一言以蔽之：我們常常犯下倖存者偏差這種謬誤，因為它們非常直覺。
學校和成績呈負相關的謬誤
每年下學期六月是研究所學生畢業的時候，在那之前也是求職旺季，這就是春季校園徵才，公司到學校去擺攤位，爭取應屆畢業生。
有些公司則是會提早到上學期舉辦徵才，提早錄取預計隔年的畢業生（當下是剛剛升碩二上的在學生），例如今年10月4日清華大學就舉辦了「秋徵啟航．擁抱夢想」的秋季校園博覽會，有近50家企業參與徵才。
最近在面試的時候，主管觀察到一個現象，那就是應徵者的學校和成績呈負相關，也就是說前段學校的學生成績都比較差、後段學校的學生成績都比較好。
主管想想，畢竟臺大是名校，把關比較嚴格，自然給分嚴謹；而私立大學因少子化招生困難，如果再給分不甜，估計就沒人來唸了。
噫，這理由聽起來很合理，但真的是這樣嗎？之前我們提到過，臺灣以至於全世界的各大學研究所都有成績通膨的現象，即便是頂大也不例外。那為什麼主管卻觀察學校和成績的負相關現象呢？
如果我們把全國學生的學校和成績的分佈作圖，會發現前後段學校都有、高低分成績也都有，如下圖左。但是左下角黃色區域這一群應徵者，學校和成績都不好，所以履歷就被HR刷掉了，沒有進系統讓主管看到。而右上角紅色區域的這一群學生，去更好的公司求職了，所以沒有來投履歷，主管也看不到。因此主管最後看到的履歷就只剩下中間黑點的這些學生，如下圖右，自然就會覺得學校和成績是負相關。
倖存者偏差
另外一個很有名的例子是在第二次世界大戰期間，美國海軍檢查戰鬥機損壞的數據，製作出損壞程度與位置的分布圖，假定如下圖，於是工程師就決定強化這些有很多彈孔的地方。
統計學教授Abraham Wald卻有不同的見解，他說引擎和油箱上面彈孔很少見，不是因為子彈打不到引擎和油箱，而是戰鬥機的引擎和油箱一旦被子彈打到，就會墜落了，無法返航被工程師修理，因此戰鬥機損壞的數據表上才會都沒有引擎和油箱的彈孔。所以正確的決策，不是在彈孔最多的區域增加保護，而是在損壞最少的地方增厚裝甲。
這就是知名的Survivorship Bias（倖存者偏差），也就是推理結構是正確的，然而觀察的取樣點卻不完整，所以得到了錯誤的結論。倖存者偏差是一種非常容易犯的錯誤，因為它們非常直覺。人類的大腦傾向相信自己所看見的事物，所以就容易被部分的事實所矇蔽。