Thử đoán
Bài hôm nay, bạn sẽ tự tay tung đồng xu hàng trăm lần ngay trong trình duyệt, vẽ histogram, và thấy xác suất tự động hiện ra như thế nào. Không công thức khó — chỉ đếm và quan sát.
Evaluating routing across providers.
AI Foundation
Tung đồng xu, đếm kết quả, đoán xem điều gì xảy ra. Xác suất thực ra chỉ là tần số dài hạn — và thống kê là cách bạn mô tả tần số đó.
Bài hôm nay, bạn sẽ tự tay tung đồng xu hàng trăm lần ngay trong trình duyệt, vẽ histogram, và thấy xác suất tự động hiện ra như thế nào. Không công thức khó — chỉ đếm và quan sát.
Bạn không cần biết công thức trước. Hãy tưởng tượng bạn ngồi ở quán trà sữa, lôi ra một đồng xu, tung 1000 lần. Bạn ghi tổng số mặt ngửa và chia cho 1000. Con số đó sẽ tiến gần đến một giá trị cố định — chính là xác suất ra ngửa của đồng xu này.
Xác suất không phải một ý niệm huyền bí. Nó là tỷ lệ bạn quan sát được khi thí nghiệm đủ lâu. Tiếng Anh gọi đó là frequentist view (góc nhìn tần suất). Cả một ngành thống kê đặt nền trên điều đơn giản này.
| Số lần tung | Điều bạn quan sát được |
|---|---|
| 10 | Có thể ra 7 ngửa, 3 sấp. Kết luận gì cũng liều. |
| 100 | Tỷ lệ bắt đầu ổn định quanh giá trị thật. Vẫn dao động vài phần trăm. |
| 1.000 | Tỷ lệ cực gần giá trị thật. Đây là luật số lớn. |
Ba con số này nghe to tát nhưng chỉ là ba cách mô tả cùng một thứ. Chúng đều tính từ cùng một dãy kết quả tung xu.
Ba con số mô tả dữ liệu
Chuyển mỗi lần ngửa thành số 1, mỗi lần sấp thành số 0, rồi lấy trung bình. Chú ý: giá trị này chính là **tỷ lệ mặt ngửa** bạn đã quan sát. Trong trường hợp xu 0/1, mean = xác suất thực nghiệm.
Xác suất không phải là một con số huyền bí đến từ trời cao — nó là tần số bạn quan sát được khi thí nghiệm đủ nhiều. Mean, variance, std đều là ba cách khác nhau để mô tả cùng một đám dữ liệu: điểm giữa ở đâu, và dữ liệu có tản mác không.
Toàn bộ thống kê đứng trên hai ý đơn giản đó. Từ thăm dò dư luận đến huấn luyện AI — tất cả chỉ là đếm, chia, rồi rút kết luận.
Ở trên bạn đã nhìn luật số lớn và ba con số mô tả dữ liệu bằng mắt. Phần này là tên gọi chính thức và công thức tối thiểu — để lần sau bạn nhìn thấy chúng trong sách giáo khoa vẫn nhận ra.
Bằng lời: cộng tất cả các giá trị lại, chia cho số lượng. Đây là con số “điểm giữa” của cả đám dữ liệu — ký hiệu bằng chữ Hy Lạp μ (đọc là “mu”). Trong ví dụ xu 0/1, trung bình chính là tỷ lệ mặt ngửa bạn quan sát được.
Bằng lời: xác suất A xảy ra khi biết B đã xảy ra = “xác suất thấy B nếu A đúng” × “niềm tin ban đầu vào A”, chia cho “xác suất B xảy ra nói chung”. Nghe rắc rối nhưng bản chất chỉ là cập nhật niềm tin khi có bằng chứng mới.
Khi bạn tăng tỷ lệ spam ban đầu (prior), P(spam | có từ đó) cũng tăng. Khi bạn nâng P(từ | email thật) (nhiều email thật cũng có từ đó), P(spam | có từ đó) giảm — dù likelihood trong spam không đổi. Đây là sức mạnh của Bayes: cả prior lẫn likelihood đều quan trọng. Trực giác hay quên prior, nên thường sai.
| Phân phối | Khi nào gặp | Ví dụ |
|---|---|---|
| Chuẩn (Gaussian) | Hình chuông đối xứng quanh mean | Chiều cao con người, điểm thi SAT, sai số đo đạc |
| Nhị thức (Binomial) | Đếm số lần thành công trong n thử nghiệm độc lập | Số mặt ngửa khi tung xu — chính là histogram bạn vừa thấy |
| Đều (Uniform) | Mọi giá trị có cơ hội như nhau | Bốc số trúng thưởng từ trống quay, tung xúc xắc 6 mặt |
| Poisson | Đếm số sự kiện hiếm trong một khoảng thời gian cố định | Số cuộc gọi đến tổng đài trong 1 giờ |
Quy tắc 68-95-99.7 của phân phối chuẩn: 68% nằm trong 1 std, 95% trong 2 std, 99.7% trong 3 std. Khi n lớn, binomial trông gần giống Gaussian.
Variance đo độ lan. Cách tự nhiên nhất: lấy trung bình của (x − mean). Vấn đề: các giá trị nằm bên trái mean đóng góp âm, bên phải đóng góp dương — triệt tiêu, kết quả luôn bằng 0. Để khắc phục, người ta bình phương trước khi cộng: (x − mean)². Mọi đóng góp bây giờ đều dương. Sau khi cộng xong, lấy căn để đưa đơn vị về lại như ban đầu — đó chính là std.
Tiến hoá không thiết kế não bộ cho xác suất. Tổ tiên cần phản ứng nhanh với hổ trong bụi cỏ, không cần tính xác suất chính xác. Nhà tâm lý học Daniel Kahneman và Amos Tversky đã liệt kê hàng loạt “lối tắt” mà não dùng — rất hữu dụng trong đời thường, nhưng sai bét khi gặp bài toán xác suất.
Hai ví dụ kinh điển: base rate neglect (quên tỷ lệ nền — đã gặp ở thử thách trên) và gambler's fallacy (ảo tưởng người cờ bạc: tin rằng sau 5 lần đỏ, lần tiếp theo “phải” là đen). Cả hai đều là lý do tại sao học xác suất chính thống là kỹ năng quan trọng — nó sửa sai cho trực giác của bạn.