सिम्पसन का विरोधाभास कैसे काम करता है
सिम्पसन का विरोधाभास एक ऐसा रुझान है जो डेटा के हर समूह में दिखता है, लेकिन समूहों को मिलाने पर उलट जाता है। यह संख्याओं की कोई चाल नहीं, बल्कि एक चेतावनी है: कोई तुलना किसी तीसरे कारक पर निर्भर हो सकती है जो तय करता है कि कौन किस समूह में पहुँचता है। यहाँ जानिए कि यह कैसे पैदा होता है, इसे कहाँ-कहाँ पाया गया है और इसके बारे में क्या करें।
पलटने वाला रुझान
1995 में डेविड जस्टिस का बैटिंग औसत डेरेक जेटर से बेहतर था (.253 बनाम .250), और 1996 में भी (.321 बनाम .314)। फिर भी दोनों साल मिलाकर जेटर आगे थे, .310 बनाम .270। वजह: जेटर के ज़्यादातर एट-बैट 1996 में थे, जो उनका अच्छा साल था, और जस्टिस के ज़्यादातर 1995 में, जो उनका कमज़ोर साल था। हर खिलाड़ी का कुल औसत उस साल की ओर खिंच जाता है जिसमें उसने सबसे ज़्यादा बल्लेबाज़ी की।
इसके पीछे का गणित
कुल दर समूहों की दरों का भारित औसत होती है, और भार हर समूह में हर विकल्प के मामलों का हिस्सा होते हैं। अगर एक विकल्प के ज़्यादातर मामले आसान समूह में हों और दूसरे के कठिन समूह में, तो भार समूहों के भीतर के अंतर पर भारी पड़ सकते हैं। गुर्दे की पथरी के अध्ययन के लिए: ओपन सर्जरी 0.25 × 93.1% + 0.75 × 73.0% = 78.0%, कीहोल सर्जरी 0.77 × 86.7% + 0.23 × 68.8% = 82.6%।
बर्कले के दाख़िलों का मामला
1973 की शरद ऋतु में कैलिफ़ोर्निया विश्वविद्यालय, बर्कले ने स्नातकोत्तर पढ़ाई के लिए आवेदन करने वाले लगभग 44% पुरुषों और 35% महिलाओं को दाख़िला दिया। पीटर बिकल, यूजीन हैमल और विलियम ओ'कॉनेल ने विभागों को अलग-अलग देखा और 1975 में अपना विश्लेषण साइंस पत्रिका में प्रकाशित किया। ज़्यादातर विभागों में महिलाओं की दाख़िला दर बराबर या ज़्यादा थी। महिलाओं ने ज़्यादातर उन विभागों में आवेदन किया था जो पुरुषों और महिलाओं, दोनों में से कम ही आवेदकों को दाख़िला देते थे, और इससे उनकी कुल दर नीचे आ गई। छह सबसे बड़े विभागों में पुरुषों की दाख़िला दर 44.5% और महिलाओं की 30.4% थी, फिर भी छह में से चार विभागों में महिलाओं का प्रदर्शन बेहतर रहा।
कौन-सा उत्तर सही है?
सिर्फ़ डेटा यह तय नहीं कर सकता; यह इससे तय होता है कि डेटा कैसे बना। जब समूह बाँटने वाला कारक इस पर भी असर डालता है कि कौन-सा विकल्प चुना जाए और परिणाम पर भी, तो वह एक भ्रामक कारक (कन्फाउंडर) है: डॉक्टरों ने बड़ी पथरी के लिए, जिसका इलाज ज़्यादा कठिन है, ओपन सर्जरी ज़्यादा बार चुनी, इसलिए उचित तुलना एक ही आकार की पथरी के भीतर है। जब समूह बँटवारा ख़ुद विकल्प का नतीजा हो, जैसे इलाज के बाद लिया गया कोई माप, तो उसके आधार पर बाँटने से असर छिप सकता है, और मिला-जुला आँकड़ा बेहतर मार्गदर्शक होता है। कंप्यूटर वैज्ञानिक जूडिया पर्ल ने दिखाया कि कारण-आरेख (causal diagram) इस सवाल को कैसे सुलझाते हैं।
संक्षिप्त इतिहास
कार्ल पियर्सन और उनके सहयोगियों ने 1899 में इस प्रभाव पर ध्यान दिया और जॉर्ज उडनी यूल ने 1903 में इसका वर्णन किया; एडवर्ड एच. सिम्पसन ने 1951 में इसके बारे में लिखा, और सांख्यिकीविद कॉलिन ब्लाइथ ने 1972 में इसे सिम्पसन का विरोधाभास नाम दिया। इसे यूल-सिम्पसन प्रभाव, एकीकरण विरोधाभास या उलटाव विरोधाभास भी कहा जाता है। यह चिकित्सा परीक्षणों, स्कूल के नतीजों, चुनाव विश्लेषणों और खेल के आँकड़ों, सभी में दिखाई देता है।
अक्सर पूछे जाने वाले प्रश्न
सिम्पसन के विरोधाभास को कैसे पहचानें?
देखें कि मामले समूहों में कैसे बँटे हैं। अगर जिन विकल्पों की तुलना हो रही है, उनके मामलों का बहुत अलग हिस्सा ऊँची और नीची सफलता दर वाले समूहों में है, तो कुल तुलना गुमराह कर सकती है। डेटा को उस कारक के आधार पर बाँटें जो दोनों पर असर डाल सकता है, और हर समूह के भीतर दरों की तुलना करें।
क्या यह सिर्फ़ दो समूहों के साथ होता है?
नहीं। यह कितने भी समूहों के साथ हो सकता है, और सतत डेटा के साथ भी: जो सहसंबंध हर उपसमूह के भीतर धनात्मक है, वह सबको मिलाने पर ऋणात्मक हो सकता है। दो समूह इसे देखने का बस सबसे आसान तरीका हैं।
क्या बर्कले में लैंगिक भेदभाव था?
1975 के विश्लेषण में विभागों के फ़ैसलों में महिलाओं के ख़िलाफ़ कोई पक्षपात नहीं मिला; अगर कुछ था, तो उनके पक्ष में हल्का-सा झुकाव। कुल अंतर इस बात से आया कि महिलाओं ने कहाँ आवेदन किया: उन विभागों में जहाँ आवेदक बहुत और सीटें कम थीं। क्या उन विभागों में सीटें बहुत कम थीं, यह एक अलग सवाल है जिसका जवाब दाख़िले के आँकड़े नहीं दे सकते।
आज़माने के लिए तैयार?
अपने ब्राउज़र में PictorX खोलें — शुरू करने के लिए इंस्टॉल या क्रेडिट कार्ड की ज़रूरत नहीं।
सिम्पसन के विरोधाभास का ऐप खोलें