Survivorship Bias — wohin mit der Panzerung?

Dr. R. Düsing · Universität Osnabrück
Wer nur die Überlebenden betrachtet, übersieht, was fehlt: die Fälle, die es nicht geschafft haben.
Survivorship Bias — Hilfe
Die Geschichte (Abraham Wald, 1943)

Im Zweiten Weltkrieg untersuchte die US-Luftwaffe zurückgekehrte Bomber und kartierte ihre Einschusslöcher. Der naheliegende Schluss: dort panzern, wo die meisten Löcher sind (Tragflächen, Rumpf). Der Statistiker Abraham Wald widersprach: Panzert dort, wo die Rückkehrer kaum Löcher haben — Cockpit, Triebwerke, Tanks. Denn Maschinen, die dort getroffen wurden, sind gar nicht zurückgekommen. Sie fehlen im Datensatz.

Macht / macht NICHT

Macht: zeigt, wie eine Stichprobe aus lauter „Überlebenden" systematisch täuscht — die entscheidende Information steckt in den fehlenden Fällen.
Macht NICHT: die Löcher der Rückkehrer sind nicht „falsch" — sie sind nur die halbe Wahrheit. Es ist eine Selektion auf das Ergebnis (Überleben), kein Messfehler.

Der Mechanismus

In Wahrheit werden alle Zonen ähnlich oft getroffen. Aber ein Treffer in einer kritischen Zone führt zum Absturz → diese Maschine kehrt nicht zurück → in dieser Zone erscheinen bei den Rückkehrern fast keine Löcher. Man beobachtet also nicht „wo wird getroffen", sondern „wo darf man getroffen werden und trotzdem heimkommen".

So bedienst du es

1. Sieh dir die Rückkehrer an. 2. Klicke im Bild die Zonen an, die du panzern würdest. 3. Klick ▸ Auflösen — die abgeschossenen Maschinen (die fehlenden Daten) werden eingeblendet, und deine Wahl wird bewertet. Tödlichkeit regelt, wie sicher ein kritischer Treffer zum Absturz führt.

Alltag

„Erfolgreiche Studienabbrecher", „dieser Fonds schlägt den Markt seit 10 Jahren" (die Pleitefonds sieht man nicht), „alte Gebäude/Bands/Produkte waren besser gebaut" — überall, wo nur die Überlebenden in die Stichprobe kommen, droht Survivorship Bias. Verwandt mit Selektions- und Collider-Verzerrung.

Literatur

Wald, A. (1943). A method of estimating plane vulnerability based on damage of survivors. Statistical Research Group, Columbia University (CRC 432). · Mangel, M. & Samaniego, F. J. (1984). Abraham Wald's work on aircraft survivability. JASA, 79(386), 259–267.

📋 1943 — wohin mit der Panzerung?
Die zurückgekehrten Bomber zeigen ihre Einschusslöcher. Panzerung kostet Gewicht — du kannst nur wenige Zonen schützen. Frage: Wo panzerst du? Klicke die Zonen im Bild an und entscheide dich — dann „▸ Auflösen".
① Die Bomber-Flotte
Nur Rückkehrer · klicke Zonen zum Panzern
Klicke Cockpit, Triebwerke, Tanks, Tragflächen oder Rumpf/Heck an — sie leuchten grün, wenn du sie panzerst.
Wähle deine Panzerzonen und klicke „▸ Auflösen".
Konzepte
Was ist Survivorship Bias?
Eine Verzerrung, die entsteht, wenn nur die Überlebenden (Erfolgreichen, Zurückgekehrten) in die Stichprobe gelangen. Die Verlierer fehlen — und mit ihnen oft die entscheidende Information.
Walds Einsicht
Panzere dort, wo die Rückkehrer keine Löcher haben. Diese Zonen sind nicht sicher — im Gegenteil: Treffer dort waren tödlich, deshalb fehlen sie bei den Heimkehrern. Abwesenheit von Schaden = Ort des tödlichen Schadens.
Selektion auf das Ergebnis
Die Stichprobe wird nach dem Outcome (Überleben) gefiltert. Das ist dasselbe Muster wie Collider-/Selektionsverzerrung: Konditionieren auf „zurückgekehrt" verzerrt den Zusammenhang zwischen Trefferort und Häufigkeit.
Im Alltag
Erfolgreiche Abbrecher, „dieser Fonds schlägt den Markt", „früher war alles haltbarer" — die Gescheiterten sieht man nicht. Immer fragen: Wer fehlt in den Daten? → Berkson's Paradox → Range Restriction