خطای بازمانده؟!

بد نیست در ابتدای صحبت، به داستان کوتاهی اشاره کنیم که به صحبتمان، کم ارتباط ندارد《در جنگ جهانی دوم بمباران هوایی آلمان یکی از ابزارهای اصلی متفقین برای ضربه‌زدن به کشور آلمان بود.در این میان نیروی هوایی بریتانیا تحقیقات ویژه‌ای را برای مقاوم‌سازی هواپیماهای جنگی خود آغاز کرده بود. مشکل اصلی این بود که در طی بمباران هوایی آلمان، تجهیزات هواپیمایی بریتانیا آسیب شدیدی دیده بود و از میان ۱۰۰ هواپیما دست کم ۵۰ درصد آنها سقوط کرده بود و ۵۰ درصد دیگر به شدت صدمه دیده بود.

تیمی از مهندسان بر روی هواپیماهایی که نجات یافته بودند متمرکز شدند و نقاطی که بیشترین آسیب را دیده بودند را بررسی کردند تا هواپیماها را از آن نقاط مستحکم‌تر بسازند و آسیب ناشی از حمله به آنها کاهش پیدا کند، آنها معتقد بودند هرچه بالهای هواپیما استحکام بیشتری داشته باشد، هواپیماهای کمتری آسیب می‌بینند. با بررسی هواپیماها دریافتند بال های نیمی از آنها دچار آسیب شده، درنتیجه دریافتند در هواپیما های بعدی نیاز است بال هایی با استحکام بیشتری بسازند. اما آبراهام والد که یک ریاضی‌دان بود با این تحلیل مخالفت کرد و خطاب به مهندسان گفت "چقدر شماها اح'مقین، مهم نیست به کجای ۵۰ هواپیما تیر خورده که باعث آسیب بهش شده، مهم اینه به کجای ۵۰ هواپیمای دیگر تیر خورده که سبب سقوطش شده!"》

این طرز فکر آشنا نیست؟ همانطور که مهندسان بریتانیایی بدون توجه به هواپیما های سقوط کرده بر روی هواپیما های آسیب دیده متمرکز شدند، افراد بسیاری نیز بدون توجه به میلیون ها نفری که به دلیل ترک تحصیل با مشکلات بسیاری روبرو شده اند، تنها به افرادی که با ترک تحصیل ثروتمند شده اند توجه میکنند. منشا تمام این ها خطایی است به نام خطای بازمانده!

اما خطای بازمانده چیست؟ خطای بازمانده یا سوگیری بازماندگی (Survivorship bias) نوعی خطا در استدلال است که با تمرکز بر روی افراد یا چیزهایی که از یک فرایند انتخاب گذر کرده‌اند و نادیده گرفتن مواردی که از آن فرایند گذر نکرده‌اند ولی معمولاً به چشم نمی‌آیند، رخ می‌دهد. این سوگیری می‌تواند منجر به نتیجه‌گیری‌های غلط از چندین روش مختلف شود. در این نوع از سوگیری ذهن فقط نمونه‌های زنده و موفق را در نظر می‌گیرد و در نتیجه در داوری خطا می‌کند.

در بیشتر موارد رخ‌دادن مدل سوگیری، تنها نمونه‌های زنده یا موفق مورد بررسی قرار می‌گیرند و همین امر باعث اشتباه در داوری یا نتیجه‌گیری می‌شود. سوگیری بازماندگی معمولاً باعث ایجاد نتیجه‌گیری‌های بیش از حد خوش‌بینانه و موفقیت‌آمیز می‌شود، چرا که در این نتیجه‌گیری شکست‌های متعدد نادیده گرفته شده است. برای مثال فردی بر اساس تعداد محدودی از دانش‌آموزان یک دبیرستان که توانسته‌اند در دانشگاه‌های خوب قبول شوند، نتیجه بگیرد که آن دبیرستان خدمات آموزشی بسیار خوبی ارائه می‌دهد. این ممکن است درست باشد ولی بدون در نظر گرفتن وضعیت قبولی سایر دانش‌آموزان آن دبیرستان نمی‌توان چنین استدلالی کرد!

برای جلوگیری از این نوع سوگیری، باید در نحوه انتخاب داده‌های آماری خود بسیار با دقت رفتار کرد و همواره به این نکته توجه داشت که از داده‌های اصلی هیچ گونه داده‌ای حذف نشود. زیرا حذف شدن برخی داده‌ها باعث نشان دادن اطلاعات غلط و تصمیم‌گیری نادرست می‌شود.