Powstała w ten sposób pozorna korelacja nie przekłada się na żaden zewnętrzny i realny związek przyczynowo-skutkowy. Paradoks Berksona występuje w praktyce w szczególności jako konsekwencja przeoczonego błędu selekcji w doborze do próby w estymacji i testach statystycznych, komplikując realizację tych celów.
Podstawowym przykładem paradoksu Berksona jest stwierdzenie pozornej, negatywnej korelacji pomiędzy dwiema pozytywnymi cechami – tj. u jednostek posiadających wyższy poziom jednej z tych cech można oczekiwać niższego poziomu drugiej. Taką zależność można wykryć zarówno gdy w rzeczywistości czynniki te są niepowiązane, jak i nawet wtedy, kiedy ich korelacja w populacji jest pozytywna. Dzieje się tak wówczas, gdy analiza nie obejmuje w sposób reprezentatywny całej populacji, ale jedynie jej podgrupę (na przykład ze względu na wygodny dostęp czy błąd przeżywalności), która charakteryzuje się warunkowo obciętym rozkładem przynajmniej jednej z tych cech.
Paradoks jest opisywany między innymi w obszarze statystyki medycznej i biostatystyki, jak w oryginalnym przedstawieniu problemu autorstwa Josepha Berksona.
Opis formalny Dwa niezależne zdarzenia losowe stają się warunkowo zależne (negatywnie), jeśli warunkujemy ich rozpatrywanie względem tego, że przynajmniej jedno miało miejsce.