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。

💬 开启对话式破冰 ➔
⚡
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!
🎯 立即在闪卡中盲测此题➔