取樣偏差 vs 墨非定律

如果你看到上面這張漫畫還沒有笑出來，那麼，你可能就是莫非定律的受害者。

想要知道「取樣偏差」和「莫非定律」有什麼關聯，我們首先來看看日常生活中的取樣偏差。

取樣一：機車比汽車危險，對不對？我們聽到看到機車事故的次數，比汽車事故多，毫無疑問。但是，有沒有想過，台灣機車的數量是汽車的2.7倍？

取樣二：假設某一天新冠肺炎的死亡個案裡，有20位沒施打疫苗，但也有20位施打了三劑疫苗，所以，打不打疫苗的死亡率相同？但你知道嗎？沒施打疫苗的人口只有10%，而施打三劑疫苗的人口則有70%。所以，換算下來，沒打疫苗的死亡率，居然高達7倍！

如果你不看取樣的來源母數，只在乎當下的取樣結果，你就很容易陷入取樣偏差的陷阱。

莫非定律，就是用來形容：只看取樣結果，「忘記」取樣來源母數的「倒楣鬼」。

開車在多線道的路上，你發現，不管怎麼換車道，你車子目前所在的這個車道，總是最塞最慢的。為什麼會這樣呢？你，真的就這麼倒楣嗎？

喔不，當然不是。你只是忘記了其他幾次「換車道催油門」的爽快經驗，只記得「換車道反而更慢」的懊惱。取樣偏差的後果。

痛苦的經驗刻骨銘心，爽快的經驗過眼雲煙，所以我們只會記得某次選擇所帶來的痛苦，卻忘了其他次選擇所帶來的爽快。這就是取樣偏差所導致的莫非定律。