一天，我拿出两个大学（P 大和 T 大）的统计数据开始研究。“物理学院，P 大男女比例大于 T 大；数学科学学院，P 大男女比例又是大于 T 大??哇，怎么所有专业 P 大的男女比例都高于 T 大啊??那还犹豫什么呢，我肯定报 T 大了！”正当我刚刚心意已定的时候，突然看到了统计数据的最后一行：P 大的总体男女比例低于 T 大！“什么？！有没有搞错？怎么可能 P 大的所有专业男女比例都高于 T 大，但是整体男女比例却低于 T 大了呢？！肯定是哪里算错了吧??”于是我拿出计算器狂敲，却发现没有任何一个计算错了的数据。这种情况真的可能发生吗？
多说无益，请看下面编造出来的一份男女比例数据（其中假设两所大学都只有物院和外院两个专业）：
物院的数据：
| 男生人数 | 女生人数 | 男:女 | |
| P大 | 45 | 8 | 5.6:1（大） |
| T大 | 101 | 51 | 2.0:1 |
外院的数据：
| 男生人数 | 女生人数 | 男:女 | |
| P大 | 50 | 201 | 0.25:1（大） |
| T大 | 9 | 92 | 0.10:1 |
学校整体数据（即上述两个专业人数之和）：
| 男生人数 | 女生人数 | 男:女 | |
| P大 | 95 | 209 | 0.45:1 |
| T大 | 110 | 143 | 0.77:1（大！） |
数据可不会是骗人的，不信可以自己动手验算一下，真的出现了这种违背常理的情况！这种现象被称为“辛普森悖论”。虽然这么叫，但其实这不是个真正的悖论，它内部没有包含逻辑上的矛盾，只是有些违背人们的常理罢了。
可能有些人还是一头雾水，虽然数据是如此没错，可还是不能理解到底发生了什么使得结论如此古怪。让你构造一个类似的数据，恐怕你也很难直接想得出来吧！人们对几何图形的想象能力总是高于对数字和字母的想象，因此为了更直观地表现出辛普森悖论，我们看下面一幅向量图：
图中，黑色的线代表 P 大数据，红色的线代表 T 大的数据。A p 点的横坐标为 P 大外院女生人数，纵坐标为 P 大外院男生人数；B p 点的横纵坐标则分别为 P 大总女生人数和总男生人数。A t 和 B t 点的意义与之相对应。
设坐标原点为 O，则 OA p 的斜率表示的就是 P 大外院的男女比例，A p B p 表示的是 P 大物院的男女比例，OB p 表示的则是 P 大总男女比例；T 大的各线段斜率意义与之对应。
如此一来，一切都变得清晰起来了。辛普森悖论反映在这张图上，就成了一个显然的事实：在 P 大的外院、物院两个向量的斜率分别大于 T 大的两个向量的斜率的条件下，总人数向量的斜率当然不一定哪个大呀！根据这个直观的理解，你也可以随意编造能产生辛普森悖论的数据了吧！
知道了辛普森悖论这一事实之后，我们以后对待统计数据就要更加小心了。在数学中，经常会出现这种出乎人们意料的惊人事实，所以还是一定要学好数学啊！
（人多了要加权）
联系客服
