定义 在某个条件下的两组数据，分别讨论时都会满足某种性质，但一旦合并考虑，却可能得到相反的结论

悖论原因 实验组和对照组的样本特征分布不一致

例1： 例2： 实验流量越大，则越容易发生辛普森悖论 举个例子说明：如果只是拿100人做试验，50人一组随机分配，很可能是28男22女对22男28女，每个性别只是相差6个人而已。如果是拿10000人做试验，5000人一组随机分配，很可能是2590男2410女对2410男2590女，每个性别就差了180人，而这180人造成的误差影响就可能很大。

如何规避辛普森悖论？

1. 在试验设计上，如果某两个变量对试验结果都有影响，那么我们应该把这两个变量放在同一层进行互斥试验，不要让一个变量的试验动态影响另一个变量的检验，如果我们觉得一个试验可能会对新老客户产生完全不同的影响，那么就应该对新客户和老客户分别展开定向试验，观察结论
2. 在试验实施上，对试验结果我们要积极的进行多维度的细分分析，除了总体对比，也看一看对细分受众群体的试验结果，不要以偏盖全，也不要以全盖偏。一个试验版本提升了总体活跃度，但是可能降低了年轻用户的活跃度，那么这个试验版本是不是更好呢？一个试验版本提升总营收0.1%，似乎不起眼，但是可能上海地区的年轻女性 iPhone 用户的购买率提升了20%，这个试验经验就很有价值了