La resiliencia describe la capacidad de los sistemas para reaccionar, resistir, ajustarse y recuperarse de eventos disruptivos. A pesar de numerosas métricas propuestas para cuantificar la resiliencia, pocos estudios predicen estas métricas o el tiempo de restauración a niveles de rendimiento nominal, y estos estudios a menudo se centran en un solo dominio. Este documento introduce tres métodos para modelar el rendimiento del sistema y las métricas de resiliencia, que son aplicables a varios dominios de ingeniería y ciencias sociales. Estos modelos utilizan técnicas de ingeniería de confiabilidad, incluidas funciones en forma de bañera, distribuciones mixtas y análisis de regresión que incorporan covariables de intensidad del evento. Se utilizan datos históricos de pérdida de empleo en los Estados Unidos durante las recesiones para evaluar la exactitud predictiva de estos enfoques. Este estudio calcula medidas de bondad de ajuste, intervalos de confianza y métricas de resiliencia. Los resultados muestran que las funciones en forma de bañera y las distribuciones mixtas predicen con precisión curvas que poseen formas V, U, L y J, pero tienen dificultades con formas W y K que implican múltiples interrupciones o caídas repentinas en el rendimiento. Por el contrario, los modelos basados en covariables siguen eficazmente todos los tipos de curvas, incluidas formas complejas W y K, como los choques sucesivos en la recesión de EE. UU. de 1980 y la fuerte caída en la recesión de EE. UU. de 2020. Estos modelos logran una alta precisión predictiva para el rendimiento futuro y las métricas de resiliencia, evidenciada por la baja suma de errores cuadrados y los altos coeficientes de determinación ajustados.