Biais du survivant

L'erreur de juger un groupe par les membres qui ont traversé une sélection, tandis que ceux qui ne l'ont pas fait restent invisibles.

Intuition visuelle

3 in 100

before new evidence

Tu n'entends parler que des 3 mis en surbrillance

100 ont commencé ; les 3 mis en surbrillance sont ceux qui ont survécu pour raconter leur histoire. La foule montre les vraies chances — 3 sur 100 — avant que les récits élogieux des survivants ne cachent les 97 qui n'ont pas réussi (comptes illustratifs).

Exemple

Une famille de fonds lance 20 fonds, ferme discrètement les 10 qui sous-performent, et fait de la publicité sur le rendement moyen des survivants — les 10 visibles ont l'air brillants parce que les échecs ont été supprimés de l' (configuration illustrative).

Comment ça marche

Pendant la Seconde Guerre mondiale, des analystes ont cartographié les impacts de balles sur les bombardiers rentrés et ont proposé de blinder ces endroits — jusqu'à ce que le statisticien Abraham Wald souligne que les avions rentrés étaient les survivants : les impacts sur eux indiquaient où un bombardier pouvait être touché et quand même rentrer à la base, et les endroits fatals se trouvaient sur les avions que personne ne pouvait inspecter. C'est le du survivant : les données ont été filtrées par la réussite du passage, de sorte qu'elles flattent systématiquement la réalité. Il apparaît partout où les échecs disparaissent discrètement — les milliardaires ayant abandonné l'université (les milliers de décrocheurs qui n'ont pas eu de profil), les rendements moyens des fonds communs de placement (les fonds perdants sont fermés et disparaissent des registres), « on ne construit plus comme avant » (les vieux bâtiments fragiles ont déjà disparu). L'antidote est toujours la même question : qui manque dans cet ?

Concepts

Biais d’échantillonnage

Un résultat faussé causé par l’examen de données qui ne représentent pas la population qui t’intéresse. Davantage de données ne résolvent pas le problème si les mêmes types de cas manquent toujours. Avant de faire confiance à une conclusion, demande-toi qui a eu la chance d’apparaître dans l’échantillon et qui a été exclu.

Leçons

Une fenêtre en surbrillance montrant seulement une partie d'un échantillon plus grand et caché.

L'échantillon que tu vois compte

Ta conclusion peut être erronée lorsque les données que tu vois excluent des cas manquants importants.

Faits associés

Trucs de données

4 min · facile

La silhouette d'un avion recouverte de points représentant des impacts de balles sur les ailes et la queue, les moteurs restant intacts.

Les avions manquants étaient les plus importants

Si tu ne renforces que les impacts de balles sur les avions qui reviennent, tu risques de protéger aux mauvais endroits.

Trucs de données

4 min · moyen

Une pile d'études positives publiées sur un bureau et des études aux résultats nuls dissimulées dans un tiroir.

Le biais de publication cache les études qui n'ont rien trouvé

Si seuls les résultats stimulants sont publiés, la recherche visible peut donner à un effet l'air plus net et plus fort qu'il ne l'est réellement.