Wat is selectiebias en overlevingsbias?

Selectiebias (steekproefbias) — dit is een systematische fout die optreedt wanneer de steekproefgegevens niet representatief zijn voor de hele populatie vanwege een onjuiste selectiemethode. Als gevolg hiervan kunnen de conclusies die op basis van zo'n steekproef worden getrokken, onjuist zijn.

Bijvoorbeeld, als alleen gezonde patiënten worden geselecteerd om de effectiviteit van een medicijn te beoordelen, zullen de resultaten vertekenend zijn.

Overlevingsbias (overlevendenbias) — een specifiek geval van selectiebias, waarbij alleen de objecten of gevallen worden geanalyseerd die "overleefden" of een bepaalde fase hebben doorlopen, terwijl degenen die deze fase niet bereikten, worden genegeerd.

Een klassiek voorbeeld is de analyse van succesvolle bedrijven zonder rekening te houden met degenen die failliet gingen, wat leidt tot een overschatting van succesfactoren.

In de context van machine learning en causale inferentie kunnen deze biases leiden tot onjuiste schattingen van effecten en modellen, daarom is het belangrijk om steekproefcorrectiemethoden toe te passen en mogelijke bronnen van bias te overwegen.