弹孔多的地方要不要加装甲？——幸存者偏差与 Wald 的反推
二战，前线基地里返航的轰炸机浑身弹孔：机翼、机身弹孔密密麻麻，发动机附近却相对干净。装甲有限、加多了飞不动——该加在哪？
直觉答案：弹孔多的地方，那里最常挨打。据 Wallis（1980）的回忆，军方当时也倾向加固返航飞机上中弹最多的部位。
哥伦比亚大学统计研究小组（SRG，1942 年夏成立）的 Abraham Wald 指出了这套推理的死穴：手头只有返航（幸存）飞机的中弹数据，被击落的飞机完全观测不到——直接用幸存者的弹孔分布评估飞机脆弱性，会产生系统性偏差。他在『命中大致均匀分布』的假设下反推：要害部位中弹的飞机更难返航，所以幸存样本里那儿弹孔反而少——发动机附近『干净』，不是因为不挨打，而是挨了打的都没能回来。
Wald 的真实方法比传说硬核得多：他写了 8 份备忘录《A Method of Estimating Plane Vulnerability Based on Damage of Survivors》，引入条件概率 p_i =『已中 i−1 弹幸存的前提下、第 i 弹被击落』，在『飞机仅因敌方火力坠落（L0=0，未中弹者不坠）』等明示假设下建立方程，从幸存数据反推未返航飞机的中弹分布，其中一份专门估计机身各部位的易损性。这套方法一直沿用到朝鲜战争与越南战争，备忘录 1980 年才由美国海军分析中心（CNA，报告号 CRC 432）重印公开。
各系都对女生不吃亏，总体为什么反过来？——辛普森悖论
1973 年秋，UC Berkeley 研究生院合计数据：男性申请 8442 人、录取约 44%；女性申请 4321 人、录取约 35%——差 9 个百分点，看似铁证如山的性别歧视。
Bickel、Hammel、O'Connell 在 Science（1975）逐系分析后剧情反转：多数院系对女性的录取率并不低。常用教学子集『六大系』合计：男 2691 人录 1198、女 1835 人录 557，其中 4 个系女性录取率反而更高；按系恰当合并后，甚至存在小而统计显著的、对女性有利的偏差。
合计与分组结论相反，凶手是混杂变量『申请的院系』：女性更集中申请竞争激烈、整体录取率低的院系，男性更多申请录取率高的院系。顺带拆一个常见讹传：『伯克利因此被起诉』实无其事——没有诉讼，是研究生院副院长担心可能被诉，才请统计学家核查数据。
这就是辛普森悖论：在每个子组内都成立（或都不存在）的关联/趋势，把子组数据合并后方向反转或消失。现象最早由 Pearson（1899）与 Yule（1903）注意到；Simpson 1951 年用 2×2×2 列联表说明『无二阶交互也不能机械地合并成 2×2 表来检验』；『辛普森悖论』这个名字由 Blyth 1972 年首次提出。
骂比夸管用？——均值回归、小样本与会撒谎的图表
Kahneman 给以色列空军飞行教官讲『奖励比惩罚更有利于技能学习』，一位资深教官反驳：学员被表扬一次漂亮动作后下次往往变差，被痛骂一次糟糕动作后下次往往变好——所以惩罚有效、表扬有害。
听起来无懈可击？破绽在：教官只在表现极端好时表扬、极端差时痛骂，而极端表现之后无论教官做什么，下一次都大概率向平均水平回归。教官把随机波动的必然回落/回升，错读成了自己奖惩的因果效果——这就是回归谬误（regression fallacy）。Kahneman 称这次顿悟是他职业生涯中最满足的 eureka 时刻之一。
『回归』的统计学起源：Galton（1886）测量 205 对父母（取『中亲』身高）与 928 名成年子女，发现父母偏离人群均值越多，子女平均只偏离约其 2/3——他称之为『向平庸回归（regression towards mediocrity）』，统计学『回归』一词即源于此文。要点：这是纯统计现象而非生物『退化』，任何相关不完全（|r|<1）的两个变量间都有，且方向对称（子女特别高的，其父母平均也没那么高）。凡『病重吃药后好转』『事故高发路段整改后事故减少』这类干预恰好发生在极端值之后的场景，先排除均值回归再谈疗效。
再连过两个快陷阱。
样本量忽视：某镇大医院每天约出生 45 名婴儿、小医院约 15 名，男婴比例约 50%——一年中哪家记录到『当日男婴超过 60%』的天数更多？Tversky & Kahneman（1974）的 95 名受试者中 53 人（56%）答『两家差不多』，答对『小医院』的只有 21 人（约 22%）。样本越小，比例的抽样波动越大，越容易越过 60% 门槛；凭『代表性』直觉以为大小样本同等反映总体，就是对『小数定律』的迷信——拿三五个用户、几天的数据就下结论，犯的是同一个错。
截断 Y 轴（Gee-Whiz Graph）：Huff（1954）演示：折线图 Y 轴不从零起、再拉伸纵向比例，1% 的变化能画得像暴涨——数字没造假，印象全造假。Pandey 等在 CHI 2015 的众包实验证实这真骗得到人：看到截断轴柱状图的被试，对差距大小的感知被显著夸大；对倒转 Y 轴这类『信息反转』失真受骗率同样很高。Tufte 给了量化标尺：Lie Factor =（图形呈现的效应大小）/（数据中的效应大小），理想应约等于 1。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
二战返航轰炸机机翼、机身弹孔密布，发动机附近却相对干净。按 Wald 的分析，有限的装甲最该优先考虑保护哪里？
答案：发动机等返航样本中弹孔少的部位——要害部位中弹的飞机大多没能返航，幸存数据里那儿弹孔反而少
手头只有返航（幸存）飞机的中弹数据，被击落的完全观测不到——直接用幸存者的弹孔分布评估飞机脆弱性会产生系统性偏差，这就是幸存者偏差。据 Wallis（1980）：军方本倾向加固返航飞机上中弹最多的部位，而 Wald 假设命中大致均匀分布，推出『要害部位中弹的飞机更难返航，所以幸存样本里那儿弹孔反而少』。注意最后一个选项也错：数据不是没法用，Wald 恰恰建立了从幸存数据反推未返航飞机中弹分布的方法。（出处：Mangel & Samaniego, JASA 1984；Wallis, JASA 1980 rejoinder）
流行版故事里，Wald 当场怒怼军方：『装甲该装在没有弹孔的发动机上！』史实核查后，Wald 1943 年那 8 份备忘录里实际写的是什么？
答案：纯技术推导：引入条件概率 p_i（已中 i−1 弹幸存的前提下、第 i 弹被击落），在『飞机仅因敌方火力坠落（L0=0）』等明示假设下，从幸存数据反推未返航飞机的中弹分布——通篇没有任何『装甲应装在哪』的建议
史实核查（Casselman, AMS 2016）：Wald 的 8 份备忘录是纯技术推导，通篇没有任何『装甲应装在哪』的建议——SRG 惯例只回答统计问题、不替军方做决策。那句名言查无一手出处，绘声绘色的对话属后人『合理重构』；关于这段工作的一手史料只有备忘录本身和 Wallis 回忆录中两处未点名的简短提及。故事的真实内核载于 Wallis 1980 年 JASA rejoinder：军方倾向保护中弹最多的部位，Wald 以『命中均匀分布』假设推断要害部位中弹者难返航。备课引用时应把『方法史实』与『传说细节』分开陈述。（出处：Casselman, AMS Feature Column 2016；Wallis, JASA 1980）
判断：那张流传极广的『机身布满红色弹孔』飞机示意图，并不是 Wald 当年的史料，而是设计师 Cameron Moll 约 2005 年为演讲自绘的现代插图（维基百科 2016 年重绘版流传最广）。
答案：正确
正确。图作者 Cameron Moll 本人自述：这张红点飞机图是他约 2005 年为演讲创作的现代插图，并非出自 Wald 之手；今天流传最广的是维基百科 2016 年的重绘版。这里藏着本课最好玩的自反梗：讲幸存者偏差的配图本身就是幸存者偏差的活标本——传播中『幸存』下来的是最戏剧化的版本（名言 + 红点图），枯燥的一手备忘录反而没人看见。转发前先问一句：这个『史料』的一手出处在哪？（出处：Moll, 'Abraham Wald and the airplane diagram — origin story'；Casselman, AMS 2016）
1973 年秋伯克利研究生院：男性申请 8442 人录取约 44%，女性申请 4321 人录取约 35%，看似歧视女性；可 Bickel 等逐系分析发现多数院系对女性录取率并不低，六大系里 4 个系女性录取率反而更高。总体与分系为什么反向？
答案：混杂变量『申请的院系』作怪：女性更集中申请竞争激烈、整体录取率低的院系，男性更多申请录取率高的院系——按系恰当合并后甚至存在小而统计显著的、对女性有利的偏差
这是辛普森悖论最著名的真实案例：合计与分组结论相反的原因是混杂变量『申请的院系』——女性更集中申请竞争激烈、整体录取率低的院系。六大系合计男 2691 人录 1198、女 1835 人录 557，其中 4 个系女性录取率更高；按系恰当合并后甚至存在小而统计显著的、对女性有利的偏差。样本量解释不成立（上万人的样本，9 个百分点远非随机波动）。另一个常见讹传是『伯克利因此被起诉』——实无诉讼，是研究生院副院长担心可能被诉才请统计学家核查数据。（出处：Bickel, Hammel & O'Connell, Science 1975）
判断：遇到辛普森悖论时，该相信合并数据还是分组数据，是一个纯数学问题——只要算得足够仔细，数学本身就能给出答案。
答案：错误
错误。该信合并还是分组不是数学能单独回答的问题，取决于分组变量在因果结构中的角色：是混杂变量就该分组/调整（如伯克利案的院系），是处理结果的中介就不该调——Pearl 用因果图把这一判定形式化。背景补一课：现象最早由 Pearson（1899）与 Yule（1903）注意到；Simpson 1951 年用 2×2×2 列联表说明『无二阶交互也不能机械地合并成 2×2 表来检验』；『辛普森悖论』这个名字由 Blyth 1972 年首次提出。（出处：Simpson, JRSS B 1951；Blyth, JASA 1972；Pearl, UCLA R-414）
以色列空军飞行教官发现：学员被表扬一次漂亮动作后下次往往变差，被痛骂一次糟糕动作后下次往往变好，于是断定『惩罚有效、表扬有害』。Kahneman 指出这个推理错在哪？
答案：均值回归：表扬只发生在极端好、痛骂只发生在极端差的表现之后，而极端表现之后无论教官做什么，下一次都大概率向平均水平回归——教官把随机波动的必然回落/回升错读成了奖惩的因果效果
这是回归谬误（regression fallacy）的教科书案例：教官只在表现极端好时表扬、极端差时痛骂，而极端表现之后下一次本来就大概率向均值回归——『变差』『变好』与奖惩无关。Kahneman 在《思考，快与慢》里称这次顿悟是他职业生涯中最满足的 eureka 时刻之一；案例在 Tversky & Kahneman 1974 年 Science 论文『对回归的误解』一节即有记载。凡『干预恰好发生在极端值之后』的场景（病重吃药后好转、事故高发路段整改后事故减少），都要先排除均值回归再谈干预疗效。（出处：Tversky & Kahneman, Science 1974；Kahneman, Thinking, Fast and Slow ch.17）
统计学『回归』一词的起源：Galton 1886 年测量 205 对父母（取『中亲』身高）与 928 名成年子女的身高，他发现了什么？
答案：父母偏离人群均值越多，子女平均只偏离约其 2/3：高个父母的孩子平均比父母矮、矮个父母的孩子平均比父母高——他称之为『向平庸回归』，『回归』一词由此而来
Galton 发现父母偏离人群均值越多，子女平均只偏离约其 2/3（原文 'as 2 to 3'），并称之为『向平庸回归（regression towards mediocrity）』——统计学『回归』一词即源于此文。两个要点：① 这是纯统计现象而非生物『退化』，任何相关不完全（|r|<1）的两个变量间都有均值回归；② 方向对称——子女特别高的，其父母平均也没那么高。凡『极端表现之后回落』的场景（超常发挥后下滑、冠军次年变平庸），第一反应应排查均值回归，而不是急着找因果解释。（出处：Galton, Journal of the Anthropological Institute 1886）
某镇大医院每天约出生 45 名婴儿，小医院约 15 名，男婴比例约 50%。一年中哪家医院记录到『当日男婴超过 60%』的天数更多？
答案：小医院——样本越小，比例的抽样波动越大，越容易越过 60% 门槛
正确答案是小医院：样本越小，比例的抽样波动越大，越容易越过 60% 门槛。这道 Tversky & Kahneman 1974 年 Science 论文里的题目，95 名受试者中 53 人（56%）答『两家差不多』，答对的只有 21 人（约 22%）——人们凭『代表性』直觉认为大小样本同等反映总体，对样本量不敏感，Tversky & Kahneman 称之为对『小数定律』的迷信（误以为小样本也服从大数定律）。日常版陷阱：拿三五个用户、几天的数据就下结论，正是同一错误。（出处：Tversky & Kahneman, Science 1974；Kahneman & Tversky, Cognitive Psychology 1972）
判断：只要图表里的数字本身没有造假，这张图就谈不上误导——截断 Y 轴只是排版上的选择，不会影响读者的判断。
答案：错误
错误。Huff 在《How to Lie with Statistics》的 'The Gee-Whiz Graph' 一章演示：折线图 Y 轴不从零起、再拉伸纵向比例，1% 的变化能画得像暴涨——数字没造假，印象全造假。而且这不是杞人忧天：Pandey 等在 CHI 2015 的众包实验证实，看到截断轴柱状图的被试对差距大小的感知被显著夸大，对倒转 Y 轴这类『信息反转』失真受骗率同样很高。所以读图第一步永远是看轴起点与刻度。（出处：Huff 1954；Pandey et al., Proc. ACM CHI 2015）
关于防图表误导的实用守则，下面哪条是对的？
答案：柱状图以长度编码数值，基线必须为零；折线图基线可以不为零但应明示；读图先看轴起点与刻度——Tufte 的 Lie Factor（图形呈现的效应大小 / 数据中的效应大小）理想应约等于 1
实用守则：柱状图以长度编码数值、基线必须为零；折线图基线可不为零但应明示；读图先看轴起点与刻度。Tufte 提出 Lie Factor =（图形呈现的效应大小）/（数据中的效应大小），理想应约等于 1——远大于 1 就是图形在夸大数据。注意第一个选项过头了：『折线图必须从零起』并不是规则，折线图允许非零基线（但要明示），必须零基线的是用长度编码数值的柱状图。（出处：Tufte, The Visual Display of Quantitative Information 1983；Huff 1954；Pandey et al., CHI 2015）