생존자 편향의 오류

생존자 편향의 오류

 

생존자 편향(Survivorship Bias)의 오류는 우리가 데이터를 분석할 때 살아남은 사례만을 보고 결론을 내리는 논리적 실수를 의미합니다. 예를 들어, 성공한 기업가들의 공통점을 분석할 때, 실패한 기업가들의 데이터를 제외하면 왜곡된 결론을 얻을 수 있습니다.

 

이 오류는 제2차 세계대전 당시 미군이 전투기의 생존율을 높이기 위해 연구한 사례에서 잘 드러납니다. 연구팀은 귀환한 전투기의 총탄 흔적을 분석하고, 총탄이 많이 맞은 부분을 보강해야 한다고 결론을 내렸습니다. 그러나 수학자 아브라함 왈드는 오히려 총탄 흔적이 없는 부분을 보강해야 한다고 주장했습니다. 왜냐하면, 총탄을 맞고도 돌아온 전투기는 해당 부위가 치명적이지 않았다는 뜻이고, 총탄을 맞고 돌아오지 못한 전투기는 그 부위가 치명적이었을 가능성이 높기 때문입니다.

생존자 편향의 오류

 

 

 

생존자 편향 오류의 특징 -

 

·        살아남은 것에만 집중 : 특정 상황에서 살아남은 사람이나 객체에만 주목하고, 그렇지 못한 경우를 무시합니다.

·        불완전한 데이터 : 살아남은 사람만 데이터로 포함되기 때문에 전체적인 데이터가 불완전해집니다.

·        잘못된 결론 : 불완전한 데이터로 인해 왜곡된 결론을 내릴 수 있습니다.

·        수많은 사례 : 자기계발서, 투자 전략 등 다양한 분야에서 생존자 편향 오류가 나타납니다.

 

 

생존자 편향 오류의 예시 -

 

·        자기계발서 : 성공한 사람들의 사례만 제시하고, 실패한 사람들의 사례는 무시하는 경우가 많습니다.

·        투자 : 성공적인 투자 사례만 강조하고, 실패한 투자 사례는 무시하는 경우가 있습니다.

·        전쟁 : 살아남은 비행기만 보고, 격추된 비행기는 무시하여 총탄의 흔적에 대한 잘못된 결론을 내릴 수 있습니다. 

·        고양이의 낙하 : 높은 곳에서 떨어지면 죽거나 부상을 입는 경우가 많지만, 살아남은 고양이만 보고

                                 '고양이는 높은 곳에서 떨어져도 안전하다'는 잘못된 결론을 내릴 수 있습니다. 

 

 

생존자 편향 오류를 피하기 위해서는 -

 

·        살아남지 못한 경우도 고려 : 살아남은 경우뿐만 아니라 살아남지 못한 경우도 데이터에 포함시켜야 합니다.

·        전체적인 상황 파악 : 살아남은 사람들만의 사례로 결론을 내리는 것이 아니라, 전체적인 상황을 파악하여 분석해야 합니다.

·        데이터의 신뢰성 확인 : 데이터의 수집 방법과 과정을 검토하여 신뢰성을 확인해야 합니다.

 

이처럼 생존자 편향의 오류는 다양한 분야에서 발생할 수 있습니다. 성공한 스타트업의 특징을 분석할 때, 실패한 스타트업의 데이터를 고려하지 않으면 잘못된 결론을 내릴 수 있습니다. 또한, 유명한 유튜버들의 성공 사례만을 보고 유튜브를 시작하면, 성공하지 못한 수많은 유튜버들의 현실을 간과하게 됩니다.

생존자 편향을 피하려면, 데이터를 분석할 때 보이지 않는 요소를 고려해야 합니다. 실패한 사례를 포함하여 전체적인 맥락을 이해하는 것이 중요합니다.