Clicked Gallery

Was ist der Survivorship Bias (Überlebensverzerrung)?

Markiert in einem echten Lehrbuchabsatz. Erklärt von Clicked.

Im Satz verwendet

University Course Reader · STEM

Critics argued the fund industry's performance claims suffered from survivorship bias, since failed funds vanish from the averages.

Der Leser markierte einen Begriff — im Artikel oder im Paper-PDF. Clicked machte den Statistikbegriff „survivorship bias“ leicht verständlich:

In drei Stufen erklärt

Gleiche Fakten, anderer Vibe — Slang-Modus 😎

Die Clicked-Methode

●○○

Overview

Der Survivorship Bias, auf Deutsch Überlebensverzerrung, heißt Schlüsse aus denen zu ziehen, die einen Filter überstanden haben, während die Gescheiterten nirgends in deinen Daten auftauchen. Untersuche florierende Firmen, langlebige Raucher oder solide Altbauten, und du untersuchst Überlebende: Die Misserfolge haben geschlossen, sind verstummt oder längst eingestürzt. Die fehlenden Fälle würden die Antwort ändern, aber sie erscheinen nie zur Zählung.
●○○

Overview

Der Survivorship Bias ist, wenn die Beweislage großartig aussieht, weil die Gegenbeispiele verschwunden sind. Dein Feed ist eine Galerie von Menschen, die der Filter durchgelassen hat: Gründer, die es geschafft haben, Trader mit 400 Prozent plus, irgendjemandes Opa, der täglich rauchte und 95 wurde. Die, die dieselben Entscheidungen ruiniert haben, posten nicht. Das ist keine Erfolgsbilanz. Das ist, was übrig bleibt, nachdem die Verluste sich selbst gelöscht haben. 😎

Die Kurzfassung — oft reicht sie schon.

●●○

Detail

Der Survivorship Bias entsteht, wenn die Daten, die dich erreichen, bereits durch Erfolg gefiltert wurden, sodass die Misserfolge unsichtbar sind und alles, was du berechnest, schief liegt. Der berühmte Fall stammt aus dem Zweiten Weltkrieg, als Analysten die Einschusslöcher heimkehrender Bomber kartierten und Panzerung dort vorschlugen, wo sich die Treffer häuften. Der Statistiker Abraham Wald drehte die Logik um: Diese Maschinen waren heimgekommen, ihre Löcher markierten also überlebbare Schäden. Maschinen mit Treffern im Motor kamen nie zurück zur Inspektion, und die Panzerung gehörte genau dorthin, wo die Überlebenden sauber aussahen. Diese Umkehrung ist die ganze Kunst, denn die modernen Versionen sind überall. Ratschläge von Milliardären, die das Studium abbrachen, erreichen dich, weil sie Erfolg hatten; die gescheiterten Abbrecher schreiben keine Bücher. Alte Möbel wirken besser gebaut, weil die wackligen Stücke vor Jahrzehnten zu Brennholz wurden. Fondsgesellschaften schließen still ihre Verliererfonds, und die überlebende Aufstellung prahlt mit einem Durchschnitt, den kein Anleger je verdient hat. Niemand muss dafür lügen. Ein ehrlicher Blick auf die Verbliebenen liefert trotzdem die falsche Antwort, weil das Ausscheiden nicht zufällig war. Es ist eine Form der Selektionsverzerrung, und das Gegenmittel ist eine früh gestellte Frage: Wer fehlt in diesen Daten, und was ist aus ihnen geworden?
●●○

Detail

Der Survivorship Bias ist der Grund, warum „bei denen hat es funktioniert“ der schwächste Beweis der Welt ist, und wer die Form einmal sieht, sieht sie überall. Jeder Erfolgsguru, der seine Methode lehrt, ist jemand, den die Methode nicht ruiniert hat; die Ruinierten sind damit beschäftigt, still zu sein. „Früher hat man noch richtig gebaut“ ist ein Lob an die alten Häuser, die noch stehen, und nur die stabilen stehen noch, um es einzustreichen. Opas Zigaretten beweisen nichts, außer dass du nur Geschichten von Opas bekommst, die noch da sind, um sie zu erzählen. Die Finanzwelt betreibt die Profiversion: Schließe die peinlichen Fonds, und das Familienfoto der übrigen mittelt sich heldenhaft. Die Falle ist, dass niemand lügen muss, und genau das macht sie so schwer zu fangen. Alle in der Stichprobe sagen die Wahrheit. Die Stichprobe selbst ist die Lüge. Also baue den Reflex: Wenn die Beweise eine Parade von Gewinnern sind, frag, was aus allen wurde, die angefangen haben. Wenn das niemand beantworten kann, ist der beeindruckende Teil der Geschichte der Teil, der gegangen ist. 😎

Mehr? Ein Klick geht tiefer.

●●●

Analogy

Der Survivorship Bias heißt, den Abschlussjahrgang nach denen zu beurteilen, die zum Zwanzig-Jahres-Treffen erscheinen. Der Saal ist voller stabiler Karrieren und froher Neuigkeiten, und der natürliche Schluss lautet, dem Jahrgang sei es glänzend ergangen. Aber ein Klassentreffen ist ein Filter. Die Mitschüler in schwieriger Lage blieben meist zu Hause, und wer spurlos umzog, bekam nie eine Einladung. Niemand hat dich getäuscht. Der Saal berichtet ehrlich über den Saal. Er ist nur nicht der Jahrgang; er ist die Scheibe des Jahrgangs, die eine gute Lebensphase in einen Festsaal trägt, und jeder Schluss darin erbt den Filter an der Tür.
●●●

Analogy

Der Survivorship Bias ist die In-App-Umfrage eines mittelmäßigen Spiels. „97 % der Spieler lieben es!“ Technisch wahr, denn die Umfrage läuft in der App, und alle, die das Spiel hassten, haben es vor Monaten deinstalliert. Die Hasser sind nicht befragbar; die Umfrage wohnt an dem einen Ort, an den sie nicht mehr gehen. Die verbliebenen Spieler antworten ehrlich, fünf Sterne ringsum, und die Zahl ist echt, prachtvoll und nutzlos. Dieselbe Mathematik vor dem Kino: Befrage das Publikum beim Abspann, und der Film schneidet wunderbar ab, denn alle, die ihn hassten, sind vor einer Stunde gegangen. Die Rausgegangenen würden liebend gern mitreden. Die Umfrage erreicht sie nie. 😎

Neues Konzept? Ein Alltagsbeispiel macht’s greifbar — neue Analogien auf Knopfdruck.

KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung

Formale Definition — Derselbe Begriff, wie er sonst erklärt wird

Der Survivorship Bias ist eine Form der Selektionsverzerrung, bei der sich die Analyse auf Einheiten beschränkt, die einen Überlebens- oder Bestandsfilter passiert haben, während die unterwegs Ausgeschiedenen im Datensatz fehlen, was Schätzungen von Leistung, Haltbarkeit oder Risiko nach oben verzerrt. Dokumentierte Fälle umfassen Fondsdatenbanken, die geschlossene Fonds ausschließen, klinische Studien mit Teilnehmerschwund und Rückschlüsse aus historischen Artefakten, die dauerhafte Objekte zwangsläufig überrepräsentieren. Gegenmaßnahmen umfassen die Rekonstruktion der vollständigen Ausgangskohorte, das explizite Verfolgen von Abbrechern und die Intention-to-treat-Analyse in Studien.

Soll Clicked Begriffe wie „survivorship bias“ direkt in deinem Browser erklären – auch in PDFs?

Zu Chrome hinzufügen — Kostenlos

50 kostenlose Erklärungen · Keine Kreditkarte nötig