关于 “辛普森悖论“ 的理解

最近在研究FM模型的时候，遇到了一个名词：辛普森悖论。

下面来说一下什么是 辛普森悖论。

在对样本集合进行分组研究时，在分组比较中都占优势的一方，在总评中有时反而是失势的一方，这种有悖常理的现象，就成为 “辛普森悖论”。

下面来看个例子：

就用视频推荐的例子，来阐述一下辛普森悖论。
如下两表为某视频应用中男性用户和女性用户点击视频的数据。

表1

视频	点击(次)	曝光(次)	点击率
视频A	8	530	1.51%
视频B	51	1520	3.36%

表2

视频	点击(次)	曝光(次)	点击率
视频A	201	2510	8.01%
视频B	92	1010	9.11%

从上述数据中可以看出，无论男性用户还是女性用户，对视频B的点击率都高于视频A，显然推荐系统应该优先考虑向用户推荐视频B

那么，如果忽略性别这个维度，将数据汇总如下表，会得出什么样的结论呢？

表3

视频	点击(次)	曝光(次)	点击率
视频A	209	3040	6.88%
视频B	143	2530	5.65%

在汇总结果中，视频A的点击率居然比视频B的高。如果根据此进行推荐，将得出与之前结果完全相反的结果，这就是所谓的“辛普森悖论”。