【因果推断与机器学习】带入坑——之辛普森悖论

辛普森悖论解析

最新推荐文章于 2025-04-27 22:37:57 发布

原创

最新推荐文章于 2025-04-27 22:37:57 发布 · 994 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #人工智能 #数据挖掘

@[因果推断与机器学习](Why you might Care )

Simpson’s Paradox

考虑一个纯粹假设的未来，那里有一种被称为COVID-27的新疾病在人类中普遍存在。在这个纯粹假设的未来中，已经开发了两种治疗方法: 治疗A和治疗B。治疗B比治疗A价格更贵，因此当前接受治疗A与治疗B的那些人的划分大致为73%/27%。在一个只关心尽量减少生命损失的国家，你负责选择你的国家将专门使用哪种治疗方法。

你有死于 COVID-27 的人的百分比数据，考虑到他们被分配的治疗，以及他们在决定治疗时的状况。他们的病情是一个二元变量：轻度或重度。在该数据中，接受 A 的人中有 16% 死亡，而接受 B 的人中有 19% 死亡。但是，当我们将病情较轻的人与病情严重的人分开检查时，数字的顺序相反。在轻度亚群中，接受 A 的人中有 15% 死亡，而接受 B 的人中有 10% 死亡。在重症亚群中，接受 A 的人中有 30% 死亡，而接受 B 的人中有 20% 死亡。我们在表 1.1 中描述了这些百分比和相应的计数。