敬畏數據：幸存者偏差

邱元陽

疫情管控期間，在學校門崗值班，利用這點閑暇在網上給孩子找一本RISC-V方面的英文版教材，發(fā)現其價格在800～1000多元，不由感嘆計算機方面的書真貴。同事取笑說：“計算機方面的人才收入高啊，這點書費跟年薪50萬相比根本微不足道了?！币慌缘拈T衛(wèi)大爺聽到，不屑地說：“哪來那么多的年薪50萬，現在的大學生都找不到工作了，身邊的人都是沒上大學的比上大學的混得好?！?/p>

面對老一套的“讀書無用”論，我一時竟然不知如何反駁，只好問他身邊都有哪些例子。大爺振振有詞地說，鄰居那個大學畢業(yè)生現在還在賣雞蛋，剛剛出門的那輛奔馳里面坐的是沒上過大學的超市老板。我說你其他鄰居的孩子呢，大學畢業(yè)都做什么了？他說那就不得而知了，可能也有像你這樣當老師的，勉強糊口。我忽然明白了，大爺之所以覺得上學的不如沒上學的，原因不在于價值觀，而是他只能看到他所在的圈子的情況，那些遠走高飛成就一番事業(yè)的，他根本無從知曉。

這就好比，“沒來的請舉手！”沒人舉手，于是老師宣布，大家都來了。人們總是只看到經過篩選而產生的結果，沒有意識到篩選的過程，因此忽略了被篩選掉的關鍵信息。這就是幸存者偏差。

1941年，哥倫比亞大學統(tǒng)計學教授沃德應軍方要求，提供關于“飛機應如何加強防護才能降低被擊落概率”的相關建議。沃德教授利用聯軍遭受攻擊后返航的幸存轟炸機的數據進行研究后發(fā)現：機翼彈痕最多而機尾彈痕最少。但沃德教授給出的結論卻是“應該強化機尾的防護”。這讓軍方非常疑惑，因為機翼才是最容易被擊中的位置，為何不是加強機翼的防護呢？沃德教授的解釋是：這些統(tǒng)計的樣本只涵蓋了幸存的飛機，多次被擊中機翼的飛機仍然飛回來了，說明這地方不致命;機尾彈痕較少并非是機尾不易被擊中，而是那些機尾被擊中的飛機大多已無法返航了……一句話，看不見的彈痕最致命。這個經典的統(tǒng)計偏差即被后人稱為“幸存者偏差”。

成功人士的經驗分享，也有這樣的誤區(qū)。不管他有怎樣的經驗，他都是成功者，或者說是“幸存者”，其經驗往往都是沒有參考價值的大路貨。而失敗者的教訓——就好比被擊中的機尾，才是寶貴的，這些教訓能避免自己重蹈覆轍而直接掛掉。然而失敗者卻已經沒有機會說話了，幸存者才有表現的機會。

一個笑話中提到，記者到車站了解春運期間車票是否難買，在排隊進站的人群中采訪，“請問你買到火車票了嗎？”“買到了?！薄澳隳兀俊薄百I到了?！眴柕降娜硕假I到票了，于是記者對著鏡頭說：“都說今年火車票難買，但是通過采訪我們發(fā)現，大家都買到了火車票?！?/p>

幸存者偏差往往就是忽略了篩選條件，把經過篩選的結果當成隨機結果。讀過納西姆·塔勒布《隨機漫步的傻瓜》一書的人都會感嘆，我們多年積累的經驗在隨機性面前是多么不可靠，輕易地就被隨機性愚弄。

在大數據時代，我們已經可以得到很多相關聯的數據，但是對這些數據進行利用和分析時，卻可能犯各種統(tǒng)計錯誤，如新冠肺炎初期的病死率，有人就直接用當時的病死人數除以感染人數來計算;疫情期間一年的離婚率，據說高達30%，實際上竟然是用當年離婚人數除以結婚人數得到的……

除了考慮樣本的代表性，還要考慮數據的相關性，除了考慮看得見的數據，還要想想那些沒有看到的數據。

對待數據，還是要保持敬畏之心。