3.1. Sigma (Σ) — Người gác cổng của phép cộng
Ký hiệu Σ (sigma hoa) là một trong những ký hiệu đầu tiên bạn sẽ gặp trong bất kỳ tài liệu thống kê nào. Nó đơn giản có nghĩa là "hãy cộng tất cả các giá trị phía sau lại với nhau".
Công thức tổng quát:
Σ xᵢ = x₁ + x₂ + x₃ + ... + xₙ
Ví dụ:
Với x₁ = 3, x₂ = 5, x₃ = 2, x₄ = 7, x₅ = 4
Σ xᵢ = 3 + 5 + 2 + 7 + 4 = 21
Tại sao cần một ký hiệu riêng cho phép cộng? Bởi vì trong thống kê, bạn sẽ gặp hàng trăm, thậm chí hàng ngàn giá trị cần cộng dồn. Viết "x₁ + x₂ + ... + x₁₀₀₀" là không khả thi. Σ cho bạn một cách diễn đạt cực kỳ gọn nhẹ. Hơn nữa, Σ còn cho phép các nhà toán học phát triển những công thức phức tạp hơn như Σ(xᵢ − μ)² — là nền tảng của phương sai (variance) và độ lệch chuẩn (standard deviation). Đây là những khái niệm bạn sẽ gặp ở Chuyên đề 02.
3.2. Bảng tra cứu các chữ cái Hy Lạp thường gặp trong Y học
Đây là bảng các ký hiệu quan trọng nhất mà mỗi bác sĩ lâm sàng cần thuộc lòng. Đừng chỉ đọc — hãy liên hệ từng ký hiệu với một tình huống lâm sàng cụ thể.
| Ký hiệu | Tên | Ý nghĩa Thống kê | Liên hệ Lâm sàng |
|---|---|---|---|
| α | Alpha | Ngưỡng ý nghĩa (thường = 0.05). Xác suất mắc sai lầm loại I: kết luận có khác biệt khi thực tế không có. | "Bác sĩ kết luận thuốc mới hiệu quả — nhưng thực ra không phải. Xác suất mắc sai lầm này là α." |
| β | Beta | Sai lầm loại II: kết luận không có khác biệt khi thực tế có khác biệt. 1 − β = Power (sức mạnh thống kê). | "Bác sĩ nói thuốc không hiệu quả — nhưng thực ra thuốc có hiệu quả, chỉ là nghiên cứu quá nhỏ để thấy nó." |
| μ | Mu | Trung bình của toàn bộ quần thể (population mean). Là giá trị "thật" mà ta không bao giờ biết chính xác. | "Huyết áp trung bình của tất cả người Việt Nam tăng huyết áp — không ai đo hết được. Chúng ta chỉ ước lượng." |
| σ | Sigma nhỏ | Độ lệch chuẩn của quần thể. Đo mức độ phân tán của dữ liệu xung quanh μ. | "Huyết áp của bệnh nhân dao động quanh mức trung bình bao nhiêu? σ càng lớn, bệnh nhân càng khác nhau." |
| χ² | Chi-square | Kiểm định mối liên quan giữa hai biến định tính (ví dụ: hút thuốc và ung thư phổi). | "Hút thuốc có liên quan đến ung thư không? χ² test cho câu trả lời." |
| ρ | Rho | Hệ số tương quan của quần thể. Đo độ mạnh của mối liên hệ tuyến tính giữa hai biến số. | "Tuổi và huyết áp có đi cùng nhau không? ρ = 0 (không) đến ρ = 1 (rất mạnh)." |
| ε | Epsilon | Sai số / phần dư. Phần không giải thích được của mô hình — "những điều chúng ta chưa biết". | "Mô hình dự đoán huyết áp chỉ giải thích được 42% — 58% còn lại là ε, do các yếu tố chưa biết." |
📚 Cửa sổ học thuật — Tại sao α lại là 0.05? Câu chuyện về một quy ước ngẫu nhiên: Ngưỡng α = 0.05 không phải là một định luật tự nhiên. Nó được đề xuất bởi Ronald Fisher vào năm 1925 trong cuốn sách "Statistical Methods for Research Workers" của ông. Fisher chọn 0.05 vì nó là "một con số tiện lợi" — không có lý do toán học hay sinh học nào sâu xa. Thế nhưng trong suốt gần 100 năm, các tạp chí y học trên toàn thế giới đã biến nó thành một rào cản vô hình: nếu p < 0.05, bài báo được đăng; nếu p > 0.05, bài báo bị từ chối. Điều này đã tạo ra một cuộc khủng hoảng trong khoa học — "cuộc khủng hoảng p-value" — nơi các nhà nghiên cứu làm mọi cách để "đẩy" p của họ xuống dưới 0.05, kể cả bằng những phương pháp không trung thực. Năm 2019, tạp chí Nature đã kêu gọi các nhà khoa học ngừng sử dụng p < 0.05 như một ngưỡng cứng nhắc. Bài học: α là một công cụ, không phải một thần tượng.
3.3. Biểu đồ: Tỷ lệ xuất hiện các ký hiệu trong y văn
Tại sao p-value xuất hiện nhiều nhất trong y văn? Bởi vì p-value là "cánh cửa" để công bố kết quả. Hầu hết các tạp chí y học đều yêu cầu báo cáo p-value. Nhưng điều này tạo ra một nghịch lý: p-value là ký hiệu dễ bị hiểu sai nhất. Nhiều bác sĩ — và thậm chí cả nhà nghiên cứu — tin rằng p = 0.04 nghĩa là "xác suất kết quả sai là 4%" — một hiểu lầm nghiêm trọng. Thực tế, p-value là xác suất quan sát được dữ liệu như vậy (hoặc cực đoan hơn) nếu giả thuyết không (H₀) là đúng. Nó không nói gì về xác suất giả thuyết đó đúng hay sai. Đây sẽ là nội dung chính của Chuyên đề 07.
