穿夾腳拖的老黑胖子

選擇性偏誤(Selection bias / Representative bias)是確認偏誤(Comfirmation bias)以外，另一種常犯的認知偏誤。

所謂的選擇性偏誤(Selection bias / Representative bias)，是指我們常常很容易用一些小範本的極端的例子作為估計某些事件發生的概率的基礎，而忽視其他有關潛在可能性的證據。

這種選擇性的偏差，很容易使得人們在實際上隨機的事件中，「洞察」到某種模式，從而造成預測偏差。

太學術的文字總是艱澀難懂，用幾個例子來說明比較容易理解。

在二戰時期，美國空軍人員透過評估在戰火中受損的返航飛機，發現飛機某些部位受損害的情形比其他部位嚴重，因此決定加強這些部位，使飛機能更好的抵禦砲火攻擊。

這樣的研究聽起來還蠻有道理，有理有據。

但是，這樣的分析只看到了成功返航的飛機，而這些飛機只是全部遭受砲火攻擊的飛機的一部份；那些受損嚴重而無法返航的飛機，可能是更重要的樣本，但卻完全無法體現在研究中。這就是一個很標準的選擇性偏誤。

蘋果的史蒂芬‧喬布斯（Steven Jobs）、微軟的比爾‧蓋茨（Bill Gates）和臉書的馬克‧扎克伯格（Mark Zuckerberg）都是輟學創業成功的典範。但是，如果僅僅根據這三個人的成功據就認為輟學創業更容易成功，也是一種選擇性偏誤(希望有完整的輟學創業研究啊)。

還有，常常可以見到一些很呆萌的職業/業餘分析師，會舉出zz股大漲(大跌)前的股價走勢，來對比xx股當前的走勢，然後據此判斷xx股未來會循zz股的腳步，展開一波行情(下跌)。

很明顯，如果不能證明所有的股票有類似走勢時，都會(或是有一定比例會)有一波行情(下跌)，那也就是一種選擇性偏誤。

導致選擇性偏差(Selection bias / Representative bias)發生的原因有很多種可能。

可能是因為無法取得更多的樣本，譬如那些二戰時美國空軍的評估人員；也可能是知識不足或是疏忽，根本沒意識到這樣的偏誤；更多的，則可能是確認偏誤的一種展現，僅僅挑選有利於自己觀點的事例，來強化偏見。

確認偏誤和選擇性偏誤都是常見的認知偏誤。

要想做到完全不存偏見、不犯錯誤，對何人都是不可能的；但是有意識地避免偏聽、偏信，應該是個可以努力的方向。