使用众所周知的“泰坦尼克号上乘客的生存情况”数据集，我通过绘制票价与年龄的关系得到了一个奇怪的行为（见下文）。如果没有对 Pclass 的约束，则相关性是正的。相反，对于所有 Pclasses，相关性似乎是负的。
我认为这是“辛普森悖论”的一种形式。但我不确定。对于这种特殊情况，如何最好地解释这种行为？
# df is a pandas dataframe with the titanic data set
# see https://www.kaggle.com/c/titanic
import seaborn as sns
sns.jointplot("Age", "Fare", df, kind='reg')
sns.lmplot("Age", "Fare", df, col="Pclass")
尽管辛普森悖论（或辛普森逆转）在三向列联表中比在连续变量之间的相关性中更常被提及，但这是相同的现象。
在这里，简单的解释似乎很清楚：虽然每个舱位内部都有轻微的票价随着年龄的增长而下降的趋势，但较低级别的人往往更年轻。也就是说，年轻人倾向于乘坐较低级别的旅行，因此年轻人倾向于支付较低的票价。
关于低年级的人更年轻的事实，你可以在情节中看到，三班的孩子（年龄<18岁）很多，二班的人少（显然0-20岁的人比二班少） 20-40），而一等班的孩子很少。将 40-60 和 60-80 年龄段与 20-40 年龄段进行比较也可以看出，下层阶级的人往往更年轻。
总结：是的，这是辛普森悖论的一个事件。年轻人倾向于乘坐较低等级的旅行，因此年轻人倾向于支付较低的票价，即使他们倾向于支付比同等级的老年人多一点的费用。
并且只是一个旁注：这不是泰坦尼克号数据集中唯一出现的辛普森悖论。在https://select-statistics.co.uk/blog/hidden-data-and-surviving-a-sinking-ship-simpsons-paradox/或https://www2.stat.duke.edu/courses/Fall12/ sta611/SimpsonsParadox.pdf注意到另一个。