M4-015Hard偏差与因果 · Bias & causality🔥 大厂高频出现 3 次
什么是 Simpson 悖论?举一个产品分析的例子并说明如何处理。
What is Simpson's paradox? Give a product example and explain the fix.
💡 考场高分一句话答案:
聚合层面的方向与所有分层方向相反;通常由分层间样本结构差异导致,处理方式是分层分析 + 标准化。
The aggregate direction reverses within every stratum, usually because the strata differ in composition. The fix is stratified analysis plus standardisation.
📌 核心考察要点 (Key Points)
- 经典例子:整体转化率 A 组高于 B 组,但每个平台(iOS/Android)内 B 都高于 A——因为 B 组的流量更多来自高转化的 iOS
- 成因:分层变量同时影响“分组”与“结果”,即混杂
- 处理:分层报告、直接标准化(用统一权重)、或回归控制分层变量
- 预防:随机化能消除该问题;观测数据必须先检查分层一致性
- Classic example: overall conversion is higher in A, but B wins within both iOS and Android, because B's traffic is more iOS-heavy
- Mechanism: the stratifying variable affects both the assignment and the outcome — that is confounding
- Fix: report by stratum, use direct standardisation with common weights, or regress on the stratifier
- Prevention: randomisation eliminates it; observational data needs a stratified check first
📐 第一性原理与数理推导机理
设平台为 $S$,处理为 $T$,结果为 $Y$。聚合效应 $\mathbb{E}[Y\mid T=1]-\mathbb{E}[Y\mid T=0]$ 混合了 $S$ 的分布差异。标准化后:$$\tau_{\text{std}}=\sum_s w_s\left(\mathbb{E}[Y\mid T=1,S=s]-\mathbb{E}[Y\mid T=0,S=s]\right)$$其中 $w_s$ 为统一权重(如总体平台分布)。
⚖️ 业务权衡与取舍 (Trade-offs & Calibration)
产品分析里 Simpson 悖论最常见的触发场景是新老用户结构变化与地域扩张。因此任何“整体指标变化但分群不变(或反向)”的现象,第一反应都应该是做标准化,而不是找产品原因。
⚠️ 常见高频面试陷阱与避坑指南
- 只看聚合指标就下结论
- 标准化时用了受处理影响的权重(引入新偏差)
🔍 大厂面试官连环追问 (Follow-ups)
- 标准化权重该怎么选?
- 随机化实验会出现 Simpson 悖论吗?
🎯 关联大厂考题实战训练 (3 题)
嫌字多看太累?进入苏格拉底式对话推演实验室
零打字负担,以大厂考官真实困境切入,通过点选直觉选项暴露思维盲区,手把手推导 Why。
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!