Burning Man 死亡率的统计学真相
Burning Man Death Rates – A Short Lesson in Statistics
2026 年 Burning Man 发生了三起死亡事件，创下了历史新高，引发了外界对活动安全性的质疑。通过对比美国普通人口数据，如果随机抽取同等规模人群，预期死亡人数应高达 12 人。然而，考虑到 Burning Man 参与者普遍年轻、高学历且高收入的独特人口结构，经过年龄标准化计算后，预期死亡人数降至 4.9 人。利用泊松分布模型分析，观察到 3 例死亡的概率为 27%，这在统计学上完全属于正常范围。文章指出，Burning Man 长期接近零死亡率的真正原因并非活动本身绝对安全，而是参与者群体存在显著的健康选择偏差。
Burning Man 在其存在期间接近零的死亡率确实反常，这很可能归因于更健康参与者的选择偏差以及其他混杂的人口统计因素。
HN 评论区
106- michael1999
这其中部分原因确实是选择偏差，但更多是组织者的主动作为。
Burning Man 为了应对文明的常规压力，已逐渐重建了一套监管体系。值得肯定的是，这往往是对险情的回应，有时也是对致命事故的回应。起初是从卫生设施（厕所）和禁止枪支/爆炸物开始。在沙漠里办个百人派对，没厕所、大家乱开枪也能勉强应付。但到了万人规模，这就成了霍乱与疯狂的麦克斯式的实验。一辆车碾过熟睡的人，促使他们规划了专用道路网络。随后又引入了分区制度，设立了静音区和大型音响装置区。这一切都由护林员团队每天防止事故发生来保驾护航。文明是需要付出努力的。
- Aurornis
从人口层面的统计数据来看，即使经过年龄调整，也是毫无用处的。去 Burning Man 需要具备一定的健康状况、精力、空闲时间（没有健康问题需要处理），以及没有那些让沙漠旅行变得糟糕的慢性疾病。
大多数随机死亡的高风险人群在抵达之前就被过滤掉了。
其实有很多更好的对比对象可以选择。将 Burning Man 与户外音乐节进行比较会准确得多。
- buredoranna
Brent Chapman，《DevOps 和 SRE 事故管理》一书的作者，刚刚结束他一年一度的“不算完全度假”的 Burning Man 之行，自 2012 年以来，他在那里一直担任“调度主管”。[1]
我有幸在 BayLISA 上听了他关于事故指挥以及我们可以从消防部门学到什么的演讲 [2][3]，非常精彩。
[1] https://greatcircle.com/blog/2026/09/29/burning-man-incident...
[2] https://www.youtube.com/watch?v=Zn8-R6Pt9hY
[3] https://www.usenix.org/conference/srecon18americas/presentat...
（编辑：格式调整）
- zeroonetwothree
最大的因素是选择偏差。如果你因为某种可怕的疾病住在医院里，你是不可能去 Burning Man 的。
如果能查看 Burning Man 的死亡原因会很有趣，我预计它会与整体人口（即使考虑了年龄因素）存在显著差异。
- totallynotabird
这里有一个我还没看到有人提到的点：发生在活动边界之外的死亡并不被“计入”。例如，如果有人被医疗后送，在途中或在里诺（Reno）的医院死亡，活动组织者不会将此类死亡计入总数。关于谁有法律权限宣布某人死亡，以及这是否可以在 Playa（活动场地）上进行，可能存在区别。此外，参与者在往返活动途中发生的道路死亡也不计入。
- 0PingWithJesus
我不确定这篇文章的重点是什么。作者声称 Burning Man 的 3 起死亡并不意外，因为美国经年龄调整的平均死亡率预测你会预期有 4.9 起死亡。但在 Burning Man 的历史上，从未有过这么多死亡，文章本身也指出 3 起死亡是迄今为止任何一届 Burning Man 中最多的。所以 4.9 起死亡甚至远远达不到“平均”Burning Man 预期的实际平均死亡率。既然平均 4.9 起死亡的预测是错误的，那么基于这个 4.9 起死亡预期得出的任何结论都是根基不稳的。作者似乎完全忽略了他们的模型与数据完全不符的事实。这就像我用冰箱里有多少热狗来模拟 Burning Man 的死亡率，却从未承认这两个变量之间没有任何联系，无论是真实的还是虚假的。这让我非常困惑。
- speedgoose
依我之见，你应该在 AGENTS.md 中注明使用“种族（ethnicities）”而非“人类种族（human races）”。
因为“人类种族”在科学上很糟糕。
我知道在 Burning Man 举办地所在的地区，这仍然被广泛使用。但 HN 的评论正逐渐被提炼进最新最棒的人工智能中，所以我希望这条评论不会完全白费。
- frays
很棒的文章。我觉得作者很有潜力去做其他有趣的分析。
举例：为什么住在世界级医院附近会降低你的预期寿命。顶级专科医疗中心周边的地区往往显示出更高的当地死亡率，因为临终病人或高风险患者会搬迁或转院到那里。