视频字幕
幸存者偏差是一种常见的逻辑谬误。它指的是在分析某个群体或现象时，我们往往只能看到或关注那些「成功」或「幸存」的样本，而忽视了那些「失败」或「被淘汰」的样本。这种偏差会导致我们得出有偏向性的结论。在图示中，蓝色部分代表我们能观察到的「幸存者」，而红色部分则是那些我们看不到的「非幸存者」。正是因为我们无法观察到这些失败的案例，才会产生认知上的偏差。
幸存者偏差产生的主要原因有几个方面。首先是数据收集的局限性，我们往往只能收集到那些「可见」的数据。其次是人类的认知偏好，我们天生就更关注成功的案例而忽视失败的案例。第三是媒体报道的偏向性，成功的故事更能吸引眼球，因此被广泛传播。最后是历史记录的选择性，失败的案例往往不被详细记录下来。在图示中，蓝色点代表成功案例，红色点代表失败案例。经过筛选过程后，失败的案例往往被过滤掉，变得不可见，这就导致了我们的认知偏差。
幸存者偏差会导致一系列负面影响。首先，它会让我们高估成功的概率，产生「成功很容易」的错误认知。其次，它会让我们低估风险，因为我们忽视了失败案例中的警示信息。第三，它会导致我们基于不完整的信息做出错误的决策。最后，它会让我们对成功抱有不合理的期望。在图表中，蓝色线代表理想的认知，即我们对成功率的感知应该与实际成功率一致。而红色线则代表受幸存者偏差影响的认知，我们总是高估成功的可能性。这种高估会导致决策失误和不必要的风险。
二战轰炸机装甲案例是幸存者偏差的经典例子。二战期间，美军想确定应该在轰炸机的哪些部位加装装甲以提高生存率。他们统计了返航飞机上的弹孔分布，发现机翼和机身的弹孔较多，而发动机和驾驶舱的弹孔较少。初步的错误结论是应该加固弹孔多的区域，即机翼和机身。然而，统计学家亚伯拉罕·沃德指出了这一幸存者偏差：我们只能看到成功返航的飞机，而那些被击中发动机或驾驶舱的飞机大多没能返航，所以在统计中不可见。因此，正确的结论是应该加固弹孔少的区域，即发动机和驾驶舱，因为这些区域被击中后飞机存活率低。
为了避免幸存者偏差，我们需要采取一些措施。首先，幸存者偏差是一种只关注「幸存」样本而忽视「淘汰」样本的认知错误。它会导致我们高估成功概率、低估风险，并做出错误的决策。要避免这种偏差，我们可以：一，主动寻找和研究失败的案例，了解他们失败的原因；二，使用随机对照试验等科学方法来获取更全面的数据；三，质疑那些看起来过于完美的成功故事，因为它们可能隐藏了许多失败的尝试；四，在收集和分析数据时，考虑数据收集过程中可能存在的潜在偏差；五，保持批判性思维，积极寻找反例来验证自己的假设。通过这些方法，我们可以更全面地看待问题，避免因幸存者偏差而做出错误的判断。