WWII के एक Mathematician ने साबित किया — जो दिखता है, वही पूरी कहानी नहीं होता

Success stories दिखती हैं। Failures invisible रहती हैं। और यही आपकी सोच बदल देता है।

— InnaMax News Desk

वो Mathematician जिसने WWII जीतने में Help किया — और जो गलती आप रोज़ करते हैं

Second World War। 1943।

American airforce के planes दुश्मन की गोलियों से छलनी होकर वापस आ रहे थे।

Engineers ने उन planes को ध्यान से देखा। गोलियों के निशान wings पर थे, tail पर थे — engine पर बहुत कम।

Decision हुआ: wings और tail को और मज़बूत बनाओ।

तभी एक Hungarian-American mathematician Abraham Wald ने हाथ उठाया।

“रुको। यह planes वो हैं जो वापस आए। जो engine में गोली लगने से गिर गए — वो यहाँ हैं ही नहीं। आप उन्हें देख नहीं सकते।”

“Engine मज़बूत करो। Wings नहीं।”

उसकी बात मानी गई। और उसने जो idea दिया — उसे आज Survivorship Bias कहते हैं।

एक Mathematician ने वो देखा जो बाकी सब miss कर गए — यह Bias है क्या?

हम वही देखते हैं जो survive करके सामने आया।

जो fail हुआ, डूब गया, गायब हो गया — वो invisible है। और हम उसे count ही नहीं करते।

नतीजा: हम incomplete data से complete decisions लेते हैं।

यह bias इसलिए dangerous है क्योंकि यह हमें confident feel कराता है — जबकि हम आधी तस्वीर देख रहे होते हैं।

Zomato दिखता है — लेकिन वो 39,000 Startups कहाँ हैं जो Quietly बंद हो गए?

आपने Zomato की story सुनी है। Zepto की। CRED की।

हर conference में, हर podcast में — वही founders दिखते हैं जिनका startup चला।

लेकिन DPIIT data बताता है कि India में 1.57 लाख से ज़्यादा recognized startups हैं।

और 2023 से 2025 के बीच अकेले 39,860 startups बंद हो गए। 2025 में हर महीने लगभग 1,000 startups fold हुए।

वो founders कहाँ हैं?

Ted Talk नहीं दे रहे। Podcast पर नहीं आ रहे। वो ecosystem से invisible हो गए।

जब आप कहते हैं — “देखो Zepto वाले ने कर दिखाया, मैं भी करूंगा” — आप Survivorship Bias में हैं।

सही सवाल: उन 39,000 founders के साथ क्या हुआ जो नहीं चले?

2 लाख Followers, Brand Deals, Trips — लेकिन वो 99% Creators कहाँ हैं जो आपको नहीं दिखते?

आपने किसी को देखा — 6 महीने में 2 लाख followers। Brand deals। Foreign trips। “Passion को career बनाओ।”

आपने सोचा: “मैं भी कर सकता हूँ।”

लेकिन वो account जो consistently 8 महीने post करता रहा और 900 followers पर रुक गया — वो आपको नहीं दिखा।

Algorithm उसे push नहीं करता। Brand उसे feature नहीं करती। वो खुद eventually quit कर देता है।

आप जो “influencer success” देखते हैं — वो top 1% है।

बाकी 99% का content वहीं पड़ा है — बिना views के, बिना deal के, बिना किसी को पता चले।

Survivorship Bias आपको वो 1% दिखाता है और कहता है — “यही normal है।”

UPSC Topper की Story Newspaper में है — 9.36 लाख की कहाँ है?

UPSC CSE 2025 का result March 2026 में आया।

Anuj Agnihotri — AIR 1। Story अखबार में छपी। Instagram पर viral हुई।

लेकिन UPSC के official data के अनुसार: 9,37,876 candidates ने form भरा। 5,76,793 actually appeared। Final selection: सिर्फ 958।

यानी 9.36 लाख से ज़्यादा लोग — जिन्होंने वही मेहनत की, कई ने 4-5 attempts दिए — वो कहीं नहीं दिखते।

उनकी कोई story नहीं छपती। यह उनकी failure नहीं है — यह selection का math है।

लेकिन जब हम सिर्फ topper की story सुनते हैं — हम भूल जाते हैं कि यह path कितना narrow है।

अगली बार कोई Success Story देखें — पहले यह 3 सवाल ज़रूर पूछें

पहला — “जो fail हुए, वो कहाँ हैं?”

हर field में survivors के पीछे एक invisible graveyard है। उसे mentally count करो।

दूसरा — “क्या यह sample representative है?”

Podcast पर आने वाले founders, LinkedIn पर post करने वाले — यह self-selected winners हैं। यह average नहीं है।

तीसरा — “क्या उनकी situation मेरी situation जैसी है?”

Timing, luck, resources, connections — success में इनका role जितना बड़ा होता है उतना credit rarely मिलता है।

यह cynicism नहीं है। यह clarity है।

Inspiration लो — लेकिन आँखें खुली रखकर।

जो नहीं दिखता — वही असली Data है

जो दिखता है — वो पूरी कहानी नहीं होती।

Survivorship Bias सिखाता है: success देखकर inspired होना ठीक है — लेकिन उस success को template मानना गलत है।

हर winner के पीछे सैकड़ों invisible stories हैं जिन्होंने वही किया, उतनी ही मेहनत की — और फिर भी नहीं हुआ।

जब आप यह जान लेते हैं — तो आप better decisions लेते हैं। Realistic plans बनाते हैं। और जब चीज़ें काम नहीं करतीं — तो खुद को पूरी तरह blame नहीं करते।

“सफलता की कहानी देखो — ज़रूर। लेकिन पूछो: वो कहाँ हैं जो नहीं दिखते?”

यह भी पढ़ें:

Second-Order Thinking — और बेहतर फ़ैसले कैसे लें

Confirmation Bias — क्यों हम वही देखते हैं जो मानना चाहते हैं

क्यों आपका सबसे confident colleague actually सबसे कम जानता है

Ikigai — वो Japanese Formula जो बताता है, आप यह सब क्यों कर रहे हैं

क्या हर कोई जानबूझकर आपको ignore करता है? — Hanlon’s Razor समझिए