Tám tách trà và sự ra đời của phép thử thống kê hiện đại

Muriel Bristol cho rằng bà có thể nếm ra tách nào được rót sữa trước và tách nào được rót trà trước. Ronald Fisher nghĩ điều đó là bất khả thi, nhưng thay vì để cuộc tranh luận dừng ở ý kiến cá nhân, họ biến nó thành một phép thử gồm tám tách trà. Câu chuyện nhỏ tại một trạm nghiên cứu nông nghiệp ở Anh vào đầu thập niên 1920 đã làm nổi bật một câu hỏi lớn: khi ai đó đoán đúng, làm sao biết đó là năng lực thật chứ không chỉ là may mắn? [1]

Làm thế nào biến một lời khẳng định thành câu hỏi có thể kiểm tra?

Theo bài viết của Science History Institute, Fisher đã đề xuất chuẩn bị tám tách, gồm bốn tách rót sữa trước và bốn tách rót trà trước. Các tách được đưa cho Bristol theo thứ tự ngẫu nhiên để bà phân loại. Cách bố trí này quan trọng vì nó chuyển một nhận xét chủ quan về khẩu vị thành nhiệm vụ có kết quả rõ ràng: mỗi tách phải được xếp vào một trong hai nhóm, và toàn bộ lựa chọn có thể đối chiếu với cách pha thực tế. [1]

Một phép thử tốt không nhất thiết phải bắt đầu bằng thiết bị phức tạp. Trước hết, nó cần một tuyên bố đủ cụ thể để có thể sai. “Hai cách pha có vị khác nhau” vẫn còn rộng; “người thử có thể nhận ra cách pha của từng tách trong điều kiện không biết trước thứ tự” thì kiểm tra được. Chính bước thu hẹp câu hỏi này giúp tách cảm giác chắc chắn của người tham gia khỏi kết quả mà người khác có thể ghi nhận. [1]

Vì sao tám tách trà không phải tám lần đoán rời rạc?

Bristol biết có bốn tách thuộc mỗi cách pha, nên bà không đơn giản trả lời hai lựa chọn độc lập cho từng tách. Sau khi đã chỉ ra bốn tách thuộc một nhóm, bốn tách còn lại tự động rơi vào nhóm kia. Vì thế, bài toán phù hợp là đếm có bao nhiêu cách chọn bốn tách trong tổng số tám. Có 70 cách như vậy, nhưng chỉ một cách khớp hoàn toàn với cách người pha đã chuẩn bị. Nếu chọn ngẫu nhiên, xác suất phân loại đúng cả tám là 1 trên 70. [1]

Có thể hình dung bằng một ví dụ nhỏ hơn: trên bàn có bốn hộp giống nhau, trong đó đúng hai hộp chứa một loại vật. Người chơi phải chọn đủ hai hộp, không được chọn từng hộp một cách tách biệt rồi thay đổi tổng số. Một lựa chọn ở đầu sẽ giới hạn các lựa chọn sau. Tám tách trà cũng có cấu trúc tương tự: điều kiện “bốn và bốn” quyết định không gian các phương án có thể xảy ra.

Đoán đúng đến mức nào mới đáng chú ý?

Bristol được kể là đã phân loại đúng cả tám tách. Fisher vẫn đặt câu hỏi liệu kết quả hoàn hảo ấy có thể xuất hiện do tình cờ. Con số 1 trên 70 không chứng minh tuyệt đối rằng bà có khả năng phân biệt, nhưng cho thấy kết quả này khó xuất hiện nếu bà chỉ đoán trong phạm vi các phương án hợp lệ. Đây là trực giác của phép thử thống kê: tạm giả định không có năng lực phân biệt, rồi xem kết quả quan sát được hiếm đến đâu dưới giả định ấy. [1]

Điểm đáng chú ý là kết luận thay đổi mạnh nếu chỉ hai tách bị đổi chỗ. Khi đó Bristol sẽ đúng sáu trên tám, nhưng xác suất đạt kết quả tương ứng bằng cách đoán tăng lên khoảng 1 trên 4. Sáu câu đúng nghe vẫn có vẻ tốt nếu chỉ nhìn vào số lượng, song cấu trúc của phép thử cho thấy bằng chứng đã yếu đi nhiều. Fisher nhận ra một mẫu nhỏ khiến từng sai sót có ảnh hưởng rất lớn; ông tính rằng 12 tách, chia đều hai cách pha, sẽ tạo một phép thử tốt hơn. [1]

Thứ tự ngẫu nhiên bảo vệ phép thử như thế nào?

Nếu các tách được đưa ra theo một khuôn dễ nhận biết, người thử có thể tận dụng khuôn ấy mà không thật sự nếm ra khác biệt. Việc xáo trộn thứ tự làm giảm khả năng kết quả bị dẫn dắt bởi vị trí hoặc dự đoán về cách sắp xếp. Trong câu chuyện này, thứ tự trình bày cụ thể không còn được biết, nhưng nguyên tắc ngẫu nhiên hóa mới là phần có giá trị lâu dài: người tổ chức không nên vô tình cài câu trả lời vào cách tiến hành. [1]

Ví dụ, nếu bốn tách đầu đều thuộc một cách pha và bốn tách sau thuộc cách còn lại, người thử chỉ cần phát hiện điểm chuyển nhóm hoặc đoán quy luật sắp xếp. Kết quả lúc ấy không còn phản ánh riêng khả năng phân biệt hương vị. Khi vị trí được chọn ngẫu nhiên, những dấu hiệu phụ như vậy khó trở thành chiến lược ổn định hơn. Ngẫu nhiên hóa không loại bỏ mọi sai lệch, nhưng nó giúp các yếu tố ngoài câu hỏi chính bớt chi phối kết quả.

Từ phòng trà đến thiết kế thí nghiệm

Vào đầu thập niên 1920, Fisher được thuê để giúp các nhà khoa học thiết kế thí nghiệm tốt hơn, trong bối cảnh phương pháp kiểm soát và phân tích dữ liệu chưa được dùng thống nhất. Bài toán trà đơn giản đã giúp ông tách riêng những thành phần cốt lõi: một tuyên bố có thể kiểm tra, cách phân nhóm rõ ràng, thứ tự ngẫu nhiên, giả định về trường hợp chỉ có may mắn và tiêu chí đánh giá kết quả. Những nguyên tắc ấy có thể chuyển sang bài toán phức tạp hơn, chẳng hạn xem phân bón ảnh hưởng đến năng suất cây trồng ra sao. [1]

Fisher sau đó trình bày các ý tưởng của mình trong Statistical Methods for Research Workers và The Design of Experiments. Phép thử trà của Bristol được dùng làm ví dụ mở đầu trong cuốn sách thứ hai, cùng với những khái niệm có ảnh hưởng rộng như giả thuyết không và ý nghĩa thống kê. Di sản của tám tách trà không nằm ở việc phân xử cách pha nào ngon hơn. Nó nằm ở thói quen đặt một câu hỏi nghiêm ngặt hơn: nếu không có hiệu ứng thật, kết quả như thế này có dễ xảy ra hay không? [1]