简介
什么是辛普森悖论
辛普森悖论（Simpson'sParadox）亦有人译为辛普森诡论，为英国统计学家E.H.辛普森（E.H.Simpson）于1951年提出的悖论，即在某个条件下的两组报告，分别讨论时全将满足某种性质，可是一旦合并考虑，却或许致使相反的结论。[1]
当民众试图探究两种变量能否具有有关性的时机，比如新生录取率与性别，报酬与性别等，会分别对之执行分组研究。辛普森悖论是在该种研究中，在某些前提下有时会造成的一种现象。即在分组比较中都占优势的一方，会在总评中反而是失势的一方。该现象于20世纪初就有人讨论，但一直到1951年E.H.辛普森在他发表的论文中，该现象才算正式被描述解释。后来就以他的名字命名该悖论。
为了避免辛普森悖论的显现，就需要斟酌个分组的权重，并乘以适当的系数去清除以分组报告基数差异而产生的影响。同期必需了解清楚情形，能否存在潜在原因，综合考虑。
实例
例一：一所美国高校的两个学院，分别是法学院和商学院，新学期招生。民众怀疑这两个学院有性别歧视。现作如下统计：
法学院
性别
录取
拒收
总数
录取比例
男生
8
45
53
15.1%
女生
51
101
152
33.6%
合计
59
146
205
商学院
性别
录取
拒收
总数
录取比例
男生
201
50
251
80.1%
女生
92
9
101
91.1%
合计
293
59
352
依据上面两个表格来说，女生在两个学院都被优先录取。即女生的录取比率较高。当下将两学院的报告总览：
性别
录取
拒收
总数
录取比例
男生
209
95
304
68.8%
女生
143
110
253
56.5%
合计
352
205
557
在总评中，女生的录取比率反而比男生低。
女生单独两个矢量斜率都比男生大，表明它们的比率都比较高。但最后男生总的向量斜率却大于女生，这个例子表明，简单的将分组报告相加总览，是不能反应真实情形的。
此例这就是统计上著名的辛普森悖论(Simpson'sParadox)[1]
前提
就上述例子说，致使辛普森悖论有两个前提。
1、两个分组的录取率相差很大，就是说法学院录取率很低，而商学院却很高。而同期两种性别的申请者分布比重相反。女性申请者的多部分分布在法学院，相反，男性申请者多部分分布于商学院。结果在数量上来看，拒收率高的法学院拒收了很多的女生，男生尽管有更高的拒收率，但被拒收的数量却相对不算多。而录取率很高的商学
2、有潜在原因影响着录取情形。就是说，性别并不是是录取率高低的唯一原因，甚至或许是毫无影响的。至于在学院中显现的比率差，或许是随机事件。又或者是其余原因作用，比如入学成绩，却刚好显现该种录取比例，使人牵强误觉得这是由性别差异而产生的。[1]
回避
辛普森悖论的回避
为了避免辛普森悖论显现，就需要斟酌个别分组的权重，以适当的系数去清除以分组资料基数差异所产生的影响，同期必需了解该情境能否存在其余潜在要因此综合考虑。 [1]
管理
辛普森悖论的管理
辛普森悖论就像是欲比赛100篮球以总胜率评价好坏，于是有人专找大神考验20场而胜1场，此外80场找平手考验而胜40场，结果胜率41%，另一人则专挑大神考验80场而胜8场，而剩下20场平手打个全胜，结果胜率为28%，比41%小很多，但仔细观察考验对象，后者显著较有实力。
量与质是不等价的，无奈的是量比质来得容易量测，所以民众总是习惯用量来评定好坏，而该数据却不是重要的。除了质与量的迷思之外，辛普森悖论的此外一个启示是：假使我们在人生的选择上选择了一条比较难走的路，就得要有机会不被赏识的领悟，所以这算是怀才不遇这个成语在统计上的诠释！[1]