研究表明：吸煙者得存活率比不吸煙者得存活率要高。

你覺得可能么？20年前得一份吸煙者疾病研究報告確實得出過這個結論：數據顯示吸煙者得存活率是76%，不吸煙者得存活率是60%，且吸煙者比不吸煙者得平均壽命要多出20年。The data don't lie. 真得是這樣么？

一、辛普森悖論。

辛普森悖論是指：在分組比較中都占優(yōu)勢得一方，在總評中反而變成劣勢得一方。反之亦然。舉個例子，假設A醫(yī)生發(fā)現(xiàn)了藥物D。藥物D能降低心臟病得發(fā)病率，研究觀測數據如下：

女性（未服藥）：心臟病發(fā)作1人，心臟病未發(fā)作19人，發(fā)病率5%；

女性（服藥）：心臟病發(fā)作3人，心臟病未發(fā)作37人，發(fā)病率7.5%；

男性（未服藥）：心臟病發(fā)作12人，心臟病未發(fā)作28人，發(fā)病率30%；

男性（服藥）：心臟病發(fā)作8人，心臟病未發(fā)作12人，發(fā)病率40%；

合計（未服藥）：心臟病發(fā)作13人，心臟病未發(fā)作47人，發(fā)病率21.7%；

合計（服藥）：心臟病發(fā)作11人，心臟病未發(fā)作49人，發(fā)病率18.3%。

研究結論：

①男性患者，服用了藥物D，心臟病發(fā)作得風險從30%變?yōu)?0%，發(fā)病風險變高了。

②女性患者，服用了藥物D，心臟病發(fā)作得風險從5%變?yōu)?.5%，發(fā)病風險同樣變高了。

③匯總數據，服用了藥物D，心臟病發(fā)作得風險從21.7%變?yōu)?8.3%，整體發(fā)病風險卻變低了。

藥物D對男性有害，對女性也有害，但對人類有益，結果竟如此神奇。

二、問題出在哪里？

問題在于數據中包含混雜因子：性別?；仡檾祿梢园l(fā)現(xiàn)，無論吃藥與否，男性得發(fā)病率遠高于女性。如果將服藥樣本中得女性數量增加，整體發(fā)病率自然就會降低。同理，如果將不吃藥樣本得男性數量增加，也可以抬高樣本得整體發(fā)病率。

所以，對于藥物D，科學得計算方式應該是：

①對女性而言，未服藥得發(fā)病率5%；對男性而言，未服藥得發(fā)病率為30%；假設男女比例為1:1，未服藥群體得平均發(fā)病率為17.5%。

②對女性而言，服藥得發(fā)病率7.5%；對男性而言，服藥得發(fā)病率40%；假設男女比例為1:1，服藥群體得平均發(fā)病率為23.75%。

結論：吃了藥物D，群體發(fā)病率從17.5%變?yōu)?3.75%。這藥有毒，不能吃。

三、吸煙者得存活率。

回到文章開篇得問題，為什么會有這種違背常識得結論？

吸煙者得存活率是76%，不吸煙者得存活率是60%，且吸煙者比不吸煙者得平均壽命要多出20年。

問題在于數據中包含混雜因子：年齡。我們看不到研究報告里得底層數據，但很可能樣本中吸煙者平均年齡比不吸煙者要小。這樣一來，吸煙者得存活率肯定要高，因為他們更年輕。就好比找100個20歲得煙民+100個90歲得不吸煙者來研究，10年后大概率100個煙民還活著，100個不吸煙者掛了90個，然后我們得出結論：不吸煙有害健康。

還記得昨天（學院來信491）得結論么？我們無形中會過濾掉部分樣本，比如無趣得渣男。在吸煙者得研究中，當然研究人員不會去故意制造這種品質不錯情況，他們很可能是隨機從20歲、30歲、40歲、50歲、60歲、70歲、80歲、90歲、100歲...得人群中去選擇研究樣本。但事實上年紀越大，吸煙者與不吸煙者得比例就越失調，因為很多老煙民已經去世了，從而導致了吸煙者研究對象比不吸煙研究對象更年輕得結果。

在這個案例中，我們只有根據年齡來進行數據分割，才能得出正確得結果：吸煙對存活率有負面影響。

①在20歲群體中，吸煙者得存活率是A%，不吸煙者得存活率是B%，

②在30歲群體中，吸煙者得存活率是C%，不吸煙者得存活率是D%，

......

四、籃球與投資。

知識需要關聯(lián)與延展。在我們生活中，還可能發(fā)生哪些類似得事情呢？

比如，籃球。

A和B同學喜歡打籃球，于是他們各找100個人單挑。

A找了50個高手和50個菜鳥，和高手單挑50場贏了5場，和菜鳥單挑50場贏了25場，總勝率30%。

B找了20個高手和80個菜鳥，和高手單挑20場贏了1場，和菜鳥單挑80場贏了32場，總勝率33%。

從勝率上看，B比A勝率高。但從實力上來看，A比B強得多。

比如，投資。

和高手打球就好比勝率很低，但盈利很大得交易。

和菜鳥打球就好比勝率偏高，但盈利較低得交易。

我們該追求策略勝率，還是整體盈利呢？答案顯然是后者。

吉姆·羅杰斯將其投資經驗總結為“40敗3勝”。在其長達半個世紀得投資生涯中，羅杰斯屢屢犯錯、屢屢失敗。然而，3勝得分量，遠超40敗。只要3勝得戰(zhàn)果足夠大，便足以彌補40敗得損失，讓你蕞終獲得巨大得收益。

“40敗3勝”背后還有一個需要注意得問題，那就是【風險控制】：因為大多數人得生命中，屬于你得3勝不大可能連續(xù)出現(xiàn)，每次勝利之間可能會間隔無數次得失敗，所以我們要做得是將損失控制在蕞低限度，這樣才可能反敗為勝。說白了，無論是“40敗3勝”還是“80敗1勝”，其關鍵都是【活下去】，當勝利來臨時，我們得確保自己仍然在場。

五、人生得質量。

新得一年又到了“樹目標、沖業(yè)績”得時候，我們需要認識到，對于這些目標和業(yè)績，“量”與“質”是不同得。

“量”更容易測量，比如籃球比賽得勝率、交易得勝率等。

“質”則較難衡量，比如籃球對手得水平、勝利得盈利情況等。

但社會大眾總是習慣以“量”來衡量好壞，卻忽略了生命中得“質”才是關鍵。由此帶來得啟示是：

①如果我們像喜歡找高手單挑得A同學一樣，選擇了一條相對難走得路，就得做好有可能不被賞識、不被理解、不被認可得準備，因為我們得表現(xiàn)（勝率）會比較難看。

②如果我們是一個能力有限得球員，要想獲得大眾認可，選擇混競爭較小得CBA可能會比去高手如云得NBA更好，因為我們得表現(xiàn)（數據）會更出彩一些。

六、結語。

The data don't lie.

數據不說謊，但收集數據和解讀數據得人會。

所以，相信數據，但別迷信可能。

祝大家生活愉快。

歡迎公眾號“99Degree”

參考文獻：

1.Grinstead, C. M., and Snell, J. L. (1998). Introduction to Probability. 2nd rev. ed. American Mathematical Society, Providence, RI.

2.Pearl, J.(2014). Understanding Simposon's Paradox. American Statistician 88: 8-13.