幸存者偏差
SURVIVORSHIP BIAS // 死人不说话
> 返航轰炸机上的弹孔，标记的不是"哪里容易中弹"，而是"中弹了还能飞回来"。真正致命的位置几乎没有弹孔——因为打中那里的飞机，根本没回来。你看到的一切数据，到达你眼前之前，都已经被结果筛选过一遍。
Principle — 原理与来源
人物：亚伯拉罕·瓦尔德（Abraham Wald，1902–1950）——匈牙利裔犹太数学家，因纳粹吞并奥地利（1938）流亡美国，任教哥伦比亚大学，二战期间加入统计学研究组（Statistical Research Group, SRG），为美军提供数学咨询。
经典场景：军方统计返航轰炸机的弹孔分布——机翼、机身密密麻麻，引擎却很少。直觉方案：装甲加在弹孔密集处。瓦尔德的答复相反：装甲加在弹孔稀疏的引擎部位。返航样本只告诉你"哪里打不死"；引擎弹孔少，不是打不中，而是被打中引擎的飞机都留在了海里，无法进入统计。
统计学内核：这是非随机缺失（Missing Not at Random, MNAR）——数据缺失的概率取决于被研究的结果本身（坠毁的飞机"缺失"了）。此时幸存样本的分布 ≠ 总体分布，任何只基于幸存者的推断都系统性跑偏。
命运的注脚：1950 年 12 月，瓦尔德在印度航空 245 号班机空难中遇难，年仅 48 岁——一位研究"如何让飞机活下来"的数学家，死于坠机。
Apply — 偏差藏在哪里
Simulate — 给轰炸机布甲：听弹孔的，还是听瓦尔德的？
Personal Takeaways — 个人启示 · 03
数据不是世界，是世界的幸存切片
任何到达你眼前的样本，都经过了筛选——有时是平台推荐，有时是时间，有时是死亡。拿到任何数据先问一句："谁没出现在这里？他们为什么缺席？"缺席的原因一旦与结果相关，幸存样本就在系统性地骗你。
成功学是最浓的幸存者之雾
成功者的复盘里，运气会被讲成方法，时机会被讲成远见——你采访不到失败者。听到任何"成功经验"，第一反应不是记笔记，而是找分母：同一年、同一赛道、同样打法的人里，他排第几？基率比故事可信。
主动去找"没回来的飞机"
清盘基金的业绩、失败项目的复盘、被拒的申请、离职员工的反馈——这些死人数据才是矫正判断的药。瓦尔德的天才不在于数学多深，而在于他问了一个所有人都没问的问题：样本是从哪里、按什么规则被送到我面前的？