¿Qué es el Sesgo de Supervivencia?
El sesgo de supervivencia es una de las formas más insidiosas de sesgo de selección. Ocurre cada vez que sacamos conclusiones de un conjunto de datos que solo incluye entidades que «sobrevivieron» a algún proceso: empresas que no quebraron, fondos que no fueron cerrados, personas que tuvieron éxito, mientras ignoramos el número mucho mayor que fracasó y se volvió invisible.
El Problema de los Aviones de Wald
La ilustración más famosa proviene de la Segunda Guerra Mundial. Los militares estadounidenses examinaron los bombarderos que regresaban y encontraron impactos de bala concentrados en ciertas áreas. La recomendación intuitiva era reforzar esas áreas. Pero el estadístico Abraham Wald reconoció el fallo crítico: los datos solo representaban aviones que sobrevivieron. Las áreas sin impactos de bala eran donde los aviones estaban siendo alcanzados y no regresaban. Wald recomendó blindar las áreas sin daños: una brillante inversión que salvó vidas y se convirtió en el ejemplo canónico del pensamiento sobre sesgo de supervivencia.
Cómo Funciona la Simulación
Este simulador crea una cohorte de empresas, cada una comenzando con un valor de 100. Cada año, cada empresa superviviente obtiene un rendimiento aleatorio extraído de una distribución normal y se enfrenta a una probabilidad de fracaso. Las empresas que fracasan dejan de ser rastreadas en las estadísticas de «solo supervivientes» pero permanecen en los datos de la población completa. El gráfico de abanico muestra todas las trayectorias: los supervivientes se destacan en cian, mientras que los fracasos se desvanecen en la oscuridad, reflejando cómo las empresas fracasadas desaparecen de las bases de datos y la cobertura mediática del mundo real.
La Brecha de Sesgo
El gráfico de barras inferior revela la idea clave: el rendimiento medio de los supervivientes es sustancialmente mayor que el rendimiento medio real de todas las empresas. Esta brecha —el sesgo de supervivencia— surge porque las empresas con secuencias de rendimiento desafortunadas tienen más probabilidad de fracasar. Cuando estudias solo a los ganadores, sobreestimas sistemáticamente cuán bueno es el resultado típico. Esta misma lógica se aplica al estudio de emprendedores exitosos, estrategias de trading rentables o gestores de fondos estrella.