📍 Xử oan (Type I) và thả kẻ có tội (Type II) — Bài học từ phòng xử án
Hãy tưởng tượng bạn là một vị thẩm phán trong một phiên tòa hình sự. Trước mặt bạn là một bị cáo đang bị buộc tội. Theo nguyên tắc pháp luật, bị cáo được coi là vô tội cho đến khi được chứng minh là có tội — đây chính là giả thuyết không (H₀) của chúng ta: "bị cáo vô tội". Công tố viên phải đưa ra bằng chứng đủ mạnh để thuyết phục bạn rằng bị cáo có tội — đó là giả thuyết thay thế (H₁). Bạn phải quyết định: có đủ bằng chứng để kết tội hay không? Và bạn có thể mắc hai loại sai lầm: kết tội một người vô tội (sai lầm Type I — "xử oan") hoặc thả một người có tội (sai lầm Type II — "thả kẻ có tội").
Trong thống kê y học, mọi thứ diễn ra tương tự. H₀ là giả thuyết "không có khác biệt" — ví dụ: "thuốc mới không hiệu quả hơn giả dược". H₁ là giả thuyết "có khác biệt". Dữ liệu từ nghiên cứu là "bằng chứng". Và p-value là thước đo sức mạnh của bằng chứng — nó cho bạn biết: "Nếu H₀ là đúng (thuốc không hiệu quả), xác suất tôi thấy dữ liệu như thế này (hoặc cực đoan hơn) là bao nhiêu?" Nếu xác suất này rất nhỏ (thường là dưới 0,05), bạn nói: "đủ bằng chứng để bác bỏ H₀" — tương tự như thẩm phán nói "đủ bằng chứng để kết tội".
⚖️ Câu chuyện "Phiên tòa của p-value"
Vào một ngày nọ, cảnh sát bắt giữ một nghi phạm vì tội trộm cắp. Luật sư của nghi phạm — người đại diện cho H₀ — lập luận: "Thân chủ tôi vô tội cho đến khi được chứng minh. Các bằng chứng phải thuyết phục đến mức nào?" Công tố viên — người đại diện cho H₁ — trưng ra một đoạn video giám sát. Tuy nhiên, video bị mờ, chỉ đủ để thấy một người có vóc dáng tương tự nghi phạm. Thẩm phán hỏi: "Xác suất video này xuất hiện nếu nghi phạm vô tội là bao nhiêu?" Nếu xác suất đó là 0,04 (4%), thẩm phán có thể nói: "Tôi chấp nhận rủi ro 4% kết tội oan — đủ bằng chứng để kết tội." Đây chính là p = 0,04 và α = 0,05. Và nếu thẩm phán kết tội oan một người vô tội, đó là sai lầm Type I. Nếu thẩm phán thả một người có tội, đó là sai lầm Type II. Cả hai đều có hậu quả — trong tòa án cũng như trong y học.
📚 Cửa sổ học thuật — Fisher vs. Neyman-Pearson: Hai trường phái kiểm định giả thuyết: Ít ai biết rằng "kiểm định giả thuyết" hiện đại thực ra là sự pha trộn giữa hai triết lý khác nhau — và đôi khi mâu thuẫn — của hai nhà thống kê vĩ đại. Ronald Fisher (cha đẻ của p-value) quan niệm: p-value là thước đo bằng chứng, và mỗi nhà nghiên cứu tự quyết định ngưỡng dựa trên hoàn cảnh. Jerzy Neyman và Egon Pearson lại đề xuất: hãy cố định trước α (sai lầm Type I) và β (sai lầm Type II), và tối ưu hóa quy trình ra quyết định. Fisher không bao giờ chấp nhập khái niệm "sai lầm Type II" của Neyman-Pearson; ông cho rằng thống kê không phải là máy ra quyết định. Cuộc tranh luận này vẫn tiếp diễn đến ngày nay. Vấn đề là, sách giáo khoa thường trộn lẫn hai trường phái — dùng p-value của Fisher với ngưỡng α cứng nhắc của Neyman-Pearson — tạo ra một "quái vật lai" mà không ai trong số hai cha đẻ của nó thực sự ủng hộ.
Tại sao phải dùng câu chuyện tòa án để hiểu kiểm định giả thuyết? Bởi vì tư duy "vô tội cho đến khi được chứng minh" (presumption of innocence) là bản chất của H₀. Bạn không chứng minh H₀ đúng — bạn chỉ kiểm tra xem có đủ bằng chứng để bác bỏ nó hay không. Đây là điểm khác biệt quan trọng với cách hiểu thông thường: thống kê không bao giờ "chứng minh" một giả thuyết là đúng; nó chỉ cho thấy bằng chứng chống lại H₀ có đủ mạnh hay không. Cũng giống như tòa án không thể chứng minh một người vô tội — chỉ có thể tuyên bố "không đủ bằng chứng để kết tội".
