辛普森悖论：一个反直觉的统计现象

今天逛虎扑论坛碰到的一个有趣问题：查看雷阿伦和科比的职业生涯统计，发现无论两分球命中率还是三分球命中率，雷阿伦都高于科比，但总命中率科比却高于雷阿伦。这是一个很经典的统计现象，叫辛普森悖论。我原来还看过一个类似的例子：两所机构进行招聘，A机构的两个部门相比B机构相同部门，招入的女性比例都更高，但总体上A机构招入的女性比例却低于B机构。

这个结果是比较反直觉的，一般人会认为既然雷阿伦的两分球和三分球都更准，那么总体也应该更准才对。但问题的关键在于：两分球和三分球在两人出手中所占的比重不同，所以不能进行直接的比较。举一个极端的例子：科比和雷阿伦都出手1000次，其中科比出手999个两分球命中460个，出手1个三分球命中0个，雷阿伦出手500个两分球命中250个，出手500个三分球命中200个。那么科比的两分球、三分球以及总命中率分别是46%、0%、46%，而雷阿伦的则是50%、40%、45%。由此可以看出，这个问题实际上是不具有贪心特性的，局部最优并不一定能保证全局最优。

再扯远一点，比赛中为了追求成功率当然应该多投两分，但不要忘了每个三分球比两分球多出50%的分数。假设一个球员三分球命中率是40%，两分命中率是50%，那么他每次三分出手得分的期望值为1.2分，每次两分出手则只有1分。这时再考虑前面的例子，科比以46%的命中率每回合得分期望为0.92分，而雷阿伦以45%的命中率每回合得分期望为1.1分，这又是一个有点反直觉的例子。

从这里就可以看出，简单的统计数据并不一定能反映出真实情况。就NBA来说，ESPN等外媒早早引入真实命中率、PER等高阶统计数据不是没有道理的。据说火箭总经理莫雷（MIT数学系的高才生）屡屡淘宝成功跟他强大的数据分析团队不无关系，以后这样聪明的总经理肯定会越来越多。