幸存者谬误的一般情况:
只看/寻找没有失败的东西会扭曲你的看法。这可能会导致您陷入未经测试并因此无法容忍失败的行为。
常见的例子是观察从空战中返回的飞机:“你需要在返回的飞机被击中的地方增加装甲吗?” 据说这是飞机可能被击中的地方。
然而,答案是违反直觉的“不,因为那是飞机可能被击中 并幸存的地方。” 因此,无论如何,命中都是可以生存的。
当你在“幸存者”没有被击中的地方增加护甲时,你会获得真正的结果,因为那是“非幸存者”被击中的地方。
对于您的情况(单数):
在将一个人转移到有事故导致死亡的地区的前提下。我是否需要搬入未受事故影响的子区域?
不,对于那些子领域,您根本没有确凿的数据。
相反,您需要进入一个事件确实发生但不会导致死亡的子区域。目标不是没有事故,而是在事故发生时幸存下来,对吧?
如果您不希望事件发生,那么您首先不应该搬到更大的区域!
对于您的情况(复数):
如果您想将统计上相关的人数转移到事件可生存的区域,您需要首先检查事件可生存的原因是否是该区域的人口密度低。
如果事件在人口密度低的地区是可以幸存的,那么将人员搬入不会使人们安全,但该地区却不安全。
对事物的另一种看法:
如果更大的地区有 1000 人,其中 20 人在上次事件中死亡,那么还有 980 名幸存者可以讲述这个故事。是否安全,因为幸存的人多于死亡的人?
当然,这 980 人中的大多数人甚至还没有接近死亡的 20 人,当它发生时。如果你问这些,它会变得更安全吗?
你能问问那 20 名死者,他们是否还认为它安全?
底线是,只要您询问没有目击事件的幸存者,您就会感到安全。由于您只能询问幸存者,因此他们很可能没有目睹这一事件。
因此,幸存者谬误。
相关谬误:
其他人提到了其他谬误。我不想详细重复它们。但是我确实看到它们也适用。因此,这里有一个汇编以及它们适用的方面以及它们为何不同:
- 幸存者谬误:只关注有利的结果。
- 德州神枪手谬误:事后选择子样本。
- 热手谬误:将结果的随机变化解释为概率分布的指示,尤其是在查看最近的历史时。
- 小数法:依靠数据不足。
- 基准率谬误:低估一般信息的重要性,而倾向于更具体的信息。
还有一个众所周知的谬误,我最初误认为是“热手”。现在想来,它实际上并不适用:
- 赌徒谬误:误解大数定律意味着独立事件从长远来看会平局。
这是一种倒置的热手谬误:爱上“热手”你会押注最近历史上最常发生的事情,因为它看起来更有可能。
爱上“赌徒”,你会反对最常发生的事情,因为从长远来看,相反的情况似乎需要平衡。