stevenliuyi，随便玩玩这其实是个典型的「伯克森悖论」（Berkson's paradox）。
一个演员受到存眷，本家儿要原因不过乎两点，要么颜值够高，要么演技够好。颜值不在线、演技又尴尬的，天然存眷的人少，甚至可能都还没踏进演艺圈就早被裁减了。这半斤八两于对样本做了一次筛选，使原本无关的「颜值」与「演技」变得相关了。我简单画了张图来申明：
图中每个圆点代表一位演员，颜值与演技无关，圆点在平面上随机分布。斜线左下方的是既没颜值也没演技从而没啥人存眷的演员。而我们熟知的明星则绝大大都位于斜线的右上方。若是考虑这些高知名度的演员的话，能较着看到颜值与演技呈现出了负相关关系，这就是发生长得都雅与演技当作反比这一印象的本家儿要原因。这种子虚的相关性即是所谓的伯克森悖论。
为了便利起见，图中假设了颜值与演技都是呈平均分布。实际平分布固然不是平均的，但这并不影响结论。好比说正态分布，那位于图中右上角的颜值演技两开花的演员就更少了，负相关性甚至变得更强。
再举一个伯克森悖论的例子：为什么良多人会感觉帅哥都是混蛋呢？。这个例子是 UW-Madison 数学系传授 Jordan Ellenberg 提出来的。做个简化的假设，当你找男生约会的时辰最垂青男生的两个前提：长得是不是帅，对你是不是好。两者至少知足其一你才会考虑跟他约会，长得不帅还不是暖男的压根就没有机遇。对你所有的约会对象而言，两者有了负相关，于是你可能发生出渣男长得帅、暖男长得丑的印象。
伯克森悖论其实也可以看作是一种「幸存者误差」，无论是受人存眷的演员，仍是你的约会对象，都算是某种意义上的「幸存者」。
最后提一下伯克森悖论和因果揣度中的 collider （碰撞点）之间的关系。下面的因果图暗示了一组简单的因果关系：演技（A）与颜值（B）是演员受存眷与否（C）的两个决议身分，但 A 与 B 之间并无联系关系。
C 被称为 A 与 B 的 collider。collider 最主要的一个性质是：当节制了变量 C 之后，原本无关的 A 与 B 会呈现相关性。在我们的例子中，演技与颜值无关（A 与 B 之间没有箭头），但因为节制了变量 C（只考虑受人存眷的演员），便有了假性相关（spurious correlation）。中学时我们就都学过节制变量法，可能良多人会误觉得节制的变量越多成果越切确，至少多些没啥坏处。但伯克森悖论就是一个反例：节制的变量若是正好是个 collider，那能让无关的变量变得相关，甚至原本正相关的两个变量可能酿成了负相关。