你可能有聽過什麼事倖存者偏誤，讓我們來聽聽著名的案例，二次世界大戰，盟軍一群軍事家，計畫補強轟炸機的鋼板，開始研究轟炸機回來基地後，受損的位置，圖片如下紅色的點，記錄的受傷的位置。
https://en.wikipedia.org/wiki/Survivorship_bias
從上圖來看，軍事家發現，轟炸機大多數受傷的是在兩側的機翼跟機尾受傷，所以應該補強機翼跟機尾，而前方的駕駛艙、油箱與引擎室，這有沒有聽起來哪裡怪怪的，你覺得呢？
前方的駕駛艙、飛機的油箱跟引擎室如果中彈，我們想想會如何？我的理解是飛機會因為駕駛死亡，或是爆炸，而沒有能力開回基地，所以他並沒有辦法在當一個倖存者，直接變成了罹難者。所以回去的倖存者統計的數據分析，既便是事實也有偏差，這就是著名的倖存者偏差，通常講解到這裡，大家會覺得原來長知識了，但是大家要怎麼實踐思考這件事情呢？那就是看到統計數據要有母體（分母）合理性的思維。
常常看到很多問卷調查，並沒有解釋資料收集的方式與來源，一句大數據分析就解釋了結論，這常常讓很多人掉入坑裡，被賣掉還幫人數錢，而如何培養母體合理性思維呢？我給大家列幾個我個人認為有效的方法：
調查的人、事、時、地、有沒有偏差
可以想想如果調查的人，有沒有偏向哪一個群體，男人女人，年紀上或職業上的有沒有偏差，這點通常很直觀，但是也有一些隱形的坑要注意，比如說總統大選的電話民調，通常家裡有裝市內電話，且有時間做完電話調查完的，通常是已退休的年長人士，這就是調查方式也間接造成的偏差。
事情就有如二戰轟炸機調查回來的轟炸機，這件事情母體，會導致母體不完全，還有一個有經典案例就是獸醫院調查，貓咪墜樓受傷送醫院的統計，經統計1~3，樓4~7樓平均差不多，8樓跟9樓兩個樓層差了一倍，所以下一個驚人的結論，貓咪對於越高樓層往下摔，越能自我保護不會受傷，但有沒有另一個事實是，從9樓摔下去的貓咪就直接死了，而不送醫了。
時間通常就比較直觀，但是要注意真的如白天、黑夜的時間之外，還要注意一些特殊事件，比如說都在疫情期間調查，台灣開放快篩後，僅用參加快篩的人當分母除上快篩陽性的當分子，就很不恰當，因為在這個時間點，如果沒有什麼症狀的人，他是不會出門的，甚至更不敢去檢疫所快篩，所以會去的人，多半已經是有症狀，陽性機率也比較高的人。
地點的偏差就是調查的地點，大到國家小到很小的一個區塊，都是可以深究的，國家當然很好理解，美國人研究套用到亞洲人就不一定合適，或是你想知道哪一間手搖杯最讓人喜歡，你是在50嵐前店前做問卷調查，想當然會願意去買50嵐的飲料，你本身至少不會討厭50嵐，所以這就是調查的對其他飲料店就是不公平的。
最後希望你能夠對解讀數據的你，有所提升與幫助，不要掉進去刻意誘導你的事實的坑裡。