故事學進階觀念 #011|2026 年 11 月 16 日|統計學 × 決策科學

一位教練在初學組和進階組都比較優秀,最後總成績卻輸了。是有人算錯了嗎?

第一幕:誰才是最好的教練?

海灣市辦了一場游泳教學競賽。兩位教練各帶一百名學員,四週後統計通過測驗的人數。

阿杰擅長訓練有基礎的孩子;小琳則很願意接收怕水、不敢把臉埋進水裡的初學者。

成績公布時,阿杰笑得合不攏嘴。

「我有八十個學生通過,通過率八成!小琳只有三十六個,通過率三成六。」

主辦單位正準備頒發最佳教練獎,負責整理資料的小安卻突然舉手。

「等一下。如果分開看初學組和進階組,成績好像不是這樣。」

第二幕:每一組都贏,總成績卻輸了

小安拿出初學組的紀錄。

阿杰教了十名初學者,只有一名通過;小琳教了九十名初學者,有二十七名通過。

「所以初學組是小琳勝出:三成對一成。」

阿杰皺眉:「那進階組呢?那才是我的強項!」

小安翻開下一頁。

阿杰的九十名進階學員,有七十九名通過;小琳的十名進階學員,有九名通過。

「進階組……還是小琳高一點。」

阿杰愣住:「不可能吧?兩組都她贏,為什麼總成績是我贏?」

所有人重新按了一遍計算機,數字沒有算錯。

第三幕:不是學生一樣難

小安把兩張名單放在一起。

「阿杰,你為什麼有九十名進階學生,卻只有十名初學者?」

「主辦單位知道我比較擅長進階訓練,所以多分了進階學生給我。」

「那小琳呢?」

小琳苦笑:「初學班比較難帶,沒什麼人願意接,我就接下大部分了。」

小安指向統計表。

「問題就在這裡!進階組原本就比較容易通過測驗。阿杰的學生九成是進階組,小琳的學生九成卻是初學組。」

「把兩種難度的學生直接混在一起比較,就像讓一個人多考簡單題,另一個人多考困難題,最後只看答對率。」

阿杰忍不住問:「所以我那八成是假的?」

「不是假的。八成是真的。但它告訴我們的是你的學生有多少人通過,不一定能證明你比另一位教練更會教。」

第四幕:到底獎該頒給誰?

主辦人問:「那最佳教練應該改頒給小琳嗎?」

小安搖頭。

「現在也不能這樣說。學生並不是隨機分配,我們還不知道兩位教練接手的孩子,除了初學和進階之外,有沒有其他差異。」

會議室沉默了。

最後,主辦單位決定暫緩頒獎,明年重新設計比較方式。

阿杰望著成績單,苦笑著說:「原來數字都對,也可能讓我們想錯。」

小安回答:

「最容易誤會的數字,不一定是假的,而是你不知道它把哪些人放在一起算。」

這個分組後的趨勢,和合併後的趨勢出現反轉的現象,就叫作——辛普森悖論。


🧠 今天的進階觀念:辛普森悖論

辛普森悖論(Simpson's Paradox):同一份資料裡,某個比較在不同子群體內呈現同一方向,但把子群體合併後,方向可能反轉。

原本的直覺哪裡錯?

直覺會說:「如果小琳在初學組和進階組都比較高,整體一定也是小琳比較高。」

問題是,合併後的百分比不是兩組百分比的簡單平均,而是依照各組實際人數加權。兩位教練的學員組成差很多,於是整體排名可能完全反過來。

數字自己會說話

以下都是為了解釋概念而設計的虛構示例,不是實際教學研究。

學員程度 阿杰 小琳 這組誰比較高?
初學組 1/10=10% 27/90=30% 小琳
進階組 79/90≈87.8% 9/10=90% 小琳
合併整體 80/100=80% 36/100=36% 阿杰

每組單獨看,小琳都比較高。但是阿杰的大部分學員來自比較容易通過的進階組;小琳的大部分學員來自比較難的初學組。

你可以把它想成:一個人的分數,大多來自簡單題;另一個人的分數,大多來自困難題。

但不要因此下結論「分組數字才是真的,整體數字是假的」。兩者都是真實描述,只是回答不同問題:

  • 想知道「這批學生最後有多少人通過」:整體通過率有意義。
  • 想比較「兩位教練是否教得一樣好」:需要考慮學生的起點、分配方式、難度與其他可能差異;分組數字仍不能直接證明教學的因果效果。

為什麼重要?

因為主管、家長和一般讀者,很容易在看到一個漂亮的總百分比時,忽略它背後的人數結構。

有時不是績效變了,而是被拿來比較的人變了;有時兩者都變了。

💼 用在工作上:AI 導入後,客服滿意度反而下降?

假設公司導入 AI 自助客服後,整體人工客服滿意度下降。主管很生氣:「看吧,AI 讓服務變差了!」

但如果導入後,簡單的問題大多由 AI 自助解決,留下來交給人工的主要是複雜、容易引發不滿的案件,那麼人工客服的案件組成就變了。

滿意度下降,可能有一部分是因為案件變難,不一定全部都是服務品質惡化。

真正要評估 AI 的幫助,還應同時看相近案件類型的解決率、等待時間,以及那些被自助客服處理的顧客是否真的解決問題。不能把觀察到的變化,直接當成 AI 造成的效果。

🛠️ 三步避免被統計數字帶著走

  1. 先問人數組成:這次和上次、A 組和 B 組,比較的是同樣難度、同樣背景的人嗎?
  2. 整體、分組都看:每組有幾人?是否出現排名反轉?少量樣本會不會讓結果不穩定?
  3. 先確認自己要回答什麼:要描述目前結果、做績效比較,還是要知道某項措施有沒有產生效果?三者需要的資料不完全相同。

🎯 換你想想看

某健康中心評估兩位講師。甲講師的整體滿意度是 92%,乙講師是 85%;但分成「首次參加」與「長期學員」後,乙講師在兩組的滿意度都高於甲講師。

你會怎麼做?

  • A:直接選甲,因為整體 92% 最高。
  • B:直接選乙,因為分組後每組都比較高。
  • C:先確認兩位講師的學員組成、樣本數、課程性質與評估目的,再決定怎麼比較。

你選哪一個?你還想查什麼資訊?這才是今天真正值得練習的問題。


延伸閱讀(學術原始文獻)

本篇為 AI 協助創作的虛構寓言;人物、競賽、學員數字與工作案例均為教學示例,不是作者親身參與的事件或真實研究資料。