成功学案例、五星好评、安全返航的战机——
它们有一个共同点：失败的那部分，常常不在画面里。
我们天生相信看得见、数得清的东西。但统计里有个陷阱：样本往往只来自「还活着、还在场、还愿意说话」的那一群人——沉默的多数或少数，恰恰可能改写结论。
只分析「幸存下来」的样本，忽略了已消失的那部分——结论被幸存者带偏。
媒体、平台、演讲者只展示「好看的故事」，失败案例被折叠或遗忘。
没有记录、没有发声、没有返回的数据——像沉在水下的冰山。
你分析的不是「全部事实」，而是能进入你视野的那一块。防坑的第一步：问一句——「我没看到什么？」
这是统计学里最经典的直觉题之一。二战时，盟军统计返航战机上的弹孔分布，发现机身、机翼弹孔密密麻麻，驾驶舱和引擎相对很少。
弹孔多的地方说明「经常被打中」——那就给机身和机翼加钢板，对吧？
返航样本里弹孔稀疏的区域，才是致命弱点——应优先加固引擎、驾驶舱等「少洞但致命」的位置。机身虽洞多，但飞机仍能返航，说明这些部位更扛打。
老建筑「百毒不侵」——可能是质量差的那批早就塌了；创业成功者分享经验——失败的那 90% 很少上台演讲。样本 = 幸存者，不等于全体。
即使没有人故意造假，报道机制也会筛掉大量「不好看」的信息——这叫选择性报道（或发表偏倚的一种表现）。
「某方法三天见效」上了头条；试了无效、甚至受伤的人，通常不会成为新闻。App 商店默认展示「最新好评」，差评沉底——你刷到的五星，不代表全体用户。
传记、访谈、商学院案例：主角几乎都是赢家。输家的路径、中途退出的原因、运气成分——很少被系统记录。你读到的是经过筛选的励志样本，不是成功概率的客观估计。
「显著」的实验更容易被发表；重复失败的结果难登期刊——这叫发表偏倚。大众读到的「科学结论」，有时也是被发表筛选过的子集。（进阶话题，这里只建立直觉。）
「沉默的数据」泛指本应纳入分析、却因各种原因缺失的记录：坠毁的战机、删帖的用户、退出调查的人、不愿透露收入的家庭……
返航战机、
五星评论、
还在职的员工
未返航的、
一星差评、
已离职的人
往往和结果本身有关：最不满意的人更可能卸载 App；伤势最重的人无法填写问卷；破产的公司不会出现在「百年企业」名单里。这种「非随机缺失」会系统性地扭曲判断。
不需要成为统计学家，遇到数字、案例、排行榜时，用下面几个问题快速自检：
你可以试试：先做一次弹孔加固选择题，再翻牌看看「没回来的飞机」；然后切换好评筛选，对比「全部评价」和「只看五星」差多远。
下图是成功返航的轰炸机统计。你会优先加固哪里？
返航样本示意图 · 对照选项作答
选一项，看看直觉会把加固板加在哪里——然后翻牌揭晓「没回来的飞机」。
那些没有返航的轰炸机，弹孔分布怎样？
点一下揭晓 →未返航飞机往往在驾驶舱和引擎中弹——致命一击，无法统计。返航样本里这些部位「洞少」，不是因为打不中，而是因为打中的没活着回来。
瓦尔德建议加固哪里？
点一下揭晓 →优先加固驾驶舱与引擎——返航样本中弹孔稀疏的致命区。机身虽洞多，但飞机仍能返航，说明这些命中「相对可承受」。
同一批 20 条真实评价（含 1–5 星）。切换视图，看「选择性展示」如何改变印象。
全部评价下，平均约 3.6 星——产品「还行但有槽点」。只看 5 星时，印象会完全不同。