“Başarılı girişimcilerin çoğu üniversiteyi bırakmış” cümlesini duymuşsunuzdur. Kulağa ikna edici geliyor, değil mi? Ama bu cümle, üniversiteyi bırakıp da başarısız olan binlerce kişiyi görmezden geliyor. İşte bu, istatistikte en sinsi yanılgılardan biri: survivorship bias, yani hayatta kalma yanılgısı.
Hikâyenin Kökeni: İkinci Dünya Savaşı Uçakları
Bu kavramı en iyi anlatan örnek, İkinci Dünya Savaşı’ndan geliyor. Müttefik kuvvetler, savaştan dönen uçakların gövdesindeki mermi izlerini inceliyor ve en çok isabet alan bölgelere (kanatlar, gövde) zırh eklemeyi planlıyorlardı. Mantıklı görünüyor: “en çok vurulan yerleri güçlendirelim.”
Ancak istatistikçi Abraham Wald farklı bir şey fark etti: incelenen uçaklar, o darbelere rağmen üsse dönebilmiş uçaklardı. Asıl önemli olan veri, hiç dönemeyen uçaklardı — ve onlar analiz masasında yoktu. Wald, mermi izi olmayan bölgelerin (motor, kokpit) zırhlanması gerektiğini savundu; çünkü oradan vurulan uçaklar muhtemelen hiç dönemiyordu. Bu içgörü, yüzlerce pilotun hayatını kurtardığı düşünülen bir karar değişikliğine yol açtı.
Günlük Hayatta Nerelerde Karşımıza Çıkar?
Survivorship bias sadece savaş tarihinde kalmıyor; modern hayatın hemen her köşesinde pusuda bekliyor:
- “Başarı hikâyeleri” kitapları: Bir girişimcinin nasıl milyarder olduğunu anlatan kitaplar, aynı stratejiyi uygulayıp başarısız olan on binlerce kişiyi anlatmaz. Çünkü onlar kitap yazacak konumda değildir.
- Yatırım fonları: “Son 10 yılda piyasayı yenen fonlar” listesi genelde sadece hayatta kalan (kapanmamış) fonları içerir. Kötü performans gösterip kapanan fonlar listeden düşer, bu da geriye kalan fonların ortalama performansını olduğundan iyi gösterir.
- Ürün yorumları: Bir ürünü kullanıp memnun kalmayanların çoğu yorum bile yazmadan iade eder ya da kullanmayı bırakır; elinizdeki yorumlar sadece “yeterince memnun kalıp yazma zahmetine girenlerin” görüşüdür.
İstatistiksel Düşüncenin Diğer Tuzaklarıyla Bağlantısı
Survivorship bias yalnız gezmiyor; genelde diğer istatistiksel yanılgılarla el ele geziyor. Örneğin, hayatta kalan verilerle kurduğunuz bir ilişkiyi nedensellik sanmak, Korelasyon Nedensellik Değildir yazımızda ele aldığımız mantıkla neredeyse birebir örtüşür. Benzer şekilde, eksik veriyle kurduğunuz bir ortalama da yanıltıcı olabilir; bu konuyu Ortalama Yalan Söyleyebilir yazımızda daha detaylı işledik.
Grafiklerle sunulan “başarı” verileri de bu yanılgıyı görsel olarak güçlendirebilir; yanıltıcı grafik tekniklerini tanıyorsanız, bir “hayatta kalanlar” grafiğinin nasıl abartılı bir başarı hikâyesi anlatabileceğini de kolayca fark edersiniz.
Bundan Nasıl Korunursunuz?
Kendinize her istatistik veya “başarı hikâyesi” gördüğünüzde şu soruyu sormayı alışkanlık hâline getirin: “Bu veri kümesine giremeyenler kim, ve neden giremediler?”
- Bir yatırım fonu listesine bakarken, kapanmış fonların da dahil edilip edilmediğini sorgulayın.
- Bir “başarı formülü” okurken, aynı formülü uygulayıp başarısız olanların sayısını merak edin.
- Bir anket veya yorum grubuna bakarken, cevap vermeyenlerin neden sessiz kaldığını düşünün.
Bu tek soru, pek çok yanıltıcı sonucun önüne geçmenizi sağlar — tıpkı Simpson Paradoksu yazımızda anlattığımız gibi, görünürdeki bütünün her zaman gerçek resmi yansıtmadığını hatırlatır.
Sonuç
Survivorship bias, verinin kendisi yanlış olmadığı hâlde sonucun yanlış olabileceği nadir ve öğretici durumlardan biri. Sorun veride değil, verinin neyi kapsamadığında. Bir dahaki sefere “işte kanıt, başarılı olanlar hep aynı şeyi yapmış” cümlesini duyduğunuzda, bir an durup sorun: peki başarısız olanlar ne yapmıştı?
Konuyla ilgili daha fazla okuma için: Matematiksel.org — Abraham Wald ve Hayatta Kalma Önyargısı