1973 年，UC Berkeley 被控性別歧視。數據看起來鐵證如山：整體錄取率，男性 44%，女性 35%。
但統計學家 Peter Bickel 逐科系拆解後發現：在 85 個科系裡，大多數科系反而偏向女性錄取。差距出在哪？女性傾向申請錄取率低的科系（人文、社科），男性傾向申請錄取率高的科系（工程、物理）。
整體數字說男性佔優。分組數字說沒有歧視。兩個結論完全相反。
這就是辛普森悖論（Simpson's Paradox）：**整體數據呈現一個趨勢，但分組後每組都呈現相反趨勢。**
這個悖論不是學術奇觀。它每天都在餐飲和旅宿業的真實數據裡發生。而你每一次看著「整體評分」做決策，都可能正在掉入同一個陷阱。
你的 4.5 → 4.2 也一樣。整體分數在降。但如果你把午餐時段和晚餐時段分開看，晚餐的評分其實在上升——從 4.5 爬到了 4.7，因為你上個月換了新的主廚，晚餐品質明顯提升。是午餐的新人流拉低了整體均分——而午餐的人流增加，正是你營收成長 22% 的原因。
整體數字告訴你「退步」。分組數字告訴你「成長」。你一直在看錯的那個。
這不是你的錯。人類大腦天然傾向於看整體數字——它在演化上更有效率。但數據分析的價值，恰恰在於克服直覺，問一個反直覺的問題：「如果我拆開來看，故事還是一樣嗎？」
但統計學家 Peter Bickel 逐科系拆解後發現：在 85 個科系裡，大多數科系反而偏向女性錄取。差距出在哪？女性傾向申請錄取率低的科系（人文、社科），男性傾向申請錄取率高的科系（工程、物理）。
整體數字說男性佔優。分組數字說沒有歧視。兩個結論完全相反。
這就是辛普森悖論（Simpson's Paradox）：**整體數據呈現一個趨勢，但分組後每組都呈現相反趨勢。**
這個悖論不是學術奇觀。它每天都在餐飲和旅宿業的真實數據裡發生。而你每一次看著「整體評分」做決策，都可能正在掉入同一個陷阱。
你的 4.5 → 4.2 也一樣。整體分數在降。但如果你把午餐時段和晚餐時段分開看，晚餐的評分其實在上升——從 4.5 爬到了 4.7，因為你上個月換了新的主廚，晚餐品質明顯提升。是午餐的新人流拉低了整體均分——而午餐的人流增加，正是你營收成長 22% 的原因。
整體數字告訴你「退步」。分組數字告訴你「成長」。你一直在看錯的那個。
這不是你的錯。人類大腦天然傾向於看整體數字——它在演化上更有效率。但數據分析的價值，恰恰在於克服直覺，問一個反直覺的問題：「如果我拆開來看，故事還是一樣嗎？」
應用案例