主题：【原创】Simpson悖论 -- frnkl

矫正方法自然会有不同

Simpson Paradox并非源于选择偏倚或者测量误差，所以和尺子之类没什么太大的关系。

而全国学校的平均值也不过是假定公平情况下该校的counterfactual结果近似值而已，而这个插入的值是根据所需要的结论由命题定义范围所决定的，是可变的，是需要根据不同情况标准化的。而其中有多种方法，即可以不需要外部信息，固有所谓并非一定需要。

你后面的论证实际是扩大了原来的命题吧。

问题出在AB两系招生人数不一样，难度也不一样。

这个例子，高考报志愿时很有用。我们老师分析过。

想象A系是个一般院校，招人多，门槛低， 很一般。

B系是精英院校，招人少，门槛高。

在此例中， 男生们只要上了大学就行，报大路货的多，大部分也就上了。

女生们爱学习，非Ivy League（藤校）不上，结果在龙门前互相撞死的鲤鱼们，雌鱼居多。

所以，把AB混起来，得到自己想要得到的答案，就可以混淆视听。

这也是西方媒体经常采用的攻击中国的方法之一，可惜ZXB的同学们不爱学习，反击大都无力。

请你写出数学的定义，再看看你的数据是否可以支持你的结论？或者，看看你的数学的定义是否符合我们通常对“性别歧视”的理解？

不是我扩展了你的原命题的定义，而是你用自然语言的混淆性重新定义了你的原命题。“性别歧视”这样一个命题，如果你要考虑系统本身对性别的偏差，那我是想不出如何不依赖系统外的数据来定义之。如果你不考虑系统本身的偏差，那么直接1：1，没有别的选择。

• 也论Simpson悖论：如何评价歧视？

性别歧视的定义恐怕是是否录取与性别之间相互独立。

对于同一个学校而言，只需要验证校内各系别的招生中是否分别独立就可以了，假定不存在其他选择偏倚和测量误差，比如是否录取测量错了，或者男女性别测量错了。

你的1：1是不是太不严谨了呢。到底是谁在用自然语言呢？

• 也论Simpson悖论：如何评价歧视？

含糊其词和偷换概念

earthcolor:【原创】辛普森悖论

希望楼主也参与讨论：

类反词典:也论Simpson悖论：如何评价歧视？

类反词典:也论Simpson悖论：如何评价歧视？

对上面的一些问题进行了更深入的讨论。