倖存者偏差（Survivorship Bias）是一種常見的認知盲點，指的是我們在分析事情時，只注意到成功過關的「倖存者」，卻忽略了那些沒能留下來的「受害者」，進而導出錯誤的結論。

簡單來說：「死人不會說話」，所以我們聽到的，往往都是活下來的人講的故事。


最經典的源起：二戰轟炸機之謎
這個概念最著名的例子來自第二次世界大戰。當時美軍希望替返航的轟炸機加裝裝甲，以提高生存率。

軍方統計了所有順利飛回基地（倖存）的轟炸機，發現彈孔主要集中在機翼和機尾，彈痕累累。軍方第一時間的直覺是：「機翼和機尾被打中最多，應該優先幫這些地方加強防護！」
但統計學家亞伯拉罕·沃德（Abraham Wald）立刻指出盲點：

「我們看到的都是中彈後還能飛回來的飛機；那些引擎或駕駛艙中彈的飛機，根本沒能飛回來。」

真正的致命傷，存在於那些沒有彈孔的地方。 軍方聽從建議，加強了引擎與駕駛艙的裝甲，成功大幅降低了墜機率。

如何避免落入倖存者偏差？
1. 問自己：「看不到的數據在哪裡？」
看到成功案例時，主動尋找失敗者的比例與共通特質。
2. 留意「篩選機制」
分析資料時，先想想這批資料經過了什麼過濾條件？是誰留了下來？
3. 重視反面證據（Disconfirming Evidence）
試著尋找能推翻自己假設的例子，而非只蒐集支持自己觀點的說法。