Bias sa Pag-survive (Survivorship Bias)

Sa Isang Sulyap

1. Mabilis na Buod

Kapag sinusuri natin ang tagumpay, ang nakikita lang natin ay ang mga nanalo—ang mga kumpanyang umunlad, ang mga gusaling nakatayo pa rin, ang mga taong nagtagumpay. Hindi natin nakikita ang mga nabigo dahil sila ay naglaho. Lumilikha ito ng isang mapanganib at baluktot na larawan ng realidad kung saan labis nating tinatasa ang ating tsansa sa tagumpay, maling natutukoy kung ano ang nagdudulot ng tagumpay, at nakakabuo ng mga konklusyon mula sa hindi kumpletong datos. Ang pinakamahalagang impormasyon ay halos palaging ang impormasyon na nawawala.

2. Ang Siyensya sa Likod Nito

2.1. Pagkakatuklas at Kasaysayan

Ang intelektwal na pagkilala sa survivorship bias ay nauna pa sa modernong estadistika nang higit sa dalawang milenyo, bagama't ang pormal na pagtalakay nito gamit ang matematika ay lumitaw noong Ikalawang Digmaang Pandaigdig.

Sinaunang Pinagmulan (Ika-5 Siglo BCE): Ang pinakaunang naitalang obserbasyon ay nagmula kay Diagoras ng Melos, isang Griyegong makata at kilalang ateista. Nang ipakita sa kanya ang mga pinintahang tabletas ng mga sumasamba na nakaligtas sa paglubog ng barko bilang patunay ng interbensyon ng diyos, tanyag na sumagot si Diagoras: "Nakikita ko ang mga iniligtas, ngunit saan ipininta ang mga nasawi sa paglubog?" Ang anekdotang ito, na pinanatili ni Cicero sa De Natura Deorum, ay kumukuha sa buong mekanismo ng bias—ang mga nakaligtas ay nakikita at naririnig; ang mga patay ay tahimik.

Pormalisasyon noong Renaissance (Ika-17 Siglo): Isinama ni Francis Bacon ang obserbasyong ito sa kanyang teorya ng "Idols of the Mind," partikular ang Idols of the Tribe. Napansin niya na ang talino ng tao ay mas naaantig ng mga pagpapatibay kaysa sa mga negatibo—ang mga tagumpay ay naitala habang ang mga kabiguan ay nawawala sa talaan.

Paggamit ng Matematika noong WWII (1943): Ang gawa ni Abraham Wald kasama ang Statistical Research Group sa Columbia University ay nagbigay ng unang mahigpit na balangkas sa matematika para matugunan ang survivorship bias, na tuluyang nagbago sa operational research at estratehiyang militar.

Rebolusyon sa Financial Economics (Dekada 1990): Kinumpirma ng mga mananaliksik kabilang sina Brown, Goetzmann, Elton, Gruber, at Blake ang epekto ng bias sa datos ng pagganap ng mutual fund at hedge fund, na nagpapakita ng malalim na epekto nito sa pagsusuri ng pamumuhunan.

Sikat na Pilosopiya (Dekada 2000): Itinaas ni Nassim Nicholas Taleb ang survivorship bias mula sa isang konseptong pang-estadistika patungo sa isang pilosopikal na pananaw sa mundo sa Fooled by Randomness (2001) at The Black Swan (2007).

2.2. Mga Pangunahing Mananaliksik

2.3. Mga Tanyag na Pag-aaral

Pagsusuri sa Kahinaan ng Sasakyang Panghimpapawid (Wald, 1943)

Noong WWII, hiniling sa Statistical Research Group na tukuyin kung saan ilalagay ang baluti sa mga bomber aircraft. Nagpakita ang militar ng datos na nagpapakita ng konsentrasyon ng butas ng bala sa mga bumabalik na eroplano: matinding pinsala sa fuselage, mga pakpak, at buntot, ngunit minimal na pinsala sa mga makina at cockpit.

Ang konklusyon ng militar ay lagyan ng baluti ang mga lugar na tumatanggap ng pinakamaraming tama. Ang counter-intuitive na pananaw ni Wald ay binaligtad ang rekomendasyong ito nang buo: lagyan ng baluti ang mga makina at cockpit—ang mga lugar na walang naobserbahang pinsala.

Ang kanyang pangangatwiran: ang putok ng kaaway ay malamang na naipamahagi nang pantay-pantay sa buong eroplano. Ang "nawawalang" mga butas ng bala sa mga makina ay hindi patunay na ang mga makina ay hindi tinatamaan—ito ay patunay na ang mga eroplanong tinamaan sa makina ay hindi na nakabalik. Sinusuri ng militar ang pinsalang nakaligtas, hindi ang pinsalang nakamamatay.

Pormal itong inilatag ni Wald sa kanyang memorandum na "A Method of Estimating Plane Vulnerability Based on Damage of Survivors," kung saan itinatag na ang nakikitang dami ng tama sa mga nakaligtas ay kabaligtaran ng pagkamatay ng tama sa lugar na iyon.

Survivorship Bias sa Mutual Fund (Brown, Goetzmann, et al., 1992)

Inilathala sa Review of Financial Studies, ipinakita ng papel na ito na ang mga karaniwang database sa pananalapi ay sistematikong nagbubura ng mga talaan ng mga fund na na-liquidate o pinagsama. Dahil ang mga fund ay halos palaging nali-liquidate dahil sa mahinang pagganap, ang pagbawas na ito ay lumikha ng isang estadistikal na mirage—ginagawang mas mukhang maganda ang average na pagganap ng fund kaysa sa katotohanan at lumilikha ng mga huwad na ugnayan sa pagitan ng volatility at mga kita na gumagaya sa "kasanayan" kung saan wala namang ganoon.

Survivorship Bias at Pagganap ng Mutual Fund (Elton, Gruber & Blake, 1996)

Sinundan ng tanyag na pag-aaral na ito ang bawat mutual fund na umiiral sa pagtatapos ng 1976. Mga pangunahing natuklasan:

• Ang survivorship bias ay nagpataas sa taunang kita ng humigit-kumulang 0.9% (90 basis points)
• Ang bias ay makabuluhang mas malaki para sa maliliit na fund kaysa sa malalaking fund
• Ang mga fund na pinagsama (madalas itinatago ang mahihirap na talaan sa mas malalaking fund) at ang mga na-liquidate ay parehong nag-ambag sa bias

Ang mga natuklasang ito ay nagbigay ng malakas na empirikal na suporta para sa Efficient Market Hypothesis nang maitama ang bias.

2.4. Neurological na Basehan

Ang survivorship bias ay lumilitaw mula sa mga pangunahing katangian ng pag-iisip ng tao:

System 1 Thinking: Ang "mabilis na pag-iisip" na sistema ni Daniel Kahneman ay pinagsasama ang "dali ng pag-alaala" sa "dalas ng pangyayari." Dahil ang matagumpay na mga halimbawa (Steve Jobs, Bill Gates) ay madaling maalala, likas nating itinatalaga ang mas mataas na posibilidad sa katulad na mga resulta kaysa sa ipinapahiwatig ng mga base rate.

Availability Heuristic: Ang utak ay umaasa sa mga halimbawang agad na makukuha kapag sinusuri ang mga desisyon. Ang mga tagumpay ay mas likas na "available"—ang matagumpay na mga kumpanya ay nakalista sa mga stock exchange habang ang mga nabigong kumpanya ay tinatanggal; ang matagumpay na mga gusali ay nakatayo habang ang mga gumuho ay pinapalitan.

Limitasyon sa Pattern Recognition: Ang utak ng tao ay umunlad upang kumuha ng mga kaugnay na salaysay mula sa nakikitang datos ngunit hindi makapagproseso ng datos na wala. Ang pangunahing limitasyong ito—maaari lamang nating suriin kung ano ang ating nakikita—ay ang neural na pundasyon ng survivorship bias.

Interaksyon sa Optimism Bias: Ang mga neural circuit na nauugnay sa pagtatasa sa sarili ay may posibilidad na maging optimistiko. Kapag tumitingin sa survivor-biased na datos, hinihikayat ng mga circuit na ito ang pagkilala sa mga nanalo sa halip na sa tahimik na mayorya ng mga nabigo, na nagpapatibay sa mapanganib na pag-uugali.

3. Pinagmulan sa Ebolusyon

Ang survivorship bias ay malalim na nakaugat sa ating ebolusyonaryong pamana bilang mga makinang kumikilala ng pattern na gumagana sa mga kapaligiran kung saan ang bilis ay madalas na nangunguna sa katumpakan.

Adaptive Value sa Mga Kapaligiran ng mga Ninuno: Para sa ating mga ninuno, ang pagtutok sa matagumpay na mga estratehiya ay makatuwiran. Kung ang isang pamamaraan sa pangangaso, ruta ng pangingibang-bayan, o pinagkukunan ng pagkain ay nagbunga ng mga nakaligtas, sulit itong tularan. Ang mga nabigo—ang mga sumubok ng ibang diskarte at namatay—ay hindi available para konsultahin. Ang pag-aaral mula sa nakikitang tagumpay ay isang mabilis at mahusay na heuristic.

Pagtitipid ng Enerhiya: Ang utak ay kumokonsumo ng humigit-kumulang 20% ng ating metabolic na enerhiya. Ang pagsusuri sa nawawalang datos—ang pag-iisip sa lahat ng kabiguan na hindi natin nakikita—ay cognitively expensive. Mas pinaboran ng ebolusyon ang mga utak na mahusay na nagproseso ng available na impormasyon sa halip na gumawa ng lubusang pagmomodelo sa mga hindi nakikitang alternatibo.

Tampok (Feature), Hindi Bug: Sa mga kapaligiran ng mga ninuno na may medyo matatag na kundisyon at agad na naoobserbahang mga resulta, ang pag-aaral na nakabatay sa nakaligtas ay madalas na sapat na. Kung nakaligtas ang iyong kapitbahay sa taglamig gamit ang isang partikular na disenyo ng tirahan, ang pagkopya rito ay makatwiran. Nagiging problema lamang ang bias sa masalimuot, modernong mga kapaligiran kung saan ang mga kabiguan ay sistematikong itinatago at ang sample ng mga "nakaligtas" ay hindi tunay na kinatawan.

Ang Availability Mismatch: Ang ating mga utak ay umunlad sa maliliit na grupo kung saan ang karamihan sa mga nauugnay na kaganapan ay direktang naoobserbahan. Sa modernong lipunan, nakakaranas tayo ng impormasyon na na-filter sa pamamagitan ng maraming patong ng pagpili (media, mga merkado, kasaysayan), na ginagawang sistematikong nakaliligaw ang ating mga intuwisyon na nakabatay sa availability.

4. Paano Nagpapakita ang Bias na Ito

4.1. Sa Pang-araw-araw na Buhay

"Hindi Na Nila Ginagawa Nang Tulad Ng Dati": Ang Roman Pantheon, ang mga muwebles na mahogany noong panahon ng Victorian, at ang mga appliances noong 1950s na "gumagana pa rin" ay mga statistical outlier na nakaligtas sa mga siglo ng pagkawasak. Ang mga hindi matibay na itinayong bahay paupahan sa Roma na gumuho, ang murang muwebles ng Victorian na nabulok, at ang mga sirang appliances noong 1950s sa mga basurahan ay hindi nakikita. Inihahambing natin ang pinakamahusay sa nakaraan laban sa karaniwan sa kasalukuyan.

Ang Maling Akala sa "Klasikong" Musika: Sinasabi ng mga tao na ang musika noong 1960s-70s ay mas mahusay dahil "lahat ng kanta mula sa panahong iyon ay mga klasiko." Binabalewala nito ang libu-libong ginaya at hindi magandang ginawang mga kanta na inilabas—ang mga istasyon ng radyo ay nagpapatugtog lamang ng natitirang 1% ng mga sumikat. Inihahambing natin ang na-filter na pinakamahusay ng nakaraan laban sa 100% ng produksyon ngayon.

Payo sa Relasyon Mula sa Maliligayang Mag-asawa: Kapag naghahanap ng payo sa relasyon, karaniwang kumokonsulta tayo sa mga mag-asawang magkasama pa rin. Bihira nating marinig mula sa mga taong sumubok sa parehong mga diskarte at nauwi sa hiwalayan, na posibleng sumunod sa payo na nag-ambag sa kanilang kabiguan.

Mga Rekomendasyon sa Restawran: Ang mga sikat na restawran sa isang lungsod, sa kahulugan, ay mga nakaligtas. Ang libu-libong restawran na nabigo—na posibleng may magkaparehong estratehiya—ay nagsara na at hindi tayo mababalaan tungkol sa kung ano ang hindi gumagana.

4.2. Sa Trabaho

Ang Mito ng Dropout sa Kolehiyo: Binibigyang-diin ng media ang mga bilyunaryo tulad nina Gates, Jobs, at Zuckerberg bilang ebidensya na ang paghinto sa pag-aaral ay humahantong sa tagumpay. Binabalewala nito ang sampu-sampung libong dropout na may utang at mas mababang panghabambuhay na kita. Ang base rate ng tagumpay ng dropout ay ayon sa istatistika ay mas mababa kaysa sa mga nagtapos; ang mga sikat na halimbawa ay mga pambihirang outlier.

Literaturo na "Paano Ako Nagtagumpay": Gaya ng nabanggit ni Nassim Taleb, ang mga nabigong negosyante ay hindi sumusulat ng mga libro na may pamagat na "Paano Ko Nalugi ang Aking Startup." Ang mga matagumpay na negosyante ay sumusulat ng "Kung Paano Ko Naging Matagumpay," at ang kanilang payo (kumuha ng malalaking panganib, huwag pansinin ang mga kritiko) ay maaaring ang eksaktong pag-uugali na nagdulot ng pagkabigo sa mga nabigo.

Pagkuha Batay sa "Matagumpay" na mga Profile: Ang mga kumpanya ay madalas na lumilikha ng mga profile sa pagkuha ng empleyado batay sa mga katangian ng kanilang mga nangungunang empleyado. Ngunit kulang sila sa datos tungkol sa mga tinanggihang aplikante na maaaring naging maganda rin ang pagganap, o tungkol sa mga tinanggap na may katulad na mga katangian ngunit nabigo at umalis.

Mga Pagkakamali sa Pagtukoy sa Pagganap: Kapag sinusuri kung bakit nagtagumpay ang ilang partikular na proyekto, pinag-aaralan ng mga organisasyon ang mga matagumpay na team. Hindi nila mapag-aaralan ang mga kabiguan na inabandona, muling inayos, o kung saan umalis ang mga miyembro—at baka matuklasan nila na ang parehong "mga salik sa tagumpay" ay naroroon din sa dalawa.

4.3. Sa Negosyo at Marketing

"Mga Pormula sa Tagumpay" ng Pagnenegosyo: Ang industriya ng pagpapayo ay isang monopolyo na pinapatakbo ng mga nakaligtas. Ang "sipag," "pagtitiyaga," at "kahumalingan sa kalidad" ay lilitaw sa mga kwento ng matagumpay na mga negosyante, ngunit ang mga survey sa mga sementeryo ng mga nabigong negosyante ay malamang na makakahanap ng magkatulad na mga katangian. Ang nagpapakilala ay kadalasang swerte, timing, o panlabas na mga kaganapan.

Mga Testimonial ng Produkto: Ang marketing ay nagpapakita ng mga nasisiyahang customer. Ang mga hindi nasisiyahang customer na umalis, humingi ng refund, o simpleng nawala ay wala sa salaysay, na bumabaluktot sa nakikitang bisa ng produkto.

Kumpetitibong Benchmarking: Ang mga kumpanya ay nagbe-benchmark laban sa matagumpay na mga kakumpitensya, na pinag-aaralan ang kanilang mga estratehiya. Ngunit ang mga kumpanya na sumubok ng mga katulad na estratehiya at nabigo ay nakuha (acquired), binuwag, o nag-pivot—ang kanilang hindi matagumpay na mga diskarte ay hindi nakikita sa pagsusuri.

4.4. Sa Pulitika at Media

Pagbuo ng Kasaysayang Salaysay: Ang kasaysayan, na isinulat ng mga nakaligtas, ay nagpapakita ng kanilang mga pananaw bilang pinal at tiyak. Ang mga pananaw, babala, at alternatibong iminungkahi ng mga natalo, namatay, o na-isang tabi ay sistematikong kulang sa representasyon.

Survivorship sa Balita: Sinasaklaw ng media ang mga kwentong nakaligtas sa editoryal na pagpili. Libu-libong kapantay na mahalagang mga kaganapan ang hindi naiuulat, na humuhubog sa pampublikong pananaw kung anong mga problema ang umiiral at kung aling mga solusyon ang gumagana.

"Mga Aral" sa Estratehiyang Pampulitika: Pinag-aaralan ng mga analyst ng pulitika ang mga nanalong kampanya upang makuha ang mga salik ng tagumpay. Ngunit ang mga kampanya na gumamit ng magkakatulad na estratehiya at natalo ay tumatanggap ng mas kaunting atensyon, na posibleng humantong sa mga maling rekomendasyon sa estratehiya.

4.5. Sa Pangangalagang Pangkalusugan (Healthcare)

Ang Kabalintunaan ng Helmet sa WWI: Nang ipakilala ang mga steel helmet sa WWI, iniulat ng mga field hospital ang isang malaking pagtaas sa mga pinsala sa ulo. Iminungkahi ng ilan na ang mga helmet ay depekto. Ang totoo: bago ang mga helmet, ang shrapnel sa ulo ay agad na nakapatay sa mga sundalo (naitala bilang KIA, at hindi nakarating sa mga ospital). Ang mga helmet ay ginawang mga magagamot na pinsala ang mga pagkamatay, na ginawang nakikita ang mga sugat sa ulo sa datos sa unang pagkakataon.

High-Rise Syndrome sa mga Pusa: Nalaman ng isang 1987 na pag-aaral ng beterinaryo na ang mga pusang nahulog mula sa >7 palapag ay mas kaunti ang pinsala kaysa sa mga nahulog mula 5-7 palapag, na nagpapahiwatig na mas "ligtas" ang mas matataas na pagkahulog. Ang bias: kasama lamang sa dataset ang mga pusang dinala sa mga beterinaryo. Ang mga pusang namatay nang bumagsak mula sa 30-palapag na pagkahulog ay ibinaon, hindi ginamot—na lumilikha ng isang ilusyon ng kaligtasan sa pagkahulog mula sa matataas na lugar.

Ang "Healthy Worker Effect": Madalas na ipinapakita ng mga pag-aaral na ang mga manggagawang industriyal ay may mas mababang rate ng namamatay kaysa sa pangkalahatang populasyon—hindi dahil ang pabrika ay nagpapalusog, kundi dahil ibinubukod ng workforce ang may kapansanan, nakaratay, at may malalang sakit. Ang mga manggagawa ay paunang napiling mga nakaligtas.

Mga Estadistika ng Kamatayan sa Trauma: Ang mga biktima ng aksidente sa liblib na lugar minsan ay nagpapakita ng mas mababang in-hospital mortality kaysa sa mga biktima sa lungsod. Ang totoo: ang malubhang nasugatan na mga pasyente sa liblib na lugar ay namamatay sa mahabang biyahe, na dumarating bilang "Dead on Arrival" at hindi kasama sa mga estadistika ng ospital. Tumatanggap ang mga ospital sa lungsod ng mga kritikal na pasyente nang buhay, na pagkatapos ay namamatay sa loob ng ospital, na nagpapataas sa rate ng namamatay sa lungsod.

4.6. Sa Pananalapi at Pamumuhunan

Pagganap ng Mutual Fund: Inalis ng mga karaniwang database ang mga tala ng mga na-liquidate na fund. Dahil nagli-liquidate ang mga fund dahil sa mahinang pagganap, nag-aalis ang mga database ng mga kabiguan, na nagpapamukha sa average na pagganap ng fund na ~0.9% na mas mataas taun-taon kaysa sa realidad.

Datos ng Hedge Fund: Kusang nag-uulat ang mga hedge fund, na nagpapakilala ng dalawahang bias: survivorship (ang mga nabigong fund ay humihinto sa pag-uulat) at backfill/instant history bias (ang matagumpay na mga fund ay nagsisimulang mag-ulat at pinupunan ang kanilang maagang mga masuwerte na taon; ang mga hindi matagumpay na maagang fund ay hindi kailanman nag-uulat at nalulusaw). Tinantya ni Malkiel ang pinagsamang bias na ito sa ~4.4% na taunang pagtaas ng kita.

S&P 500 Backtesting: Ang komposisyon ng index ay nagbabago habang inaalisan ang mga naluging kumpanya at ang mga lumalago ay idinadagdag. Ang backtesting na gumagamit sa kasalukuyang S&P 500 listahan ay nakakamit ng hindi makatotohanang mga kita sa pamamagitan ng hindi sinasadyang pagtiyak sa 100% na kaligtasan—bawat kumpanya na nabigo sa panahon ng pagsubok ay hindi kasama.

Ang Ilusyon ng "Hot Hand": Iminungkahi ng mga naunang pag-aaral na pare-parehong matatalo ng mga fund manager ang merkado. Kapag iwawasto nina Brown at Goetzmann para sa survivorship bias, karamihan sa maliwanag na kasanayang ito ay nawala—ang "hot hand" ay higit na ang bahagi ng buntot ng isang random na distribusyon.

5. Mga Pag-aaral ng Kaso sa Tunay na Mundo (Case Studies)

Pag-aaral ng Kaso 1: Ang Desisyon sa Bomber Armor (WWII)

• Konteksto: Ang matitinding pagkatalo ng Allied bomber aircraft laban sa putok ng kaaway ang nag-udyok sa militar na magmungkahi ng pagpapalakas sa mga eroplano gamit ang armor plating. Gayunpaman, ang baluti ay nagdaragdag ng bigat, na nagpapababa ng saklaw, maniobra, at kapasidad ng bomba—ito ay kailangang ilagay nang pinakamahusay.

• Ang nangyari: Nangolekta ang militar ng malawak na datos sa mga butas ng bala sa mga bomber na bumabalik mula sa mga misyon. Ipinakita ng datos ang mataas na dami ng pinsala sa mga fuselage, pakpak, at buntot, ngunit kakaunting pinsala sa mga makina at cockpit. Nagpasya ang mga komandante ng militar na ang baluti ay dapat ilagay kung saan ang mga eroplano ay kadalasang tinatamaan.

• Ang bias na gumagana: Kinilala ni Abraham Wald na ang datos ay kumakatawan lamang sa mga nakaligtas. Ang mga eroplanong tinamaan sa makina at cockpit ay hindi bumalik—sila ay bumagsak sa English Channel o sa mga bukid ng Germany. Ang "nawawalang" mga butas ng bala ay hindi patunay na ang mga makina ay hindi tinatamaan; ang mga ito ay ebidensya na ang mga tama sa makina ay nakamamatay.

• Mga kahihinatnan: Inirekomenda ni Wald ang paglalagay ng baluti sa mga makina at cockpit. Ang kanyang mga pamamaraan ay nagligtas ng maraming buhay at sasakyang panghimpapawid, at patuloy na ginamit sa mga digmaan sa Korea at Vietnam.

• Mga natutunang aral: Kapag sinusuri ang mga kinalabasan, palaging magtanong: "Ano ang nangyari sa mga kaso na hindi ko makita?" Ang kawalan ng ebidensya ay maaaring ebidensya mismo ng pinakamahalagang phenomenon.

Pag-aaral ng Kaso 2: Ang Rebelasyon ng Industriya ng Mutual Fund (Dekada 1990)

• Konteksto: Sa loob ng maraming dekada, sumiklab ang debate kung ang mga aktibong fund manager ba ay pare-parehong makakatalo sa merkado ("generate alpha"). Ang mga naunang pag-aaral ay nagmungkahi na kaya nila.

• Ang nangyari: Natuklasan ng mga mananaliksik na sina Brown, Goetzmann, Elton, Gruber, at Blake na ang mga financial database ay regular na nag-aalis ng mga talaan ng mga na-liquidate o pinagsamang fund. Dahil halos palaging nagsasara ang mga fund dahil sa mahinang pagganap, ang mga database ay sistematikong nag-aalis ng mga kabiguan.

• Ang bias na gumagana: Lumikha ang pag-aalis na ito ng estadistikal na mirage kung saan ang mga natitirang "survivor" na fund ay lumilitaw na may mas mataas na karaniwang kita at nagpapakita ng maliwanag na mga ugnayan sa pagitan ng pagkasumpungin at pagganap na gumagaya sa kasanayan.

• Mga kahihinatnan: Sa sandaling naayos ang 0.9% taunang bias, naglaho ang manipestasyon ng higit na kahusayan ng maraming aktibong tagapamahala, na nagbibigay ng matibay na suporta para sa Efficient Market Hypothesis at nagpabago sa kung paano hinahawakan ng pinansyal na pananaliksik ang pangkasaysayang datos.

• Mga natutunang aral: Ang anumang dataset na may mga huminto (dropout), nagsara, o nawala ay dapat suriin para sa survivorship bias. Kung ano ang hitsura ng kasanayan o outperformance ay maaaring mga artifact ng isang censored na sample.

Pangkasaysayang Halimbawa: Si Diagoras at ang mga Temple Tablet

Ang Griyegong makata noong sinaunang panahon na si Diagoras ng Melos ay pinakitaan ng mga votive tablet sa isang templo—mga pagpipinta na inutos ng mga mandaragat na nanalangin sa mga diyos at nakaligtas sa mga paglubog ng barko. Ipinakita ito ng kanyang kaibigan bilang patunay ng banal na proteksyon.

Ang tugon ni Diagoras ay naging isang pangunahing teksto sa pilosopiya ng posibilidad (probability): "Nakikita ko ang mga iniligtas, ngunit saan ipininta ang mga nasawi sa paglubog?"

Ang mga nalunod na mandaragat ay hindi maaaring magkomisyon ng mga painting. Ang isang tagamasid na sinusuri lamang ang katibayan sa templo ay maghihinuha na ang panalangin ay ginagarantiyahan ang kaligtasan sa dagat—isang konklusyon na kinuha nang buo mula sa isang nasuri (censored) na sample kung saan ang kakayahang magbigay ng katibayan ay nauugnay sa kaligtasan.

Ang 2,500 taong gulang na anekdotang ito ay nagbubuod kung bakit napakamapanganib ng survivorship bias: ang mga nakaligtas ang tanging makapagsasabi ng kanilang kuwento.

6. Ang Halaga ng Bias na Ito

6.1. Mga Personal na Gastos

Torcidong Pagtatasa sa Panganib: Sa pamamagitan ng pagtingin lamang sa matagumpay na mga risk-taker, minamaliit ng mga indibidwal ang posibilidad ng kabiguan. Ang dropout sa kolehiyo na hindi naging bilyunaryo, ang negosyanteng nalugi "kahit ginawa ang lahat ng tama," ang mamumuhunan na nawala ang lahat sa isang "siguradong bagay"—ang kanilang mga karanasan ay hindi nakikita, na humahantong sa iba na kumuha ng hindi sapat na kinakalkulang mga panganib.

Maling Pagtukoy sa mga Salik ng Tagumpay: Tinatanggap ng mga tao ang mga pag-uugali ng mga nakaligtas (pagtitiyaga, pagkuha ng panganib, kumpiyansa) nang hindi namamalayan na ang parehong mga katangian ay naroroon sa mga nabigo. Ang mga taon ay maaaring gugulin sa mga estratehiya na hindi kailanman naging aktwal na mga nag-uuri.

Nasayang na Resourses sa Panggagaya: Ang pagsunod sa "mga formula ng tagumpay" na nakuha mula sa datos na biased sa survivor ay humahantong sa pagsisikap na inilaan sa mga diskarte na hindi aktwal na nagiging sanhi ng tagumpay—naka-correlate lamang dito sa nakikitang sample.

Nasirang Self-Image: Kapag ang pagsunod sa payo na hinango sa survivor ay hindi humantong sa tagumpay, maaaring sisihin ng mga indibidwal ang kanilang sarili sa halip na kilalanin na ang payo ay nakabatay sa maling datos.

6.2. Mga Propesyonal na Gastos

Pagkalugi sa Pamumuhunan: Sa pananalapi, ang survivorship bias ay naitala sa humigit-kumulang 0.9-4.4% na taunang pagtaas ng kita. Ang mga mamumuhunan na gumagawa ng mga desisyon batay sa hindi naitamang pangkasaysayang datos ay sistematikong labis na tinatantya ang inaasahang kita at minamaliit ang mga panganib.

Estratehikong Maling Direksyon: Ang mga estratehiya sa negosyo na nagmula sa pag-aaral ng matagumpay na mga kumpanya ay nalalagpasan ang mga kumpanya na gumamit ng katulad na mga estratehiya at nabigo. Ang mga yaman ay dumadaloy patungo sa mga diskarte na tila napatunayan ngunit maaaring nagkataon lamang (random).

Pag-hire at Pagpapasya sa Talento: Ang mga profile batay sa matagumpay na mga empleyado ay maaaring palampasin ang mga potensyal na mahusay na mga aplikante na naiiba sa nakikitang pattern, habang ang pag-hire sa mga tumutugma ay maaaring kopyahin ang mga katangian na hindi nauugnay sa aktwal na pagganap.

Mga Pagkabigo sa Pagbuo ng Produkto: Ang pag-aaral mula sa mga matagumpay na produkto nang hindi pag-aaralan ang mga katulad na nabigong produkto ay humahantong sa mga pamumuhunan sa mga feature o diskarte na hindi naman talaga mga salik sa tagumpay.

6.3. Societal na mga Gastos

Kasaysayang Hindi Pagkakaunawaan: Ang kasaysayan na isinulat ng mga nakaligtas ay nagpapakita ng likong mga pananaw. Ang mga nawawalang pananaw, alternatibong mga pamamaraan, at mga babala mula sa mga natalo ay sistematikong hindi kasama sa kolektibong memorya.

Patakaran na Maling Direksyon: Ang mga patakaran batay sa pag-aaral ng matagumpay na mga kinalabasan (pang-ekonomiya, panlipunan, militar) nang walang pagsasaalang-alang sa mga kabiguan na may magkakatulad na mga katangian ay humahantong sa hindi maayos na mga interbensyon.

Kulturang Pagbubuo ng Mito: Ang naratibo ng "self-made success," na pinalaki ng survivorship bias, ay nagtatago sa papel ng suwerte, timing, at pangyayari, na humuhubog sa mga saloobin sa hindi pagkakapantay-pantay at paggalaw sa lipunan.

Mga Pagkakamali sa Medical na Protokol: Ang mga desisyon sa paggamot na nakabatay sa mga datos na nagtatangi sa mga nakaligtas ay maaaring makaligtaan na ang ilang mga pasyente ay hindi nakatanggap ng sapat na paggamot o na ang mga matagumpay na resulta ay naganap sa kabila ng, hindi dahil sa, mga partikular na interbensyon.

6.4. Epekto sa Estadistika

7. Ang Nakatagong mga Benepisyo

Ang survivorship bias ay hindi puro negatibo—ito ay nagsilbi sa mga adaptive na tungkulin at maaari pa ring magbigay ng halaga sa mga partikular na konteksto.

Episyente na Heuristic sa Pag-aaral: Sa mga matatag na kapaligiran na may direktang makikitang resulta, ang pag-aaral mula sa mga nakaligtas ay mabilis at medyo tumpak. Kung karamihan sa mga disenyo ng silungan na epektibo sa iyong mga kapitbahay ay epektibo rin sa iyo, ang pagkopya sa mga nakaligtas ay episyente.

Pang-motibasyon na Tungkulin: Ang ilang pagkahantad sa mga kwento ng tagumpay ay nagbibigay ng motibasyon at mga modelong matutularan. Ang kumpletong kamalayan sa lahat ng kabiguan ay maaaring maging paralyzing. Ang susi ay pag-calibrate sa pagkahantad, hindi pag-aalis nito.

Mabilis na Pagpapasya: Kapag ang bilis ay mas mahalaga kaysa sa pagkamatiyak, ang paggamit ng makukuhang mga halimbawa (likas na biased sa survivor) ay maaaring mas mahusay kaysa sa naantalang pagsusuri. Hindi bawat desisyon ay nangangailangan ng buong pagsisiyasat.

Lohitimo na Pagtukoy sa Pattern: Minsan ang mga katangian ng nakaligtas ay tunay na sanhi, hindi lamang magkaugnay. Sa mga domain kung saan ang mga modes ng pagkabigo ay random at ang mga kadahilanan ng tagumpay ay sistematiko, ang mga nakaligtas ay nagdadala ng tunay na impormasyon.

Ang Hindi Kanais-nais na Sukdulan: Ang ganap na pag-aalis ng survivorship bias ay mangangailangan ng kumpletong pagsusuri sa lahat ng posibleng pagkabigo bago magpasya. Ito ay cognitively impossible at halos nakakapilay sa pag-andar. Ang layunin ay kamalayan at naaangkop na pagwawasto, hindi pag-aalis.

8. Pagtatasa sa Sarili: Mayroon Ka Ba ng Bias na Ito?

8.1. Checklist ng mga Palatandaan ng Babala

• Madalas mong binabanggit ang matagumpay na mga tao (Jobs, Gates, Musk) bilang ebidensya para sa mga estratehiya sa buhay/karera
• Naniniwala ka na ang mga nakaraang produkto/musika/gawaing kamay ay karaniwang mas mahusay kaysa ngayon
• Nakagawa ka ng makabuluhang mga desisyon batay sa pag-aaral lamang sa matagumpay na mga halimbawa
• Bihira kang magtanong ng "Ano ang nangyari sa mga sumubok nito at nabigo?"
• Nagtitiwala ka sa kasaysayan ng pagganap ng pondo/investment sa mukhang halaga (face value)
• Naniniwala kang ang "tagumpay ay nag-iiwan ng mga pahiwatig" na mapagkakatiwalaang makukuha mula sa mga nanalo
• Binabalewala mo ang swerte/timing bilang makabuluhang mga kadahilanan sa mga kwento ng tagumpay na hinahangaan mo
• Nagbigay ka ng payo batay sa kung ano ang gumana para sa iyo nang hindi isinasaalang-alang ang iba na hindi ito gumana
• Nakikita mong napakakumbinsido ang mga aklat/podcast na "Paano Ako Nagtagumpay"
• Kapag sinusuri ang mga desisyon, tumutuon ka sa mga kinalabasan kaysa sa prosesong humantong sa kanila

Pag-iskor:

• 0-2 ang na-check: Mababang susceptibility
• 3-5 ang na-check: Katamtamang susceptibility
• 6-8 ang na-check: Mataas na susceptibility
• 9-10 ang na-check: Napakataas na susceptibility

8.2. Mga Tanong para sa Pagninilay-nilay

1. Kailan ka huling aktibong naghanap ng mga kwento ng kabiguan bago gumawa ng makabuluhang desisyon?

2. Mag-isip ng tagumpay na nakamit mo—ilang iba pa ang sumubok ng katulad na mga pamamaraan at nabigo? Alam mo ba talaga?

3. Anong "halatang" mga kadahilanan ng tagumpay ang pinaniniwalaan mo? Paano mo susubukan kung ang mga kadahilanang ito ay naroroon din sa mga pagkabigo?

4. Kapag tumanggap ka ng payo mula sa matagumpay na mga tao, isinasaalang-alang mo ba kung gaano karaming hindi matagumpay na mga tao ang nagbigay ng parehong payo?

5. Mayroon na bang nagturo na kumukuha ka ng mga konklusyon mula sa hindi kumpletong datos? Paano ka tumugon?

8.3. Mabilis na Diagnostic Scenario

Scenario: Nag-iisip kang magsimula ng negosyo at nabasa mo na 60% ng mga negosyo sa iyong industriya na tumuon sa customer service ay nakaligtas sa kanilang unang 5 taon. Tila ito ay matibay na ebidensya na ang pagtutok sa customer service ay susi sa kaligtasan.

Paano mo ito bibigyan ng kahulugan?

• A) "Ayos! Dapat ko talagang unahin ang customer service—malinaw na ipinapakita ng datos na ito'y gumagana." → Mataas na susceptibility
• B) "Kagiliw-giliw, ngunit nagtataka ako kung anong porsyento ng mga nabigong negosyo ang nag-prioritize din ng customer service." → Katamtamang susceptibility
• C) "Wala itong sinasabi sa akin nang hindi alam ang mga rate ng customer service sa mga nabigong negosyo. Kung 60% din ng mga nabigo ang tumuon sa customer service, ang salik na ito ay walang halaga sa paghula." → Mababang susceptibility

9. Pagkilala sa Bias na Ito sa Iba

9.1. Mga Indikasyon sa Pag-uugali

Sa Pagsasalita:

• Madalas na paggamit ng mga sikat na kwento ng tagumpay bilang pandaigdigang katibayan
• Paglalahat (Generalizations) mula sa maliliit na sample ng mga nakikitang nanalo
• Pagbabalewala sa swerte/timing bilang mga salik sa mga naratibo ng tagumpay
• Ekstrapolasyon mula sa "kung ano ang gumagana" nang hindi kinikilala ang mga hindi nakikitang kabiguan

Sa Paggawa ng Desisyon:

• Sobrang pag-asa sa mga pag-aaral ng kaso ng matagumpay na kumpanya/tao
• Pagmamaliit sa base rates at dalas ng kabiguan
• Benchmarking nang eksklusibo laban sa matagumpay na mga kakumpitensya
• Pagtitiwala sa datos ng pangkasaysayang pagganap nang hindi kinukwestiyon ang pangongolekta ng datos

Sa Pakikipagtalo:

• Paggamit ng pagkakaroon ng matagumpay na mga halimbawa bilang patunay ng katumpakan ng estratehiya
• Pangangatwiran na "Gumana ang X para sa Y" nang hindi isinasaalang-alang ang mga Z na kung saan ang X ay nabigo
• Pagpapakahulugan sa kawalan ng katibayan (walang kilalang mga pagkabigo) bilang katibayan ng kawalan

9.2. Mga Red Flag sa Pag-uusap

Mga pariralang sinasabi ng mga tao kapag nasa ilalim ng bias na ito:

• "Tingnan mo ang [sikat na tagumpay]—ginawa nila ang X, at gumana!"
• "Lahat ng matagumpay na kilala ko ay may katangian na Y."
• "Ipinapakita ng datos na ang pamamaraang ito ay may magandang track record."
• "Hindi na sila gumagawa ng mga bagay na tulad ng dati."
• "Ang bawat mahusay na kumpanya ay may ganitong katangian."

Mga uri ng argumentong ginagawa nila:

• Induksyon mula sa nakikitang tagumpay nang walang pagsasaalang-alang sa rate ng kabiguan
• "Patunay sa pamamagitan ng halimbawa" na gumagamit lamang ng mga nakaligtas na kaso

Mga tanong na iniiwasan nilang itanong:

• "Ilan ang sumubok sa pamamaraang ito at nabigo?"
• "Ano ang base rate ng tagumpay para sa estratehiyang ito?"
• "Bakit kaya hindi natin nakikita ang mga pagkabigo sa dataset na ito?"

9.3. Situational Triggers

Mga pangyayaring nagpapagana sa bias:

• Access sa mga na-curate na kwento ng tagumpay (media, libro, kumperensya)
• Pagsusuri ng mga database na may mga mekanismo ng paghinto/pagsara/pagbura
• Anumang pagsusuri kung saan ang mga pagkabigo ay naglalaho sa paningin
• Retrospective na pagsusuri ng kasalukuyang mga pinuno ng merkado

Emosyonal na estado na nagpapataas sa kahinaan:

• Pag-asa sa mabuti tungkol sa desisyon na nagawa na
• Pagnanais na bigyang-katwiran ang isang pamamaraan
• Paghanga sa isang matagumpay na tao

Time pressures:

• Ang pagkaapurahan ay nagbabawas sa posibilidad ng paghahanap ng data na nagpapawalang-bisa (kabiguan).
• Pinapaboran ng mga deadline ang makukuhang mga halimbawa kaysa sa malawakang paghahanap.

10. Cognitive Debiasing Strategies

10.1. Agarang Pamamaraan

Ang Tanong ni Diagoras: Bago ang anumang desisyon na batay sa mga halimbawa ng tagumpay, tahasang magtanong: "Nasaan ang mga nawasak?" Sino ang sumubok nito at nabigo? Bakit hindi ko sila nakikita?

Baligtarin ang Datos: Kapag iniharap sa mga katangian ng nakaligtas, bumuo ng "sementeryo ng kabiguan" sa isip. Magkakaroon din ba ng mga katangiang ito ang mga nabigong kaso? Kung hindi alam, ang datos ay hindi kumpleto.

Pagsusuri sa Base Rate: Bago mag-extrapolate mula sa mga tagumpay, tantiyahin ang denominator. "Sa lahat ng sumubok sa pamamaraang ito, anong bahagi (fraction) ang nagtagumpay?" Kung hindi alam, kilalanin ang kawalan ng katiyakan.

Imbentaryo ng Pamamaraan sa Pagkabigo: Ilista ang lahat ng paraan na ang mga nasuring halimbawa ay maaaring nabigo at nawala. Mga kumpanya ng sasakyan na nabangkarote, mga restawran na nagsara, mga pondong na-liquidate—saan sila napunta?

Pagkuwestiyon sa Pinagmulan: Para sa anumang dataset, tanungin: "Ano ang dropout/deletion/survival mechanism?" Paano inalis ang mga pagkabigo? Inilalantad nito ang istruktura ng bias.

10.2. Mga Pangmatagalang Estratehiya

Sadyang Pag-aralan ang mga Kabiguan: Maghanap ng mga post-mortem, pagsusuri sa pagkalugi, mga kwento ng nabigong startup. Ang "Startup Failure Post-Mortems" ng CB Insights at mga katulad na mapagkukunan ay nagbibigay ng tahimik na ebidensya na karaniwang nawawala.

Pre-Mortem Practice: Bago simulan ang mga proyekto, magsagawa ng "pre-mortems"—isipin na ang proyekto ay nabigo at magtrabaho pabalik upang matukoy ang mga sanhi. Sinasanay nito ang mental na kalamnan ng pag-visualize sa mga kabiguan.

Pag-calibrate ng Probability: Sanayin ang pagtatantya ng base rates bago maghanap ng datos. Subaybayan ang iyong katumpakan. Binubuo nito ang intuwisyon kung gaano kadalas ang pag-overstate ng makikitang rate ng tagumpay sa tunay na rate ng tagumpay.

Kasaysayang Counterfactuals: Kapag nag-aaral ng kasaysayan, aktibong isaalang-alang ang mga alternatibong landas—kung ano ang halos nangyari, sino ang halos nagtagumpay, anong iba pang mga resulta ang naging posible. Tinatawag ito ni Nassim Taleb na "alternative histories."

10.3. Disenyong Pangkapaligiran

Data Infrastructure: Gumamit ng mga dataset na "point-in-time" na nagpapanatili ng mga rekord ng mga kabiguan sa sandaling umiral sila, sa halip na mga database sa kasalukuyang estado na nagpapakita lamang ng mga nakaligtas.

Failure Libraries: Ang pangangasiwa sa kaalaman ng organisasyon ay dapat mag-archive ng mga nabigong proyekto, hindi lamang sa matagumpay. Ang mga post-mortem ay dapat maging madaling makuha tulad ng mga case study ng tagumpay.

Devil's Advocate Protocols: I-institutionalize ang mga tungkulin na partikular na naghahanap ng nakakapagpawalang-bisang ebidensya at nawawalang data ng kabiguan sa mga estratehikong desisyon.

Diverse Advisory Networks: Isama ang mga taong nakaranas ng pagkabigo sa iyong lupong tagapayo. Ang kanilang pananaw ay nagbibigay ng "tahimik na ebidensya" na karaniwang nawawala.

10.4. Kailan Hahanap ng Panlabas na Input

Mga Uri ng Desisyon na Nangangailangan ng Panlabas na Pagpapatunay:

• Malalaking pamumuhunan na nakabatay sa makasaysayang datos sa pagganap
• Mga desisyon sa estratehiya batay sa pagsusuri ng kakumpitensya
• Mga desisyon sa karera/buhay na nakabatay sa mga kwento ng tagumpay
• Mga desisyong medikal na nakabatay sa datos ng resulta ng paggamot

Kung Sino ang Kokonsultahin:

• Mga statistician na pamilyar sa selection bias
• Mga taong nabigo sa diskarte na isinasaalang-alang mo
• Mga mananaliksik na nag-aaral sa mga rate ng pagkabigo ng partikular na domain
• Ang mga Devil's advocate na itinalaga upang hanapin ang nawawalang datos

Paano Ibalangkas ang mga Kahilingan:

• "Ano ang denominator dito?"
• "Ano ang nangyari sa mga sumubok nito at nabigo?"
• "Paano kinokolekta ang datos na ito, at ano ang nagiging sanhi ng pagkawala ng mga kaso?"

11. Mga Praktikal na Pagsasanay

Pagsasanay 1: Ang Paglalakad sa Sementeryo ng Kabiguan

• Layunin: Bumuo ng intuwisyon para sa mga hindi nakikitang kabiguan
• Kinakailangang oras: 45 minuto
• Kailangan na materyales: Internet access, notebook
• Antas ng kahirapan: Beginner
• Mga Tagubilin:
  1. Pumili ng isang domain na interesado ka (mga startup, restawran, produkto, atbp.)
  2. Tukuyin ang 5 sikat na tagumpay sa domain na iyon
  3. Para sa bawat tagumpay, magsaliksik ng 3 kapanahon na sumubok ng mga katulad na pamamaraan at nabigo
  4. Pansinin kung anong mga katangian/estratehiya ang pinagsaluhan ng mga nabigo kasama ng mga matagumpay
  5. Idokumento kung bakit karaniwang hindi nakikita ang mga nabigo (pagkalugi, pagkuha, pagtanggal, atbp.)
• Mga tanong para sa pagninilay-nilay:
  • Gaano kahirap hanapin ang mga nabigo?
  • Anong "mga salik ng tagumpay" ang lumitaw sa parehong tagumpay at kabiguan?
  • Paano binabago nito ang iyong pananaw kung ano ang nagdulot ng tagumpay?
• Dalas: Buwanan, lalo na bago ang malalaking desisyon

Pagsasanay 2: Autopsy sa Dataset

• Layunin: Matutong tukuyin ang survivorship bias sa mga mapagkukunan ng datos
• Kinakailangang oras: 60 minuto
• Kailangan na materyales: Access sa dataset na ginagamit mo (pananalapi, negosyo, datos ng pagganap)
• Antas ng kahirapan: Intermediate
• Mga Tagubilin:
  1. Pumili ng dataset na inaasahan mo para sa mga desisyon
  2. Idokumento ang pamamaraan ng pangongolekta ng datos
  3. Tukuyin ang lahat ng mekanismo kung paano maaalis ang mga rekord (pagsara, merger, pagbura, hindi pag-uulat)
  4. Tantyahin kung anong porsyento ng orihinal na populasyon ang maaaring nawawala
  5. Isaalang-alang kung paano maaaring magkaiba ang nawawalang datos sa natitirang datos
• Mga tanong para sa pagninilay-nilay:
  • Ano ang magbabago kung makikita mo ang nawawalang datos?
  • Gaano ka dapat kumpiyansa sa mga konklusyong nakuha mula sa datos na ito?
  • Anong mga pagsasaayos ang maaaring angkop?
• Dalas: Sa tuwing gagamit ng makasaysayang datos para sa mga desisyon

Pagsasanay 3: Pre-Mortem Ritual

• Layunin: Sistematikong isipin ang pagkabigo bago ito maging hindi nakikita
• Kinakailangang oras: 30 minuto
• Kailangan na materyales: Papel, timer
• Antas ng kahirapan: Advanced
• Mga Tagubilin:
  1. Bago magsimula ng proyekto, tipunin ang team
  2. Magtakda ng timer sa loob ng 20 minuto
  3. Isipin na isang taon na mula ngayon at ang proyekto ay tuluyang nabigo
  4. Isinusulat ng bawat tao ang lahat ng mga dahilan kung bakit ito nabigo (nang hiwalay muna)
  5. Ibahagi at pagsamahin ang mga failure modes
• Mga tanong para sa pagninilay-nilay:
  • Aling mga failure mode ang pinaka-malamang?
  • Aling mga kabiguan ang mag-iiwan ng walang ebidensya para sa mga susunod na analyst?
  • Paano mo maiiwasang maging invisible na datos ng kabiguan?
• Dalas: Sa pagsisimula ng bawat makabuluhang proyekto

Pang-araw-araw na Pagsasanay

Ang Tanong sa Gabi sa Pagkabigo: Gabi-gabi, suriin ang isang desisyon na ginawa mo at magtanong: "Anong mga pagkabigo ang hindi ko nakikita na dapat ipaalam dito?"

• Inirerekomendang tagal: 5 minuto
• Pinakamahusay na oras sa araw: Gabi
• Paano subaybayan ang pag-usad: I-journal ang isang insight ng "hidden failure" bawat araw

Lingguhang Hamon

Silent Evidence Hunt: Bawat linggo, pumili ng isang paniniwala na pinanghahawakan mo batay sa nakikitang ebidensya at aktibong maghanap ng "tahimik na ebidensya" na maaaring sumalungat dito.

• Inaasahang resulta pagkatapos ng 4 na linggo: Malaki ang pag-unlad ng intuwisyon sa pagtatanong "kung ano ang nawawala" at nabawasang tiwala sa mga konklusyon mula sa datos na available lamang
• Mga prompt sa journal para sa pagmuni-muni:
  • Anong paniniwala ang sinuri ko ngayong linggo?
  • Anong tahimik na ebidensya ang natuklasan ko?
  • Paano binago ng paghahanap nito ang antas ng aking kumpiyansa?

12. Para sa Mga Tiyak na Madla (Specific Audiences)

Para sa mga Pinuno at Tagapamahala

Pagpaplanong Istratehiko: Kapag sinusuri ang mga tagumpay ng katunggali, iutos na pag-aaralan din ng mga strategy team ang mga katunggali na gumamit ng mga katulad na estratehiya at nabigo. Maaaring ibunyag ng mga kabiguan na ang naoobserbahang "mga salik ng tagumpay" ay hindi causal (o hindi ang totoong dahilan).

Pagsusuri sa Post-Project: I-archive at pag-aralan ang mga nabigong proyekto nang mahigpit gaya ng mga matagumpay. Ang pag-aaral mula sa mga pagkabigo ay kadalasang mas mahalaga, at kung walang sadyang pangangalaga, ito ay nawawala.

Mga Desisyon sa Pag-hire: Mag-ingat sa mga profile na nagmula sa mga nangungunang gumaganap (top performers). Isaalang-alang kung sinong mga aplikante ang tinanggihan na maaaring nagtagumpay, at kung sinong mga kinuha ang tumugma sa profile ngunit nabigo at umalis.

Dokumentasyon sa Desisyon: I-record hindi lamang ang mga resulta kundi ang impormasyon at pangangatwiran sa oras ng pagpapasya. Nagbibigay-daan ito para sa tapat na pagsusuri kahit na ang mga kabiguan ay "nawawala" sa pamamagitan ng pag-alis, restructuring, o pagbabago.

Pagbuo ng Kultura: Ipagdiwang at talakayin nang bukas ang mga kabiguan. Pinapanatili nitong nakikita ang mga ito sa memorya ng organisasyon sa halip na tumahimik.

Para sa mga Magulang at Edukador

Pagtuturo ng Konsepto: Gamitin ang kwento ni Diagoras—ito ay madaling maintindihan ng mga bata. Magtanong: "Kung makakarinig lang tayo mula sa mga taong nanalo, ano ang hindi natin natututunan?"

Balanse sa Kwento ng Tagumpay: Kapag nagbabahagi ng mga nakasisiglang kwento, magbahagi din ng mga kwento ng kabiguan. "Maraming tao ang sumubok ng eksaktong ginawa niya at hindi ito gumana. Ano kaya ang maaaring nagbigay ng pagkakaiba?"

Edukasyon sa Agham: Ang survivorship bias ay isang mahusay na gateway para sa pag-unawa sa sampling, pagpili, at experimental na disenyo. Gamitin ang halimbawa ng WWII bomber—ito'y matingkad at salungat sa intuwisyon.

Pagmomodelo ng Pagiging Bukas sa Pagkabigo: Ibahagi ang sarili mong mga kabiguan at kung ano ang itinuro ng mga ito sa iyo. Gawing mapapag-usapan ang kabiguan sa halip na hindi nakikita.

Para sa mga Propesyonal sa Pangangalagang Pangkalusugan (Healthcare)

Interpretasyon ng Clinical Trial: Maging alerto sa mga dropout pattern. Ang mga pasyenteng huminto sa paggamot ay maaaring magkaiba nang sistematiko mula sa mga nagpapatuloy. Bahagyang tinutugunan ito ng intention-to-treat analysis.

Makasaysayang Pagsusuri sa Paggamot: "Mga tradisyonal" na paggamot na "tumagal sa paglipas ng panahon" ay maaaring mga nakaligtas lang. Ang hindi epektibong paggamot na inabandona ay walang iniiwang ebidensya.

Diagnostic Pattern Recognition: Hindi palaging kumakatawan sa base rates ang mga hindi malilimutang kaso (mga nakaligtas sa memorya). Aktibong alalahanin ang mga kaso na may magkakaibang resulta kapag nagpapares-pares (pattern-matching).

Mortality Statistics: Intindihin kung paano ang "Dead on Arrival" na mga hindi kasama, pattern ng paglipat, at mga nakagawian sa pagdodokumento ay lumilikha ng survivorship bias sa datos ng mga resulta.

Para sa mga Propesyonal sa Pinansyal

Kalinisan sa Database: Palaging gumamit ng mga database na walang survivorship-bias kapag mayroon. Para sa mga karaniwang database, ilapat ang mga kilalang salik sa pagwawasto (hal., ~0.9% para sa mutual funds).

Pakikipag-ugnayan sa Kliyente: Kapag nagpapakita ng pangkasaysayang pagganap, ipaliwanag kung ano ang nawawala. "Ipinapakita ng index na ito ang mga kumpanyang umiiral ngayon. Ang mga kumpanyang nabigo ay hindi kasama, kaya't ginagawang mas maganda ang nakaraang pagganap kaysa sa aktwal nito."

Backtest Skepticism: Mahalaga ang Point-in-time na datos. Anumang backtest na gumagamit sa kasalukuyang komposisyon ng index ay epektibong nakamit ang 100% na pagpapatuloy (survival)—isang imposibleng kondisyon.

Due Diligence ng Hedge Fund: Isaalang-alang ang survivorship at backfill bias. Ang pinagsamang epekto (~4.4% bawat Malkiel) ay nangangahulugan na ang iniulat na average na pagganap ng hedge fund ay malaking labis sa realidad.

13. Pakikipag-ugnayan sa Ibang mga Bias

Mga Bias na Nagpapalaki sa Survivorship Bias

Mga Bias na Sumasalungat sa Survivorship Bias

Karaniwang mga Bias Chains

Ang Cascade ng Panggagaya sa Tagumpay: Survivorship Bias (tanging mga nanalo lang ang nakikita) → Availability Heuristic (nangingibabaw sa memorya ang mga nanalo) → Narrative Fallacy (bumuo ng causal story mula sa mga katangian ng panalo) → Overconfidence (maniwala na ang kwento ay nagpapaliwanag ng tagumpay) → Confirmation Bias (maghanap ng ebidensya na sumusuporta sa kwento) → Risk Miscalibration (mamaliitin ang probability ng kabiguan)

Interruption Point: Maaaring masira ang chain nang maaga sa pamamagitan ng tahasang pagtatanong "Nasaan ang mga kabiguan?" bago mabuo ang naratibo. Kapag nabuo ang isang nakakahimok na kwento, magiging mas mahirap itong patalsikin.

14. Mga Pananaw sa Kultura

Ang survivorship bias ay nagpapakita sa lahat ng kultura ngunit maaaring palakasin o pabawasan ayon sa kultural na konteksto.

Individualistic vs. Collectivistic Cultures: Sa matataas na indibidwalistikong kultura (hal., United States), lalong prominente ang "self-made success" narrative, na posibleng magpalaki sa survivorship bias sa personal na konteksto ng tagumpay. Ang mga kolektibistikong kultura ay maaaring may higit na nakikita sa mga pagkabigo sa loob ng mga pangkat, na bahagyang pinababa ang bias.

Kultura ng High Power Distance: Sa mga kultura na may high power distance, mas ipinagdiriwang ang mga tagumpay habang ang mga pagkabigo ay itinatago upang maiwasan ang kahihiyan, na maaaring mapataas ang survivor-only visibility na kinalabasan.

Mga Saloobin sa Panganib: Ang mga kulturang may mas mataas na tolerance sa panganib ay maaaring maging mas madaling kapitan sa pagkuha ng mga aralin mula sa mga nakikitang kumukuha ng panganib, habang ang mga kultura na umiiwas sa panganib (risk-averse) ay maaaring natural na maghanap ng mas maraming datos sa pagkabigo.

15. Mga Mito at Maling Akala (Misconceptions)

16. Mga Pananaw ng Eksperto

"Nakikita ko ang mga iniligtas, ngunit saan ipininta ang mga nasawi sa paglubog?" — Diagoras of Melos, Ika-5 siglo BCE

"Ang sementeryo ng mga nabigong restawran ay napakatahimik. Kahit na ang pinakadakilang mga eksperimento sa pag-iisip at mga aklat ay nagsulat ng napakakaunti kung paano HINDI mabigo sa negosyo ng restawran dahil ang mga taong nabigo ay hindi nagsusulat ng mga aklat." — Nassim Nicholas Taleb, Fooled by Randomness

"Ang talino ng tao ay mas naaantig ng mga pagpapatibay kaysa sa mga negatibo." — Francis Bacon, Novum Organum

"[Ang SRG ay] ang pinakakahanga-hangang grupo ng mga istatistiko na naorganisa kailanman." — W. Allen Wallis, Direktor ng Statistical Research Group

17. Mga Pangunahing Punto

1. Ang survivorship bias ay pangkalahatan at sinauna—kinikilala ni Diagoras 2,500 taon na ang nakararaan, na pormal ni Wald sa WWII, at nabibilang sa modernong pananalapi.

2. Ang bias ay lumilikha ng sistematikong mapanlinlang na datos—hindi lamang hindi kumpleto ngunit aktibong mapanlinlang dahil ang kawalan ng mga kabiguan ay nagbabago sa hugis ng nakikitang distribusyon.

3. Ang kung ano ang nawawala ay madalas na pinakamahalagang datos—ang pananaw ni Wald na ang "nawawalang" mga butas ng bala ay nasa mga bumagsak na eroplano ay ang paradigma para sa lahat ng pagsusuri ng survivorship bias.

4. Nasusukat ang epekto sa pananalapi—humigit-kumulang 0.9% taun-taon para sa mutual funds, 4.4% para sa hedge funds, at hindi kilala ngunit malaki para sa mga pagkakamali sa backtesting.

5. Ang lunas ay aktibong paghahanap sa mga hindi nakikita—ang patuloy na pagtatanong "Nasaan ang mga nawasak sa barko?" ay ang disiplina na nagpoprotekta laban sa bias na ito.

6. Umiiral ang mga pamamaraan sa pagwawasto—Maaaring bahagyang tugunan ng Heckman Correction, Inverse Probability Weighting, Kaplan-Meier estimation, at mga point-in-time database ang bias.

7. Ang pagiging nakikita ay hindi nangangahulugan ng bisa—ang kadalian kung saan nakikita natin ang matagumpay na mga halimbawa ay hindi nagsasabi sa atin ng anumang tungkol sa kanilang representasyon ng buong populasyon.

18. Karagdagang Mapagkukunan

Akademikong Papel

• Brown, S. J., Goetzmann, W., Ibbotson, R. G., & Ross, S. A. (1992). Survivorship Bias in Performance Studies. Review of Financial Studies, 5(4), 553-580.
• Elton, E. J., Gruber, M. J., & Blake, C. R. (1996). Survivorship Bias and Mutual Fund Performance. Review of Financial Studies, 9(4), 1097-1120.
• Wald, A. (1943). A Method of Estimating Plane Vulnerability Based on Damage of Survivors. Statistical Research Group Memorandum.

Mga Libro

• Taleb, N. N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Random House.
• Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.

Mga Kabanata ng Libro

• Bacon, F. (1620). Idols of the Tribe. Sa Novum Organum.
• Cicero. (45 BCE). De Natura Deorum [On the Nature of the Gods]. Book III (naglalaman ng anekdota ni Diagoras).

19. Summary Card

20. Glossary ng mga Termino na Ginamit

21. Mga Katanungan para sa Talakayan

Para sa mga book club, silid-aralan, o pagmuni-muni (self-reflection):

1. Matutukoy mo ba ang isang pangunahing desisyon sa buhay na ginawa mo na pangunahing batay sa nakikitang mga kuwento ng tagumpay? Anong mga kabiguan ang hindi mo nakita?

2. Inirekomenda ni Wald na maglagay ng armor kung saan wala ang mga butas ng bala. Anong mga kasalukuyang problema ang maaaring makinabang mula sa pagtingin kung saan hindi lumalabas ang pinsala?

3. Paano kaya pinapalaki ng social media, na nagha-highlight ng mga tagumpay at nagtatago ng mga kabiguan, ang survivorship bias sa mga desisyon sa karera at buhay?

4. Mayroon bang paraan upang tunay na "makita" ang mga kabiguan, o palagi na ba tayong nagtatrabaho gamit ang survivor-biased data? Ano ang mga limitasyon ng mga paraan ng pagwawasto?

5. Iginigiit ni Taleb na ang payo mula sa matagumpay na mga tao ay maaaring hindi mas wasto kaysa sa payo mula sa mga nabigo. Paano natin dapat isipin ang mentorship at pag-aaral mula sa iba kung ibinigay ang bias na ito?