伯克森悖论

伯克森悖论

指的是两个不相关的变量，出现了貌似强烈的相关关系。

一种和幸存者偏差相同的选择性偏差，都是由于统计数据不全面导致的。

例如小美找对象，让朋友给她介绍一些好男生，要求就是不能太丑和性格不能太差，这里设定小美的要求就是两项相加不低于160/200分。我们将所有候选者纳入一个横坐标为帅气程度纵坐标为性格的坐标系中，那么在小美的候选人中帅气程度和性格好坏分数超过80分平均分的人，在图的右上角形成一个宽高相等的正方形，这是一个比较平均的分布。

但是别忘了小美的要求是总分等于160分，也就是说一部分长得比较丑的但是性格特别好的男生入选了，一部分性格比较差但是长得特别帅的男生也入选了。最后的结果是除了正方形里性格和帅气程度比较平均的候选者之外，还多出了两个三角形的部分。这两个三角形区域的特点就是：长得丑的性格好，长得帅的性格差。这就是错误认知的来源，实际上当我们在坐标系里的帅气程度上随便挑一个点(例如90分)我们再来看这里对应的性格好坏，不难看出来，在这条线上有性格比较差的，也有性格特别好的。

可能从小就比较帅气的人因为经常受到夸奖而比较自信，但是也有可能因为经常受到夸奖而骄傲自大。

实际上如果筛选的对象是所有人，就会发现两者(帅气和性格)并没有太明显的相关关系。

如果小美因为这样的认知偏差导致错过了既帅气性格又好的男生就太可惜了。