什么是幸存者偏差

Survivorship Bias? Explained!
定义:一种由于忽视信息的收集筛选过程,而造成的分析误差。

案例学习一:

基于一样的筛选模型反复得出同样的结论而加重错误的刻板印象,从而在全社会上引起歧视性心理。

胸大无脑

漂亮女孩都是傻逼

人天赋是恒定的,美貌点得多,智商就少。

你们对漂亮女生的歧视实在太严重了!请尊重现实:很多人长得不漂亮,也不聪明。

那么真实的情况是如何呢?

♂模拟场景♀ 平庸 优秀
普通のGirl 杰出のGirl
普通のBoy MiBoy

假设他们各自的数量都是8,吉利嘛。

平庸 优秀
8 8
8 8

接下来,再模拟一个象限,这次坐标值换成颜值!然后把两个象限叠加起来,构建新的模型!

平庸:优秀 不美
女屌:女生 花瓶:女神
男屌:男生 傻白甜:男神

理论上,假定美丑和智商没有相关性。那么优秀与平庸应该是平均分布在新象限内的!

不美
4:4 4:4
4:4 4:4

(妈蛋,好不吉利)

如你所见如果世界是完美的,那么聪明的美女应该和聪明的帅哥一样多。
可是这貌似和我们的意识不相符啊!我们明明觉得异性里面傻逼比较多嘛。直男直女多到爆嘛。究竟是怎么样一回事嘞!

Here we 狗!接下来就是揭wo晓lai答zhuang案bi的时候了!

因为人类会对性取向的性别过分关注啊!由此减少了对同性(排除同和双)的关注!
又因为人类不会太在乎比自己差劲的人啊!由此减少了对平庸人群的关注啊!
为了简化计算,我们假设一个是异性恋女生,她应该不会太在乎一般的女生……

女生少了一半诶! 平庸 优秀
普通のGirl 杰出のGirl
普通のBoy 爱国Boy

然后再把这个数据导入到新的象限就不得了咯

不美
0:4 0:4
4:4 4:4

看!在男生里,找一个优秀帅哥的几率是25%。而在女生里找一个完美女神的概率是50%诶!!所以你会觉得找到一个完美男神简直难啊!男上佳->难啊!
如果这些优秀帅哥都都比较早熟早早成家立业呢。情况就更加不妙了。比方说……被其他女生抢走了3位。已婚=隐身这是常识吧?除非你是人妻控或者小三迷。

不美
0:4 0:4
4:4 4:1

额,神tm只剩7.6%的概率遇到他了好不好。还没完哦,此时是不是平庸帅哥比有内涵的帅哥的概率高了4倍呢?如果你按照上面的筛选流程走下来,你简直觉得异性都是傻逼是“绝对の真理”啊!
然而,如你所见,你,只是,眼中只剩,“幸存者”了而已。因为你主动去忽略掉了那些对你而言不重要的因素,而使得你的判断产生了巨大的误差啊。
从今天起,重新审视一下,你身边长得又丑,智商又低的同性吧!你就不会觉得异性都是傻逼了呢。然后就可以因为比下有余而志得意满,继续浑浑噩噩得生活下去了呢!怎么样,窝这锅(毒)鸡汤可还美味啊!

reference:一个讲为什么你觉得漂亮女孩都不优秀的英文动画视频,原视频找不到了,希望大家如果知道可以提供下资源。

女司机

同理,社会上流行着:女司机开车慢,反应慢,油门刹车分不清楚,女司机磨合期头次上路成为“女魔头”,等等歧视性的刻板印象。可实际上,分析一下整体数据,你会发现,女司机开车比男司机谨慎安全很多,事故比例小很多。
reference:飞碟说

如果下次再有人跟你说,女生都是XXX,你就可以义正言辞地告诉他:这是幸存者偏差啊!然后你就被讨厌了……科科
(最近比较迷两个台湾的视频Up主谷阿莫和啾啾鞋

案例学习二:

结论与筛选步骤强相关,与群体属性弱相关。但是分析原因的时候忽略筛选环节。
这里面有无意识忽略的行为,也有有意识忽略从而刻意进行误导的坏人~( TロT)σ

成功学:“XXX成功是因为XXX啊,科科”。

说起来好像很有道理,但是实际上是说罗圈话,放罗圈屁。他成功了,从他身上提炼出任何特质都可以附会上去。可本质上依旧是“他成功,所以他成功”,这些特质本身可能并无明显因果关系。

e.g. 乔布斯是男的,雷军是男的,柳传志是男的,任正非是男的。所以要成为成功的企业家必须是男性。其实是有选择的筛选出了大量的男性成功企业家。如果有选择性的筛选出落魄的男乞丐,最后的结论很可能就是:男性很容易沦为乞丐。这个例子很显眼,但是很多数据分析是不把筛选过程告诉你的。所以原始数据很重要!

结语:很多地域歧视和打标签的现象都是因为刻板印象,而刻板印象的形成很大一部分原因是因为幸存者偏差。本质上人处理信息的手段就是要归纳世界信息为有限的标签,由此才能按图索骥,梳理思路。可惜的是这个过程必然丢失细节,而给误导言论以可乘之机。而幸存者偏差只是种类繁多的误导手段中的一种,而其他的手段,包括进来流行的数据误导,就不是本篇的内容了。欢迎大家多思考少受骗,待人以真诚而不要以有色眼镜视人。

比戴有色眼镜看人更危险的是,你带着有色眼镜,还不自知! —— 网络视频作者抽风

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容