अस्पताल में यदि सभी मरीजों को एक साथ देखने पर उपचार A, उपचार B से बेहतर निकले, लेकिन हल्के और गंभीर मामलों में अलग-अलग देखने पर दोनों में B बेहतर हो, तो आप कौन-सा उपचार चुनेंगे? आँकड़ों को ‘मिलाने पर’ परिणाम पलट जाने की यह अजीब घटना डेटा की व्याख्या में बार-बार सामने आती है। यही ‘सिम्पसन का विरोधाभास (Simpson’s Paradox)’ है।
सरल शब्दों में, सिम्पसन के विरोधाभास का अर्थ है ‘ऐसी घटना जिसमें कई समूहों को अलग-अलग देखने पर संबंध एक निश्चित दिशा में दिखाई देता है, लेकिन उन समूहों को मिलाने पर संबंध कमजोर पड़ जाता है या उसकी दिशा पूरी तरह उलट जाती है।’ एडवर्ड सिम्पसन (Edward H. Simpson) ने इसे 1951 में व्यवस्थित रूप से प्रस्तुत किया था। उनसे पहले कार्ल पियर्सन (Karl Pearson) ने 1899 में और उडनी यूल (Udny Yule) ने 1903 में भी ऐसे ही उदाहरणों का उल्लेख किया था।
इस सामग्री में सिम्पसन के विरोधाभास की परिभाषा और उसके उत्पन्न होने के तंत्र से लेकर प्रमुख वास्तविक उदाहरणों तथा डेटा पढ़ते समय इसके जाल में फँसने से बचने के लिए जाँचने योग्य बिंदुओं तक को सरल ढंग से समझाया गया है।
सिम्पसन के विरोधाभास की संरचना और व्याख्या के सिद्धांत
सिम्पसन का विरोधाभास क्या है?
सिम्पसन का विरोधाभास केवल गणना की गलती नहीं है। यह तब उत्पन्न होता है जब ‘भागों के योग’ और ‘समग्र’ के परिणाम मेल नहीं खाते—जैसे हर समूह में A की सफलता दर B से अधिक हो, लेकिन सभी को मिलाने पर B की सफलता दर अधिक निकले। सहज रूप से हमें लगता है कि ‘हर हिस्से में जीतने वाला कुल मिलाकर भी जीतेगा’, लेकिन अनुपातों को मिलाते ही यह सहज धारणा टूट सकती है।
ऐसा क्यों होता है? मुख्य बात यह है कि हर समूह में नमूने का आकार और उसकी संरचना अलग होती है। उदाहरण के लिए, यदि उपचार A का इस्तेमाल गंभीर मरीजों में अधिक हुआ हो और उपचार B का इस्तेमाल हल्के मामलों वाले मरीजों में अधिक हुआ हो, तो गंभीर मरीजों का अधिक अनुपात A की कुल सफलता दर को नीचे खींचता है, जबकि हल्के मामलों का अधिक अनुपात B की दर को ऊपर ले जाता है। इस तरह अलग-अलग समूहों में A जीतता है, लेकिन उन्हें मिलाने पर B जीत जाता है।
- समूह के भीतर का रुझान (Within-group trend): प्रत्येक उपसमूह के भीतर दिखाई देने वाले संबंध की दिशा।
- समग्र रुझान (Aggregate trend): उपसमूहों को मिलाने के बाद दिखाई देने वाले संबंध की दिशा।
- विरोधाभास (Paradox): वह स्थिति जिसमें ये दोनों दिशाएँ एक-दूसरे से मेल नहीं खातीं या परस्पर विपरीत होती हैं।
आँकड़े क्यों पलटते हैं: भ्रमकारी चर की भूमिका
सांख्यिकी में माना जाता है कि इस घटना के पीछे कोई ‘भ्रमकारी चर (Confounding Variable)’ या ‘छिपा हुआ चर (Lurking Variable)’ होता है। यह वह स्थिति है जिसमें कोई 3रा चर, अध्ययन किए जा रहे दो चरों के बीच के संबंध को एक साथ प्रभावित करता है।
(1) समूहों के आकार में असंतुलन
यदि नमूने किसी एक समूह में अधिक केंद्रित हों, तो उस समूह के परिणाम का कुल परिणाम पर जरूरत से अधिक प्रभाव पड़ता है। छोटे समूह में स्पष्ट प्रभाव होने पर भी बड़े समूह का विपरीत प्रभाव कुल परिणाम को निर्धारित कर सकता है।
(2) उपचार और परिस्थितियों में एक साथ बदलाव
यदि उपचार कठिन और आसान मामलों वाले मरीजों को यादृच्छिक ढंग से आवंटित नहीं किए जाते, तो ‘उपचार का प्रभाव’ और ‘मरीज की स्थिति’ आपस में मिल जाते हैं। ऐसे में केवल समेकित तालिका देखने पर यह गलत धारणा बन सकती है कि उपचार अपने आप में ही खराब या अच्छा है।
(3) अनुपातों का भारित औसत
सफलता दर साधारण औसत नहीं, बल्कि व्यक्तियों की संख्या के अनुसार भारित औसत होती है। यदि हर समूह का भार अलग हो, तो अलग-अलग समूहों में जीत-हार और कुल जीत-हार अलग हो सकती है।
सरल शब्दों में, सिम्पसन का विरोधाभास एक चेतावनी है कि ‘किन स्तरों में बाँटकर देखा जाता है’, इससे निष्कर्ष बदल सकता है।
सरल उदाहरणों से समझें सिम्पसन का विरोधाभास
सबसे अधिक उद्धृत उदाहरणों में से एक गुर्दे की पथरी के उपचारों की तुलना है। शल्य और गैर-शल्य उपचारों को केवल कुल मिलाकर देखने पर एक उपचार बेहतर दिखाई देता है, लेकिन छोटी और बड़ी पथरियों के मामलों को अलग-अलग देखने पर बढ़त उलट जाने का पैटर्न दर्ज किया गया है। ‘किसके लिए, किन परिस्थितियों में’ को छोड़ देने पर उपचार के नतीजों की तस्वीर विकृत हो जाती है।
बेसबॉल के बल्लेबाजी औसत को भी इसी तरह की संरचना से समझाया जा सकता है। ऐसा हो सकता है कि खिलाड़ी A का बल्लेबाजी औसत सीज़न के पहले और दूसरे हिस्से में अलग-अलग खिलाड़ी B से अधिक हो, लेकिन पूरे सीज़न को मिलाने पर B का औसत अधिक निकले। ऐसा इसलिए होता है क्योंकि अलग-अलग अवधियों में खेली गई पारियों और बल्लेबाजी के अवसरों की संख्या में बड़ा अंतर होता है। अर्थात ‘हर अवधि का विजेता’ और ‘पूरे सीज़न का विजेता’ अलग हो सकते हैं। यह उस भ्रम को अच्छी तरह दिखाता है जो प्रदर्शन के आँकड़ों को केवल एक पंक्ति में पढ़ने से पैदा होता है।
विश्वविद्यालय में प्रवेश की स्वीकृति दर को लेकर बहसों में भी ऐसा ही तर्क इस्तेमाल होता है। केवल कुल स्वीकृति दर देखने पर लैंगिक अंतर बड़ा दिखाई दे सकता है, लेकिन विभागों के अनुसार अलग करने पर वह अंतर गायब हो सकता है या कम हो सकता है। यहाँ मुख्य बात तुरंत यह निष्कर्ष निकालना नहीं है कि ‘कोई भेदभाव नहीं है’, बल्कि यह पूछना है कि किन स्तरों—विभाग, आवेदनों की संख्या और प्रतिस्पर्धा की दर—ने कुल परिणाम पर हावी होकर असर डाला।
[उदाहरणों से ध्यान देने योग्य बातें]
- केवल कुल परिणाम की तालिका पर भरोसा न करें; डेटा को फिर से सार्थक उपसमूहों में बाँटें।
- उपसमूहों का आकार यानी उनका भार भी साथ में लिखें।
- ‘उस समूह में लोगों की संख्या अधिक क्यों हुई’, इसे अलग से समझाएँ।
डेटा पढ़ते समय जाल में फँसने से बचाने वाली 4 आदतें
सिम्पसन के विरोधाभास को पूरी तरह ‘मिटाने’ का कोई सूत्र नहीं है। लेकिन व्याख्या करने की आदतें बदलकर इसके जाल में फँसने की संभावना काफी कम की जा सकती है।
(1) पहले स्तर तय करें
लिंग, आयु, बीमारी की गंभीरता, क्षेत्र और उत्पाद श्रेणी जैसे परिणाम को प्रभावित कर सकने वाले चर पहले से लिख लें तथा कुल और स्तरवार तालिकाओं को साथ रखकर देखें।
(2) अनुपात और लोगों की संख्या साथ देखें
सफलता दर 80% होने पर भी यदि नमूने में केवल 5 लोग हों, तो उसका अर्थ अलग होता है। ऐसे चार्ट पर संदेह करें जो हर यानी प्रयासों या व्यक्तियों की संख्या छिपाते हैं।
(3) कारण-कार्य संबंध और सहसंबंध में अंतर करें
केवल समेकित परिणाम उलट जाने से तुरंत किसी ‘कारण’ को निश्चित न मान लें। पहले जाँचें कि प्रयोग की रूपरेखा बनाई गई थी या यादृच्छिक आवंटन किया गया था या नहीं।
(4) निष्कर्ष की इकाई स्पष्ट करें
वाक्य में स्पष्ट लिखें कि निष्कर्ष ‘सभी मरीजों के आधार पर’ है या ‘गंभीर मरीजों के आधार पर’। डेटा एक ही होने पर भी संदर्भ समूह बदलने से सिफारिश बदल सकती है।
समाचारों के जनमत सर्वेक्षण, अस्पतालों के प्रदर्शन के आँकड़े, ऐप के A/B परीक्षण और स्कूलों के प्रवेश संबंधी आँकड़े—जहाँ भी अनुपात सामने आते हैं, वहाँ सिम्पसन का विरोधाभास दिखाई दे सकता है। कुल आँकड़ों का इस्तेमाल जितना सुविधाजनक लगे, उतना ही उन्हें एक बार और बाँटकर देखने की आदत जरूरी है। आकर्षक इन्फोग्राफिक में अक्सर हर और स्तर छिपे होते हैं, इसलिए पहले यह जाँचना उपयोगी है कि ‘इस आँकड़े की इकाई क्या है’।
कुल आँकड़े पर ही रुक जाने के बजाय यह पूछना कि ‘किन स्तरों से मिलकर यह आँकड़ा बना है’, सांख्यिकीय सोच का पहला कदम है।
