倖存者偏差（Survivorship Bias）是一種常見的logical謬誤，指的是人們在分析問題時，只關注「倖存下來」或「可見」的樣本，而忽略了那些未能倖存或不可見的樣本，從而導致錯誤的結論。

倖存者偏差的經典例子

1. 二戰飛機彈孔研究
   二戰期間，統計學家亞伯拉罕·沃爾德（Abraham Wald）研究如何加強轟炸機的防護。軍方觀察到返航飛機的機翼和機身中彈較多，認為應該加強這些部位。但沃爾德指出，真正需要加強的是引擎和油箱等中彈較少的部位，因為這些部位被擊中的飛機根本沒能返航（即「倖存者」只有機翼中彈的飛機）。

2. 成功學書籍的誤導
   許多成功學書籍只研究「成功人士」的習慣（如比爾·蓋茲、賈伯斯），卻忽略大量有相同特質但失敗的人，導致讀者誤以為模仿這些特質就一定能成功。

3. 投資基金的廣告
   某些基金公司只宣傳「過去10年表現優異」的基金，但隱瞞了同期許多表現差而被淘汰的基金，讓投資人誤以為該公司的投資策略特別厲害。

為什麼會產生倖存者偏差？

• 數據不完整：只看到「存活」的數據，忽略「消失」的數據。

• 認知偏誤：人類傾向關注顯眼的、成功的案例，而非失敗的沉默多數。

• 選擇性報導：媒體或研究者可能有意無意只展示部分資訊。

如何避免倖存者偏差？

1. 主動尋找「沉默證據」：思考哪些樣本可能被忽略（例如失敗的案例）。

2. 質疑成功者的敘事：成功可能只是運氣，而非絕對的因果關係。

3. 全面統計分析：確保數據包含所有相關樣本，而不只是「倖存者」。

現實中的影響

• 商業決策：盲目模仿成功企業，忽略市場上倒閉的競爭者。

• 個人成長：誤以為成功人士的某個習慣是關鍵，卻忽略其他因素。

• 醫學研究：只研究存活病患，可能忽略治療方式的潛在風險。

簡單來說，倖存者偏差提醒我們：「看不見的數據」可能比「看得見的數據」更重要！