請至少做一個像男人的男人（一百一十三）

今天，我想跟大家講一個統計心理學的理論。

名字叫做倖存者偏差。

根據 AI，倖存者偏差（Survivorship Bias）是一種常見的邏輯謬誤與選擇偏差，指人們只關注經過篩選後「倖存」或「成功」的樣本，卻忽略了「失敗」或「消失」的案例，導致得出錯誤或過於樂觀的結論。這是一種「死人不會說話」的現象，因為看不見失敗案例，導致誤以為成功者的經驗是普遍的。

我第一次接觸倖存者偏差，是在大學修讀運籌學的時候。

（節錄自維基百科）第二次世界大戰期間，美國哥倫比亞大學統計學亞伯拉罕·沃德教授在計算如何減少轟炸機因敵方炮火而遭受的損失時，將「倖存者偏差」納入到計算中。其研究小組檢查了執行任務返回的飛機所受到的損壞。與沒有將本概念納入計算不同的是，他建議在損壞最少的區域增加裝甲，而並非在彈孔最多的地方增加裝甲。因為返回飛機上的彈孔代表了轟炸機可能受到損傷但仍足夠安全地返回基地的區域，而那些完全沒有彈孔的地方，一旦中彈就完全沒有返回的機會，而完全不會出現在研究的樣本中。所以沃德教授建議美國海軍在返航飛機上未受傷的區域增加防護，並推斷這些地方被擊中是會導致飛機最有可能損失。他的這項研究對當時仍在發展初期的運籌學領域具有深遠的影響。

運籌學其實就是一個研究風險管理的學科，我們之所以大部分畢業生都加入債券部或者衍生產品部，因為我們不喜歡難於量化風險的股票部。

在運籌學裡面，我們學會了要平衡所有數據的價值以及其風險。我們不僅在學科裡面接觸到倖存者偏差，還有統計系裡面的卜瓦松分布、穩定婚姻問題。

我可能也是受了穩定婚姻問題的洗腦式自我催眠，而主動追求 Gordon Park。

Anyways，說回倖存者偏差的問題。

倖存者偏差，說白了，其實是一種邏輯謬誤，屬於選擇偏差的一種。

在日常生活中，我們經常會遇到倖存者偏差的問題。當我們過度關注「倖存」的人事物，從而造成忽略那些沒有倖存的（也可能因為無法觀察到），便會得出錯誤的結論。也就是我們經常說的 silent majority。因為人類幾乎沒有辦法理解或者察覺 silent majority 的想法或者意見，那麼社會的一些少數社群所發出的吵雜聲，就會顯得異常大聲。

除此以外，還有其他的日常生活例子，包括，為什麼我們總是發現襪子丟了一隻？因為丟了兩隻襪子的話，我們通常不會發現啊。還有，為什麼我們知道的罪案，都是能破解的？因為完美的犯罪，根本就不會有人發現啊。還有，為什麼我們總是覺得「以前的流行歌曲比較好聽」？簡單來說，那是因為能過了五年、十年甚至數十年後還有一定數量的人回憶的歌曲，大多是發行時最好的歌曲，因此人們在講這話時，可能過度關注過去的優良歌曲，而忽略到過去那些沒那麼好，因此現在已經沒有人聽的歌曲的。

同理，「一代不如一代」的說法也會犯下這錯誤，因為講這話的人，可能過度關心過去比較好的人，或現在比較差的人，而忽略掉那些自己的世代那些比較差的人，或現在這個世代比較好的人。

倖存者偏差最大的問題和弊病就是其經常導致過度樂觀的信念，因為失敗被忽略，例如當不再存在的公司被排除在財務業績分析之外時。它也可能導致他人誤認一個群體的成功具有一些特殊屬性，而不僅僅是巧合。其謬論形式為：倖存過程B的個體A有特性C，因此任何個體倖存過程B需要有特性C。有特性C但無法倖存過程B的個體被忽略不加以討論。邏輯偏差在於只關注篩選結果做出評估，而忽略篩選條件與篩選機制等資訊。

用俗語「死人不會說話」來解釋其成因意指當取得資訊之管道，僅來自於倖存者時（因為無從由死者／被淘汰者／離場者獲得來源），此資訊可能會存在與實際情況不同之偏差。這種偏差可以導致各種錯誤結論。

https://www.youtube.com/watch?v=YjgeLmX-6HE