মডেল ঢাকার ফ্ল্যাট উইকেটে কাজ করে, সে মডেল ক্যান্ডির স্যাঁতসেঁতে বাতাসে পরীক্ষা না করে দাবি করা যায় না।

দ্বিতীয় ফাঁদটা আরও সূক্ষ্ম: সাফল্যের গল্প নিজেই ডেটা হয়ে যায়। ২০১৮ বিশ্বকাপের PPDA ড্যাশবোর্ড আমার জন্য গঠনমূলক যুদ্ধ-গল্প, আর সেই গল্প বারবার ফিরে আসে। কিন্তু একটা টুর্নামেন্টের চৌষট্টিটি ম্যাচ দিয়ে কোনো মেট্রিকের স্থায়িত্ব প্রমাণ হয় না। আমি এখন আমার কেস স্টাডিগুলো ঘোরাই — এশিয়া কাপ, বিএলপি, দ্বিপাক্ষিক সিরিজ, মহিলাদের ম্যাচ — কারণ একই কেস বারবার ব্যবহার করা মানে মডেল নয়, স্মৃতি দিয়ে বিশ্লেষণ করা।

তৃতীয় ফাঁদটা এই পেশার ভাষাগত। বেটিং ডেস্কের সূত্র, ল্যাটেন্সি, মার্কেট মুভমেন্ট — এগুলো আমার প্রাত্যহিক ভাষা। কিন্তু পাঠক যদি ক্রিকেট-ডেটার গল্প পড়তে আসেন, আর আমি তাঁকে স্প্রেড আর পুল-মেকিংয়ের পরিভাষায় ডুবিয়ে দিই, তাহলে আমি ডেস্কের জন্য লিখছি, পাঠকের জন্য নয়। তাই এখন প্রতিটি পরিভাষা প্রথমবার ব্যবহারে বাংলায় বুঝিয়ে দিই: ডট-প্রেশার ইনডেক্স কী, ভেন্যু-সংশোধন মানে কী, আর কেন একটি সংখ্যার 'নিশ্চয়তা' কখনো পূর্ণ হয় না।

আর সবচেয়ে বিপজ্জনক ফাঁদ: কাউন্টার-ইনটুইটিভ হওয়াটাকে নিজের পরিচয় বানিয়ে ফেলা। ডেটা মঙ্ক সত্তাটা আমাকে পুরনো মতের বিরুদ্ধে দাঁড়ানোর পুরস্কার দেয়। কিন্তু উল্টো মত মানেই সঠিক নয়। নিয়মটা সরল রাখি — আগেই বেসলাইন লিখে রাখি, আত্মবিশ্বাসের ব্যবধান দেখাই, আর যদি ডেটা আমার নিজের প্রিয় ধারণাকে ভেঙে দেয়, তাহলে মডেলকেই বদলাই, বর্ণনাকে নয়। ২০২০ সালে খালি স্টেডিয়ামের সময় এটাই ঘটেছিল: আমি প্রথমে ভাবছিলাম দর্শকের অনুপস্থিতি কেবল আবেগের বিষয়, পরিসংখ্যানের নয়। কিন্তু ১,২০০ ম্যাচের ডেটা দেখাল, হোম-জয়ের হার ৪৫ শতাংশ থেকে নেমে ৩৮ শতাংশে, প্রতি ম্যাচে গোল কমল ০.৩১। তখন আমি ভেন্যু-খালিপনার একটা আলাদা চলক যোগ করতে বাধ্য হই। ডেটা যখন আমার অহংকার ভাঙে, তখন আমি মানুষকে সত্য বলি — কারণ বাজারের সবচেয়ে বড় সুবিধাটা আসে সেই মুহূর্তে, যখন আমি মার্কেটের আগেই অনিশ্চয়তাটা নাম দিতে পারি।

এশিয়ার মডেল-নির্মাণে তিনটি পরিচালন-নীতি

প্রথম নীতি: ক্যালিব্রেশন পপুলেশন লিখে রাখো। কোন ভেন্যু, কোন ফরম্যাট, কোন বছর — এই তিনটা না লিখলে মডেল একটা ফাঁকা দাবি। আমার ৪৮০ ইনিংসের সেটটা ক্রিকেটের সেট, ফুটবলের নয়, আর এই সেটের বাইরে মডেল কতটা ভুল হতে পারে, সেটাও আমি মেনে নিই।

দ্বিতীয় নীতি: আউটপুটের আগে আত্মবিশ্বাসের ব্যবধান। ৫৪ শতাংশ চেজ-সাফল্যের পাশে আমি লিখি, এই সংখ্যার ভেন্যুভিত্তিক ব্যবধান প্লাস-মাইনাস কত। একটা সংখ্যা ব্যবধান ছাড়া বাজারে একটা বাজি, আর ব্যবধানসহ একটা তথ্য।

তৃতীয় নীতি: স্থানীয় বাস্তবতাকে ভেরিয়েবল বানাও, অলংকার নয়। শিশির, বাতাস, বল বদলের সূচি, রেফারি/আম্পায়ার-প্রবণতা, ভ্রমণ-ক্লান্তি — এগুলো সব আলাদা কলাম। এশিয়ার ক্রিকেটে ভ্রমণ-ক্লান্তি আর শিশির, এই দুই চলক একসাথে যতটা ব্যাখ্যা করে, তার বেশি ব্যাখ্যা করে না কোনো তারকার ব্যক্তিগত ফর্ম।

টেবিল: ভেন্যুভিত্তিক দ্বিতীয় ইনিংসের ড্রিফট (৪৮০ ইনিংসের সেট)

• মিরপুর: DPI প্রথম ৭.৪, দ্বিতীয় ৫.১; স্ট্রাইক-রেট ব্যবধান +১৪.৬ শতাংশ।
• দুবাই: DPI প্রথম ৭.১, দ্বিতীয় ৪.৯; ব্যবধান +২২.০ শতাংশ (সর্বোচ্চ)।
• শারজাহ: DPI প্রথম ৬.৮, দ্বিতীয় ৫.৪; ব্যবধান +১৬.৩ শতাংশ।
• R. Premadasa, কলম্বো: DPI প্রথম ৭.২, দ্বিতীয় ৫.৭; ব্যবধান +১২.১ শতাংশ।
• Pallekele, ক্যান্ডি: DPI প্রথম ৭.৬, দ্বিতীয় ৬.২; ব্যবধান +৯.০ শতাংশ (সর্বনিম্ন)।
• ডাম্বুলা: DPI প্রথম ৭.০, দ্বিতীয় ৫.৬; ব্যবধান +১৩.৪ শতাংশ।

এই টেবিলটাই আমার মূল দাবির প্রমাণ-কাঠামো: শিশিরের প্রভাব স্থির নয়, ভেন্যু-নির্দিষ্ট। যে বিশ্লেষক একটা একক 'শিশির-গুণাঙ্ক' পুরো এশিয়ায় বসাতে চান, তিনি মডেল সরল করছেন — বাস্তব নয়।

শেষ কথা: পরের টুর্নামেন্টের জন্য সংকেত

পরের এশিয়ান টুর্নামেন্টে আমি দুটো জিনিস আলাদাভাবে ট্র্যাক করব। এক, প্রথম ইনিংসের DPI আর দ্বিতীয় ইনিংসের DPI-র মধ্যে ব্যবধান — এই ব্যবধানটা বাড়লে বাজারে চেজের দাম বাড়বে, আর সেই দাম কখনো কখনো যুক্তির বাইরে চলে যাবে। দুই, পেসারের ডেথ-ওভার ইকোনমি বনাম স্পিনারের ডেথ-ওভার ইকোনমি — কারণ ভেন্যু যত শুকনো হবে, স্পিনারদের ডেথ-ভূমিকা তত বাড়বে, আর সেটা কি আসল সিদ্ধান্ত, না সংস্কার?

প্রশ্নটা নিজের কাছে রেখেই বলি: যখন পরের টুর্নামেন্টের প্রথম বলটা পড়বে, আর শিশির তখনো নামেনি, তখন আমি কি আবার প্রথম ইনিংসের সংখ্যাগুলোকে সত্য ভাবব? নাকি মনে রাখব, এই মাটিতে সংখ্যা স্থির নয়, সংখ্যা একটা ঋতুর মতো — প্রতিটি ইনিংসে নতুন করে জন্ম নেয়। রংপুরের শীতে যেসব মডেল বেঁচে থাকে না, তাদের বেশিরভাগ মরে না ভুলের কারণে, মরে ক্যালিব্রেশনের কারণে।