Khi cho sữa vào trà, rót sữa trước hay rót trà trước thì vị có khác nhau không? Hầu hết mọi người sẽ nghĩ là chẳng khác gì, nhưng vào năm 1919, tại một viện nghiên cứu ở Anh, một nhà khoa học đã khẳng định rằng chắc chắn là khác. Cuộc tranh cãi nhỏ này đã dẫn tới thí nghiệm nổi tiếng nhất trong lịch sử thống kê: quý bà nếm trà (Lady Tasting Tea).
Nói đơn giản, quý bà nếm trà là ‘cách dùng một thí nghiệm được thiết kế từ trước để kiểm tra xem một kết quả có khó xảy ra chỉ do ngẫu nhiên hay không’. Nhà thống kê Ronald Fisher đã giới thiệu nó trong cuốn sách năm 1935 ‘The Design of Experiments’ (Thiết kế thí nghiệm), và ngày nay nó được xem là điểm khởi đầu của kiểm định giả thuyết và thí nghiệm ngẫu nhiên hóa.
Trong bài này, chúng ta sẽ lần lượt tìm hiểu tách trà khởi đầu mọi chuyện, cách thiết kế thí nghiệm tám tách, 70 cách kết hợp và xác suất 1,4%, cùng những gì thí nghiệm này để lại cho nghiên cứu ngày nay.
Chứng minh bằng tám tách trà
1. Tách trà ở Rothamsted

Câu chuyện diễn ra tại Trạm Thí nghiệm Rothamsted (Rothamsted Experimental Station) ở Anh. Năm 1919, Fisher, người làm việc ở đó, đưa cho một đồng nghiệp một tách trà, và mọi chuyện bắt đầu từ đó.
(1) Xin rót sữa trước
Người nhận tách trà là Muriel Bristol, một nhà khoa học nghiên cứu tảo. Bristol từ chối, nói rằng bà thích trà được rót sữa trước hơn, còn Fisher thì gạt đi, cho rằng thứ tự rót không thể làm thay đổi hương vị.
(2) Vậy thì thử xem
William Roach, một đồng nghiệp đứng bên nghe được, lên tiếng: “Hãy thử kiểm tra bà ấy.” Fisher và Roach cùng nhau nghĩ ra cách kiểm tra xem Bristol có thật sự phân biệt được hay không. Vài năm sau, vào năm 1923, Roach kết hôn với Bristol.
(3) Biến tranh cãi thành câu hỏi
Điểm cốt lõi của câu chuyện là thay vì cãi nhau xem ai đúng, họ đã biến nó thành một câu hỏi có thể phán đoán bằng cách nhìn vào kết quả. Định ra trước khi thí nghiệm tiêu chuẩn để phân biệt ‘đoán trúng do may mắn’ với ‘thật sự phân biệt được’ chính là điểm khởi đầu của câu chuyện này.
2. Thiết kế thí nghiệm tám tách

Thí nghiệm mà Fisher trình bày trong ‘The Design of Experiments’ rất đơn giản. Trong 8 tách, 4 tách được rót sữa trước, 4 tách được rót trà trước, rồi được dọn ra theo thứ tự ngẫu nhiên. Người nếm biết trước cách làm này và có thể so sánh các tách với nhau để chọn ra 4 tách được rót sữa trước.

- Giả thuyết không (Null Hypothesis): giả định rằng người nếm không có khả năng phân biệt; thí nghiệm kiểm tra xem có đủ bằng chứng để gạt bỏ giả định này hay không.
- Ngẫu nhiên hóa (Randomization): để may rủi quyết định thứ tự các tách, sao cho những manh mối khác như vị trí tách hay thói quen dọn trà không lẫn vào kết quả.
- Mức ý nghĩa (Significance Level): ngưỡng xác suất để kết luận rằng một kết quả khó có thể do ngẫu nhiên; thường dùng 5%.
- Phân phối siêu bội (Hypergeometric Distribution): phân phối xác suất của số tách đoán đúng khi chọn 4 trong 8 tách; phương pháp dùng phép tính này là kiểm định chính xác Fisher (Fisher’s Exact Test).
Điều quan trọng là thí nghiệm được thiết kế sao cho có thể tính trước xác suất trả lời đúng. Vì thứ tự đã được xáo trộn ngẫu nhiên, ta có thể đếm chính xác ‘nếu không có khả năng phân biệt thì kết quả nào sẽ xuất hiện và thường xuyên đến mức nào’.
3. 70 cách kết hợp và 1,4%

Hãy tưởng tượng một người không có khả năng phân biệt chọn bừa 4 tách. Có tổng cộng 70 cách chọn 4 tách trong 8 tách, và chỉ có một cách là đúng.
(1) Xác suất đoán đúng hết
Xác suất đoán đúng cả 4 tách nhờ may mắn là 1/70, khoảng 1,4%. Con số này nhỏ hơn ngưỡng 5% thường dùng, nên nếu kết quả này xảy ra, ta có thể gạt bỏ lời giải thích ‘chỉ là may mắn’.
(2) Nếu chỉ đúng 3 tách
Có 16 cách đoán đúng chính xác 3 trong 4 tách, xác suất khoảng 22,9%, còn xác suất đúng từ 3 tách trở lên là 17/70, khoảng 24,3%. Kết quả này dù chỉ do ngẫu nhiên thì cứ khoảng bốn lần cũng xảy ra một lần, nên khó coi là bằng chứng. Vì vậy, Fisher quyết định chỉ bác bỏ giả thuyết không khi cả 8 tách đều được phân loại đúng.
(3) Kết quả thực tế
Trong cuốn sách năm 2002 ‘The Lady Tasting Tea’, nhà thống kê David Salsburg kể lại, theo lời đồng nghiệp H. Fairfield Smith, rằng Bristol đã đoán đúng cả 8 tách. Roach cũng nhớ lại rằng bà đã đoán đúng thừa đủ để chứng minh điều mình nói.
4. Di sản cho các thí nghiệm ngày nay

Thí nghiệm nếm trà chỉ là một giai thoại nhỏ, nhưng những ý tưởng trong đó đã trở thành khung xương của vô số thí nghiệm ngày nay, từ thử nghiệm lâm sàng thuốc mới đến thử nghiệm A/B trên trang web.
(1) Phân nhóm ngẫu nhiên
Khi để may rủi quyết định cái gì được đặt vào đâu, kỳ vọng của nhà nghiên cứu hay những khác biệt chưa nhận ra sẽ ít có cơ hội lẫn vào kết quả. Fisher cũng nhấn mạnh nguyên tắc này trong các thí nghiệm nông nghiệp ở Rothamsted.
(2) Bác bỏ chứ không phải chứng minh
Fisher viết rằng giả thuyết không ‘không bao giờ được chứng minh hay xác lập, mà chỉ có thể bị bác bỏ’ qua thí nghiệm. Nghĩa là việc không đoán đúng cả 8 tách cũng không đủ để khẳng định rằng không có khả năng phân biệt.
(3) Bao nhiêu tách là đủ?
Nếu chỉ có 8 tách, phải đoán đúng cả 4 tách mới thành bằng chứng. Fisher cũng bàn về lợi ích của việc tăng số lần thử và lặp lại thí nghiệm, và việc định trước cỡ mẫu trong nghiên cứu ngày nay cũng xuất phát từ cùng mối bận tâm đó. Bạn có thể đọc thêm về cách đặt giả thuyết trong bài giả thuyết không và giả thuyết đối.
Ý nghĩ đơn giản ‘trước khi tranh cãi, hãy đếm xem nếu chỉ do ngẫu nhiên thì sẽ ra kết quả nào’, đó chính là bước đầu tiên để hiểu quý bà nếm trà.