Khoa học thống kê thế kỷ 21: nghệ thuật kể chuyện bằng những con số

Mở đầu: môn học từng bị hiểu lầm nhất hành tinh

Nếu có một cuộc thi "môn học bị oan nhất", thống kê chắc chắn lọt top đầu. Người ta hay nghĩ nó là mấy bảng số khô khốc, mấy công thức khiến sinh viên toát mồ hôi đêm trước kỳ thi, hoặc tệ hơn — cái thứ mà chính trị gia dùng để chứng minh bất cứ điều gì họ muốn (câu đùa kinh điển: "có ba loại dối trá: dối trá, dối trá trắng trợn, và thống kê").

Nhưng bước sang thế kỷ 21, môn học "khô khốc" ấy bỗng trở thành ngôi sao. Mọi thứ bạn chạm vào hằng ngày — app gợi ý bài hát, kết quả tìm kiếm, chẩn đoán y khoa, dự báo thời tiết, thậm chí cả chiếc xe tự lái quyết định có nên phanh hay không — đều đang chạy trên thống kê. Nó lặng lẽ điều hành thế giới, như một người quản gia tài ba mà không ai để ý.

Và để hiểu môn khoa học này, ta cần làm quen với hai người anh em của nó: một người thích kể lại chuyện đã xảy ra, và một người liều lĩnh hơn, dám đoán chuyện chưa biết.

Người anh cả điềm đạm: thống kê mô tả

Hãy tưởng tượng bạn vừa đi dự một bữa tiệc với 200 người, và một người bạn không đi hỏi: "Thế nào, buổi tiệc ra sao?" Bạn không thể đọc tên từng vị khách và kể họ mặc gì, ăn gì. Bạn sẽ nói đại loại: "Đông vui, đa số tầm 30 tuổi, nhạc hơi to." Chúc mừng — bạn vừa làm thống kê mô tả.

Thống kê mô tả là nghệ thuật tóm gọn một đống hỗn độn thành vài con số biết nói. Nó không cố đoán tương lai, không phán xét, không suy diễn xa xôi. Nhiệm vụ của nó khiêm tốn nhưng cực kỳ quan trọng: kể lại đã có chuyện gì, một cách trung thực và gọn gàng.

Bộ công cụ của người anh cả này gồm vài món quen thuộc. Có các thước đo "điểm trung tâm" — số trung bình (mean), số trung vị (median), số yếu vị (mode) — trả lời câu hỏi "nói chung thì nó nằm ở đâu?". Có các thước đo "độ phân tán" — phương sai, độ lệch chuẩn — trả lời "nó dao động dữ dội hay hiền lành?". Và tất nhiên là biểu đồ: histogram, biểu đồ tròn, biểu đồ cột — những hình ảnh biến một bảng số buồn ngủ thành câu chuyện chỉ liếc qua là hiểu.

Nghe thì đơn giản, nhưng đây chính là chỗ dễ bị "ảo thuật" nhất. Số trung bình là kẻ nói dối duyên dáng bậc nhất: nếu Bill Gates bước vào một quán cà phê bình dân, thì trung bình mọi người trong quán bỗng trở thành triệu phú — dù ví của bạn vẫn xẹp lép như cũ. Đó là lý do thế kỷ 21, với những bộ dữ liệu khổng lồ, càng cần thống kê mô tả tỉnh táo: chọn sai con số để tóm tắt, bạn có thể vô tình (hoặc cố ý) kể một câu chuyện hoàn toàn sai sự thật.

Người em táo bạo: thống kê suy luận

Nếu thống kê mô tả là kể chuyện đã rồi, thì thống kê suy luận (inferential statistics) là kẻ dám cá cược về những gì nó chưa từng thấy. Và đây mới là nơi phép màu thực sự xảy ra.

Ý tưởng cốt lõi táo bạo đến kinh ngạc: nhìn một mẫu nhỏ, rồi rút ra kết luận về cả một tổng thể khổng lồ. Đài truyền hình phỏng vấn 1.000 người và dám tuyên bố cả nước 90 triệu dân đang nghĩ gì. Bác sĩ thử thuốc trên vài nghìn bệnh nhân rồi cấp phép cho hàng triệu người dùng. Đầu bếp nếm một thìa súp và tự tin phán cả nồi đã vừa hay chưa — vâng, đầu bếp cũng là một nhà thống kê suy luận, chỉ là chưa được cấp bằng.

Nhưng liều lĩnh thì phải có kỷ luật. Thống kê suy luận không đoán bừa; nó đoán kèm theo lời thú nhận mình có thể sai bao nhiêu. Đó là lý do ta có những khái niệm như khoảng tin cậy ("tôi tin kết quả nằm trong khoảng này, với độ chắc 95%") và kiểm định giả thuyết (một quy trình chặt chẽ để hỏi: "hiệu ứng này là thật, hay chỉ là may rủi tình cờ?"). Người em táo bạo này luôn thì thầm một câu đáng yêu: "Tôi nghĩ vậy, nhưng tôi cũng có thể nhầm — và đây là mức độ tôi có thể nhầm."

Thế kỷ 21 chính là sân khấu vàng của người em này. Máy học và AI, xét cho cùng, là thống kê suy luận uống thuốc tăng lực: học từ dữ liệu đã thấy để đoán về dữ liệu chưa thấy — email này có phải spam không, khuôn mặt này là ai, câu tiếp theo nên là từ gì. Mỗi lần điện thoại của bạn "đoán đúng" điều bạn định gõ, một nhà thống kê suy luận vô hình vừa đặt cược và thắng.

Khi con số soi gương: một chút triết học (vừa đủ thôi)

Đến đây thì không tránh được một câu hỏi nho nhỏ đầy tính triết: làm sao ta dám tin vào chuyện suy từ cái đã thấy ra cái chưa thấy? Triết gia David Hume đã bối rối vì điều này từ hơn 250 năm trước: mặt trời mọc hàng tỷ lần không chứng minh nó sẽ mọc ngày mai — ta chỉ tin thế. Thống kê suy luận không xóa được nỗi bối rối ấy; nó chỉ làm một việc rất người lớn: thay vì giả vờ chắc chắn 100%, nó đo lường chính sự không chắc chắn của mình rồi ghi rõ ra giấy.

Và đó có lẽ là bài học đẹp nhất mà thống kê thế kỷ 21 dạy ta — một bài học hơi giống lời khuyên in trên bìa cuốn Hitchhiker's Guide: đừng hoảng loạn. Thế giới thì ồn ào, dữ liệu thì hỗn độn, tương lai thì mù mờ. Nhưng ta không cần biết mọi thứ mới ra được quyết định tốt. Ta chỉ cần biết mình biết chắc đến đâu — và thành thật về phần còn lại.

Kết: đừng để một con số kể sai câu chuyện

Nếu phải rút gọn cả bài này thành một câu (rất đúng tinh thần thống kê mô tả): thống kê thế kỷ 21 là nghệ thuật biến hỗn loạn thành hiểu biết — với thống kê mô tả lo phần "chuyện gì đã xảy ra", và thống kê suy luận lo phần "vậy thì sắp tới thế nào".

Cả hai đều mạnh mẽ, và cũng đều dễ bị lạm dụng. Một con số trung bình đặt sai chỗ, một khoảng tin cậy bị phớt lờ, và thế là cả một câu chuyện sai lệch ra đời — trông vẫn "khoa học" như thường. Vậy nên lần tới khi ai đó vung ra một con số thật kêu để thuyết phục bạn, hãy mỉm cười và hỏi câu thần chú của thế kỷ 21:

"Con số đẹp đấy. Nhưng nó đến từ đâu, và bạn chắc đến mức nào?"

Đôi khi, câu hỏi hay còn quý hơn cả câu trả lời. 😉