Survivorship Bias vs Base Rate Neglect
倖存者偏差 vs 基準率忽視
兩者都讓你高估成功機率，但出錯的位置不同：基準率忽視是「統計就在眼前，你卻被生動個案說服而不用」；倖存者偏差更隱蔽——你連統計都拿錯了，因為失敗的樣本根本沒出現在你的資料裡。一個是無視可得的數據，一個是你看到的數據本身已被「存活」篩選過。
偏誤
倖存者偏差
Survivorship Bias
只看見「活下來的」案例，忽略沉默的失敗者——成功故事的樣本本身就被篩選過。
讀詳細頁 →
偏誤
基準率忽視
Base Rate Neglect
看到生動的個案就忽略統計——「我表哥就是這樣成功的」蓋過 99% 的人沒做到。
讀詳細頁 →
關鍵差別
維度
倖存者偏差
基準率忽視
資料的狀態
數據本身就缺了失敗的那一半
數據存在、可得，但被忽略
錯誤的來源
樣本被「倖存」這個條件篩選過
被生動個案蓋過了整體比例
典型場景
只看成功創業者演講、只看還在的基金
「我表哥就這樣成功」蓋過 90% 的失敗率
修正方式
主動找「失敗組」，問樣本是怎麼被選出來的
做預測前先查整體 base rate
什麼時候用 倖存者偏差
當你的資訊來源是「還在場上的人」——成功榜單、倖存的公司、願意受訪的贏家——要先問那些被排除的失敗者去哪了。
什麼時候用 基準率忽視
當你被一兩個生動案例打動、卻還沒查過整體比例時，先把 base rate 找出來再下結論。
結論
順序上先防倖存者偏差（確認你的數據完整、含失敗組），再防基準率忽視（確認你真的用了那個整體比例）。前者修資料，後者修推論——資料殘缺時，再正確的推論也會錯。
常見問題
兩個一起出現會怎樣？
這是最毒的組合：你只看到倖存者（資料殘缺），又被其中最生動的個案說服（忽略比例），於是對成功率的高估被放大了兩次。創業神話、財富自由課程的行銷，正是同時利用這兩個偏誤。
怎麼快速分辨我踩到的是哪一個？
問一句：「失敗的人，有沒有出現在我的資料裡？」沒有 → 倖存者偏差（你的樣本被篩選過）；有、但我沒去算整體比例 → 基準率忽視（你忽略了可得的統計）。
base rate 找不到、失敗組也看不到，怎麼辦？
至少把「我看到的是被篩選過的樣本」這件事明說出來，對結論主動打折，並刻意去想「同樣做法卻沒成功的人，可能長什麼樣」。保守的估計，勝過自信的錯估。