📍 Khái niệm cốt lõi: Đếm số lần thành công trong thế giới nhị phân
Trong y học, có rất nhiều câu hỏi bắt đầu bằng "Bao nhiêu?" — bao nhiêu bệnh nhân sẽ bị biến chứng? bao nhiêu ca cấp cứu sẽ đến trong đêm nay? bao nhiêu người sẽ đáp ứng với thuốc mới? Các câu hỏi này có điểm chung: kết cục là một số đếm — 0, 1, 2, 3... — không phải một giá trị liên tục như huyết áp hay đường huyết. Để trả lời những câu hỏi này, chúng ta cần các phân phối xác suất rời rạc (discrete probability distributions), và hai trong số quan trọng nhất là phân phối Binomial và phân phối Poisson.
Phân phối Binomial ra đời từ việc trả lời câu hỏi: "Nếu tôi thực hiện n lần thử độc lập, mỗi lần có xác suất thành công p, thì xác suất tôi có đúng k lần thành công là bao nhiêu?" Nó là nền tảng cho hầu hết các kiểm định thống kê về tỷ lệ (proportion) — từ tỷ lệ biến chứng sau mổ đến tỷ lệ đáp ứng thuốc. Phân phối Poisson, mặt khác, trả lời câu hỏi: "Nếu một biến cố hiếm xảy ra trung bình λ lần trong một khoảng thời gian, thì xác suất nó xảy ra đúng k lần là bao nhiêu?" Nó được mệnh danh là "luật của các sự kiện hiếm" và là nền tảng cho dịch tễ học về bệnh hiếm và kiểm soát chất lượng dịch vụ y tế.
🎣 Câu chuyện "Tay câu và 5 lần thả lưới"
Anh Tèo đi câu cá. Mỗi lần thả câu, dựa vào kinh nghiệm, anh biết xác suất trúng cá là 20% (p = 0.2). Anh thả câu 5 lần (n = 5). Tối về, vợ anh hỏi: "Hôm nay được mấy con?" Anh trả lời: "Không biết — có thể 0, 1, 2, 3, 4, hoặc 5 con." Vợ anh, vốn là một người phụ nữ thực tế, hỏi tiếp: "Khả năng được đúng 2 con là bao nhiêu?"
Để trả lời, anh Tèo phải tính: có bao nhiêu cách để trúng 2 trong 5 lần? Đó là C(5,2) = 10 cách (lần 1&2, 1&3, 1&4, 1&5, 2&3, 2&4, 2&5, 3&4, 3&5, 4&5). Mỗi cách có xác suất: 0.2 × 0.2 × 0.8 × 0.8 × 0.8 = 0.02048. Vậy P(đúng 2 con) = 10 × 0.02048 = 0.2048 ≈ 20.5%. Đây chính là phân phối Binomial trong hành động.
Câu chuyện Poisson cũng tương tự: thay vì hỏi "bao nhiêu lần thả thì trúng?", Poisson hỏi "trung bình mỗi giờ có 3 con cá cắn câu — hỏi khả năng trong một giờ tới có 5 con cắn câu là bao nhiêu?" — nhưng đây là câu chuyện cho một bài học khác, về các biến cố xảy ra ngẫu nhiên trong thời gian và không gian.
📚 Cửa sổ học thuật — Tại sao Poisson được gọi là "Luật của các sự kiện hiếm"?: Phân phối Poisson được Siméon Denis Poisson công bố năm 1837 trong tác phẩm "Recherches sur la probabilité des jugements en matière criminelle et en matière civile" (Nghiên cứu về xác suất trong các phán quyết hình sự và dân sự). Poisson nhận thấy rằng khi n rất lớn và p rất nhỏ (np = λ không đổi), phân phối Binomial tiến tới phân phối Poisson. Nói cách khác, Poisson là "giới hạn" của Binomial cho các sự kiện hiếm. Trong y học, "hiếm" có nghĩa là p < 0.1 và n đủ lớn. Ví dụ: tỷ lệ biến chứng sau tiêm vaccine là 1/1.000.000 — đây là một sự kiện cực kỳ hiếm, và Poisson là công cụ hoàn hảo để mô hình hóa nó. Nhưng Poisson cũng có thể dùng cho các biến cố không hiếm — miễn là dữ liệu đến từ một quá trình Poisson thực sự (độc lập, tốc độ không đổi).
