首页 / 心理
幸存者偏差 Survivorship Bias
弹孔该补在没有弹孔的地方
亚伯拉罕·瓦尔德（数理统计学家，1943 年在哥伦比亚统计研究组写下弹孔与装甲备忘录） · 纳西姆·塔勒布（在《随机漫步的傻瓜》里用沉默证据把这一偏差带向大众） · 乔丹·艾伦伯格（威斯康星大学教授，2014 年用弹孔密度数据把这个故事讲透）
场景钩子 · 弹孔最密的地方，反而不该加装甲
1943 年，哥伦比亚大学统计研究组接到美国军方委托。返航轰炸机的弹孔集中在机翼和机身，引擎部位很少中弹，军方因此打算给弹孔最密的地方加装装甲。统计学家亚伯拉罕·瓦尔德给出相反答案：装甲应该装在没有弹孔的引擎和驾驶舱。理由是，军方数到的只是飞回来的飞机，引擎中弹的飞机大多坠毁了，根本没有机会进入统计。同组的艾伦·沃利斯后来回忆，瓦尔德的分析改变了整个加装甲方案。这份 1943 年的机密备忘录在几十年后解密，成为统计学最有名的案例之一。
原理图
沉默证据没有数据，却决定结论对错。修正的起点是追问，消失的去哪了。
数据证据 · 返航轰炸机的弹孔分布，每平方英尺弹孔数 可靠二手
返航飞机引擎中弹最少，不是引擎安全，而是引擎中弹的飞机没能回来。
来源：Wald 1943 年备忘录中的弹孔密度数据，转引自 Jordan Ellenberg《How Not to Be Wrong》(2014)
交互演示 · 只统计幸存基金，收益会被高估多少
清盘率越高、持有越久，幸存者样本的平均收益离全体越远，榜单越好看越要警惕。
怎么用
- 先定义完整样本问一句：出发的飞机、发行的基金、创业的公司，一共有多少。
- 数一数消失了多少清盘、倒闭、坠毁的名单往往不在眼前，找不到数据也要承认它们存在。
- 把幸存者和消失者并排比较只有两边都有记录，某个特征的差异才可信。
- 对每个结论做反向检验弹孔多说明该加固，反过来想，也可能是没弹孔的部位更致命。
- 少读成功学，多看全样本统计采访一百位富豪的共同习惯，不如查全部创业者的五年存活率。
失效边界
| 情境 | 模型的说法 | 现实 |
|---|---|---|
| 消失者完全没有记录，比如古代战败者或史前物种 | 必须补齐沉默证据再下结论 | 有时只能靠化石、残骸等间接线索推断，结论要标注不确定性，硬补数据反而制造假象。 |
| 幸存与淘汰由纯运气决定，没有筛选机制 | 样本有偏，需要修正 | 没有筛选就没有偏差，此时幸存者样本和全体一样好，过度修正会引入新错误。 |
| 研究目标就是幸存者本身，比如调查康复患者的生活质量 | 样本有偏，结论不可用 | 只要不把结论外推到全体患者，研究幸存者完全合法，偏差是对象而不是错误。 |
| 把它当万能反驳话术 | 任何成功案例都能用幸存者偏差打发 | 有些规律在失败者身上同样成立，先查数据再反驳，别把偏差当免检金牌。 |
关联模型
出处
- Abraham Wald, A Method of Estimating Plane Vulnerability Based on Damage of Survivors, 1943，1984 年由 Mangel 与 Samaniego 整理重刊于 Operations Research 一手核实
- Jordan Ellenberg, How Not to Be Wrong: The Power of Mathematical Thinking, 2014 可靠二手
- Nassim Taleb, Fooled by Randomness, 2001 可靠二手
- SPIVA 年度记分卡，标普公司主动基金与指数对比报告 可靠二手
