终于有人把幸存者偏差讲明白了

导读：本文带你了解数据收集的偏差。

作者：徐晟

来源：大数据DT（ID：hzdashuju）

数据收集是一项重要的工作，需要投入大量精力和时间，这是因为数据质量直接关乎分析结论的成败。然而，错误的数据收集方法可能造成结果偏差。

比如统计对象出现错误，明明应该统计数据集合A，却统计了数据集合B。又比如统计对象不全面，只抽样了部分数据，却没有统计全体，或者忽略了数据分布存在偏斜等。

这些错误的数据收集方法会产生两种常见的数据偏差——幸存者偏差和选择性偏差。

01 幸存者偏差

幸存者偏差指用于统计的数据仅来自幸存者，导致结论与实际情况存在偏差的情况。

幸存者偏差源自一个真实故事：二战时期，美军统计了作战飞机的受损情况，他们发现，返航飞机各个损伤部位被击中的弹孔数不同。这些飞机发动机部位的弹孔数最少，机翼的弹孔数量最多。于是有人提出，要赶紧加固飞机机翼，因为这些部位更容易受到敌方炮火的攻击。

可是，美国哥伦比亚大学的沃德教授立即否决了这个方案。沃德教授是一位统计学专家，他应军方要求提供相关专业建议。沃德指出，应该强化的不是机翼，而是发动机。从理论上讲，飞机各部位的中弹概率应该是相同的。发动机部位的弹孔明显偏少，只能说明：那些被击中引擎的飞机大多没有返航。

这就是幸存者偏差，军方只看到幸存下来的飞机，却没有意识到它们只是一部分数据，不能反映飞机受损的真实情况。

选择正确的数据样本非常重要。我们必须保证数据考察是全面的，而非其中的一部分。在很多场合，人们下意识地会做出具有幸存者偏差的选择。

比如一个粗心的研究者在统计医学数据时，为图方便选择了住院病人为研究对象，却没有意识到这种做法可能为研究结果带来偏差——只有病人才去医院。

一些成功学的书中提到，比尔·盖茨、扎