一句话定义
进入你视野的样本，并不等概率代表真实世界——就算无人说谎，你看到的也不是真实世界。
来源
详细解释
你以为你在观察整个大海，殊不知你只是在看渔网里捞上来的鱼——网眼大小、下网位置早就决定了你看到什么。学术界发现十几种选择偏差，万维钢粗略归为四类：
- 自我选择偏差 (Self-selection Bias)：来参加 party 的都是想要来的人。典型案例：朋友圈悖论、网络评论的 J 型分布、热搜的极端事件。
- 幸存者偏差 (Survivorship Bias)：没来的人不是没兴趣，而是根本来不了。商业世界最致命的认知陷阱——会让你总结错误的成功经验（创业辍学叙事、基金历史收益、健身偏方、健康工人幸存效应、怀旧）。
- 分组选拔偏差 (Sorting Bias)：分配环节本身就不是随机的。最反常识案例：名校效应——名校更像筛选器而不是炼丹炉（Dale & Krueger 2002）。
- 门槛偏差 (Threshold Bias) / 伯克森悖论 (Berkson’s Paradox)：你看到的都是跨过某个门槛后的样本——两个原本不相关的变量加和设门槛，门槛内样本就显得负相关。“长得帅的男人都是渣男”统统是门槛伪造的规律。
科学家应对选择偏差的最佳办法：随机分组实验。如果只能被动统计，就必须追踪那些没出现的人。
「四问诊断法」：①谁没来？ ②谁来不了？ ③分组是随机的吗？ ④这里有没有门槛？
与 可得性偏差 / 确认偏误 互补：选择偏差是样本有问题，那两个是眼睛有问题。
万维钢小结：「社交媒体不是生活，评论区不是民意，热搜不是人间。」
相关概念
相关工具
- 参考类预测 — 用分布信息打破被幸存者样本支配的直觉