Áp Dụng Xác Suất Thống Kê Vào Cuộc Sống

Như mình đã nhiều lần nói, một người có tư duy tốt, mà cụ thể là tư duy phản biện tốt; thì sẽ thành công, dù họ học kiến thức chuyên môn gì, làm nghề gì, sống ở đâu.

Dù sống và làm việc trong hoàn cảnh nào, thuận lợi hay khó khăn, họ đều có thể tận dụng thuận lợi hoặc vượt qua nghịch cảnh, nhờ tư duy của họ.

Tư duy phản biện không phải tự nhiên mà có, không phải mặc nhiên có được nhờ gene bẩm sinh. Gene thông minh chỉ là 1 điều kiện thuận lợi, nhưng để có tư duy phản biện chặt chẽ, sắc sảo, thì cta cần học hỏi và rèn luyện.

Đối nghịch với tư duy phản biện là sự nguỵ biện. Cùng mức độ thông minh như nhau, nhưng người học hỏi kiến thức đúng đắn thì sẽ phát triển tư duy phản biện; mà người không có kiến thức thường sẽ sa vào các lỗi nguỵ biện.

Một vài lỗi nguỵ biện mà cta thường gặp là:

Ngụy biện bằng chứng vụn vặt (anecdotal evidence fallacy)

Thay vì đưa ra luận điểm và bằng chứng, thì lại đưa ra những kinh nghiệm vụn vặt cá nhân để làm cơ sở bác bỏ luận điểm của người khác.

A: “Hút thuốc rất có hại cho sức khỏe.”

B: “Ông nội của mình hút thuốc nhưng vẫn khỏe mạnh có bệnh tật gì đâu.”

A: “Người trẻ nghiện game online rất có hại cho sức khoẻ và học tập”

B: “Mình biết anh… đó, nghiện game online từ bé, nhưng vẫn học rất giỏi, giờ làm cty công nghệ lương cao”.

Nhưng:

- Theo các nghiên cứu ngành khoa học sức khoẻ: Hút thuốc lá là nguyên nhân gây ra 90% các ca ung thư phổi, 75% các ca bệnh phổi tắc nghẽn mãn tính và 25% ca bệnh tim thiếu máu cục bộ.

- Vào tháng 6 năm 2019 Tổ chức Y tế Thế giới (WHO) đã công nhận nghiện game online là một rối loạn tâm thần và đưa nó vào ICD-11 (Phân loại Thống kê Quốc tế về Bệnh tật và Các vấn đề Sức khỏe liên quan) như một vấn đề cần theo dõi.

Những kinh nghiệm và hiểu biết của cta không đủ bao quát cho tất cả trường hợp của người khác. Không nên dùng kinh nghiệm chủ quan, phiến diến và hẹp hòi của mình để làm cơ sở bác bỏ luận điểm người khác. Kinh nghiệm cá nhân của 1 người, của vài người không bao giờ đủ để kết luận 1 vấn đề gì.

Muốn đưa ra lập luận có tính thuyết phục cao, bạn cần phải có cái nhìn toàn diện, đa chiều, vừa dựa vào kinh nghiệm bản thân, nhưng phải suy xét trên bối cảnh lớn, đặc biệt là có sự phân tích trên các dữ liệu xác suất thống kê đáng tin cậy.

Lỗi nguỵ biện thống kê (statistical fallacy)

Lỗi này là dùng các những con số, thống kê sai, hoặc bịa ra những số liệu theo ý muốn để tranh luận. Hoặc dùng số liệu để kết luận ẩu theo ý mình. Lỗi này là lỗi tinh vi, nhưng thường được các vị có “chức danh/ học hàm/ học vị” sử dụng rất nhiều.

Người bình thường, không có chuyên môn, hoặc không có thời gian, thì sẽ khó kiểm chứng mức độ đúng sai của vấn đề. Cho nên, có thể nói, đây là 1 cái bẫy nguỵ biện rất tinh vi, mà mình thấy khá nhiều các KOL lợi dụng điều này để củng cố cho lý lẽ của họ.

Trong vài cuốn sách self-help, có đưa ra trích dẫn “Năm 1953, trong số các SV tốt nghiệp ĐH Yale, có 3% SV đặt ra mục tiêu và viết mục tiêu xuống giấy. Những SV này đều sở hữu tài sản giàu có hơn 97% SV còn lại - những người không viết ra mục tiêu cụ thể.

Thực tế, chưa từng có nghiên cứu nào như thế được thực hiện tại Yale. Đây chỉ là fake-news mà thôi. Đây là lỗi thô thiển nhất.

Để phân biệt được sự nguỵ biện tinh vi, cũng như để phát triển tư duy phản biện bậc cao, các bạn trẻ ngày nay, cần học môn Statistics. Có thể nói, đây là 1 môn học mà mình khuyên các con PHẢI HỌC, dù con chọn ngành nghề nào trong tương lai.

Mình xin phép chia sẻ bài viết của bạn Huyền Chip, viết về giá trị của môn học Statistics – Xác suất thống kê:

Gần đây, một người bạn hỏi nếu mình có thể quay ngược thời gian để có thể nói 3 từ với mình năm 15 tuổi, mình sẽ nói những gì. Mình bảo: “Học xác suất.”

Xác suất thống kê không chỉ quan trọng trong công việc (nó là nền tảng của ngành trí tuệ nhân tạo) mà còn là cần thiết để đưa ra những quyết định đúng đắn trong cuộc sống.

Khái niệm đầu tiên mình muốn nói đến là distribution (hàm phân phối xác suất). Distribution hiểu nôm na là hàm số cho phép bạn biết xác suất xảy ra của một sự kiện nào đó. Ví dụ, xổ số với 100 vé được bán ra và mỗi vé đều có khả năng được chọn giống hệt nhau. Việc mỗi vé được chọn là một sự kiện, vậy là có 100 sự kiện có thể xảy ra. Nếu bạn có 1 vé, xác suất vé của bạn được chọn là 1%.

Vì tất cả cả sự kiện này có xác suất xảy ra như nhau, xổ số được gọi là phân phối đều (uniform distribution). Ví dụ khác của uniform distribution là tung đồng xu (mỗi mặt có thể xảy ra là 50%), gieo xúc xắc, đẻ con trai hay con gái, chơi roulette.

Hầu hết các ví dụ đưa ra ở trên là do con người tạo ra, bởi uniform distribution trong tự nhiên rất hiếm.

Một distribution phổ biến trong tự nhiên là phân phối chuẩn (normal distribution). Normal distribution nghĩa là nếu có một loạt giá trị, các giá trị nằm ở giữa có xác suất xảy ra cao nhất, và các giá trị nằm ở hai cực (quá nhỏ hay quá lớn) có xác suất xảy ra thấp. Một giá trị càng nằm ở cực (càng khác thường), xác suất nó xảy ra càng thấp.

Ví dụ về normal distribution là chiều cao. Hầu hết phụ nữ trường thành ở Việt Nam sẽ có chiều cao dao động xung quanh 1m55. Phụ nữ trưởng thành với chiều cao là 1m30 hay 1m70 là hiếm hơn nhiều. Các ví dụ khác bao gồm cân nặng, điểm thi, cỡ giày, thời gian bạn đi từ nhà đến công ty.

Normal distribution là một cái bẫy. Chúng ta dễ dàng coi nhiều thứ là normal distribution mặc dù nó không hề normal tí nào. Ví dụ, giá trị tài sản của người dân ở một quốc gia không phải là normal distribution.

Khi nói: “Tài sản trung bình của người Việt Nam là 1 tỷ”, người nghe dễ hiểu rằng một người trung bình có tài sản khoảng trên dưới 1 tỷ, nhưng sự thật là vài người sẽ có tài sản trên 10.000 tỷ, còn phần lớn mọi người sẽ có tài sản dưới 100 triệu. Ở Mỹ, 0.1% người giàu nhất có tổng tài sản lên tới 20% tài sản của cả quốc gia, nhiều hơn tổng tài sản của 80% người nghèo nhất.

Hình dung một thành phố ảo với 100 người dân.

- 5 người giàu nhất có 10.000, 8.000, 7.000, 5.000, 4.000 USD.

- 5 người tiếp theo có 3.000 USD.

- 20 người tiếp theo có 1.000 USD.

- 70 người còn lại có 100 USD.

Như vậy, 10 người giàu nhất có tổng tài sản là 50.000 USD, còn 70 người nghèo nhất có tổng tài sản 7.000USD.

Nếu tính trung bình, người dân thành phố này sẽ có (50.000 + 20.000 + 7.000) / 100 = 770 USD — gấp 7.7 lần số tiền mà phần lớn người dân thành phố này có.

Nhiều cơ quan, tổ chức dùng con số trung bình này để che giấu thực trạng chênh lệch giàu nghèo. Công ty có thể khoe rằng họ tăng gấp đôi mức lương trung bình của nhân viên, nhưng thực ra tăng mức lương của lãnh đạo 10x nhưng chỉ tăng lương của nhân viên 1%.

Ở Mỹ, lương của CEO tăng chóng mặt có khi lên đến hàng trăm triệu USD một năm, nhưng lương tối thiểu cho nhân viên thì vẫn tàng tàng 15,000 USD/năm. Nhà nước có thể khoe họ tăng thu nhập bình quân đầu người của người dân, nhưng thực ra chỉ tăng thu nhập cho một bộ phận rất nhỏ COCC.

Khi một nhóm sự kiện với giá trị cao có xác xuất xảy ra nhỏ, trong khi phần lớn sự kiện thường xuyên xảy ra lại có giá trị rất nhỏ, những giá trị này theo Pareto distribution hay long-tail distribution. Lượng bán ra của sách, phim, âm nhạc đều theo distribution này. Mỗi năm, chỉ có vài cuốn sách đạt doanh số lên đến triệu bản, nhưng sẽ có hàng ngàn cuốn sách chỉ bán được vài cuốn.

Hiểu rõ cái gì là normal distribution, cái gì là Pareto distribution sẽ giúp chúng ta đưa ra quyết định đúng đắn trong cuộc sống. Một ứng dụng là trong hướng nghiệp. Những nghề có mức thu nhập theo normal distribution như giáo viên, kế toán, lập trình,… được coi là an toàn. Phần lớn những người theo nghề này sẽ có thu nhập ở quanh mức trung bình. Họ sẽ không quá giàu, nhưng cũng sẽ không quá nghèo.

Những nghề có mức thu nhập theo Pareto distribution như nhà văn, ca sĩ, làm công ty khởi nghiệp,… có tính rủi ro cao hơn (và các phụ huynh thường cấm không cho con theo). Phần lớn những người theo nghề này sẽ có thu nhập rất thấp (phần lớn các công ty khởi nghiệp phá sản), nhưng một phần rất nhỏ sẽ vô cùng giàu có. Phần lớn nhà văn sẽ không bán đủ sách để mà sống. Nhưng một vài người như J.K. Rowling trở thành tỉ phú.

Người hiểu về xác suất sẽ không mong làm giàu từ đánh bạc, bởi vì sòng bạc được thiết kế để người chơi mất tiền. Ví dụ chơi trò roulette với 37 số từ 0 đến 36, mỗi số có xác suất được chọn như nhau (uniform distribution). Người chơi đánh cược vào một số từ 1 đến 36. Nếu số được chọn, người chơi thắng gấp 35 lần. Giả sử người chơi đánh cược 10 USD. Nếu thắng (xác suất 1/37), họ được 350 USD. Nếu thua (xác suất 36/37), họ mất 10 USD. Trung bình, số tiền người chơi nhận được là (350 * (1/37) - 10 * (36/37)) = -10/37. Người chơi có thể thắng một vài lần, nhưng nếu chơi lâu dài, người chơi luôn luôn thua.

Người hiểu về xác suất sẽ hiểu tầm quan trọng của may mắn trong thành công. Nếu bạn rút 2 lá bài ra từ trong bộ bài, xác suất bạn có được 2 con át là (4/52) * (3 / 51) = 1/221 — khá thấp. Nhưng nếu bạn rút khoảng 1.000 lần, khả năng một trong những lần rút đó cho bạn 2 con át khá là cao.

Thay vì bạn rút 1.000 lần, bạn có thể cho 1.000 người rút 2 lá bài từ bộ bài của họ. Khả năng cao là một vài người sẽ rút ra được 2 con át. Những người rút được 2 con át này chẳng phải là do tài năng gì, mà chỉ là do ngẫu nhiên.

Tương tự như vậy trong cuộc sống. Trong 1.000 hoạ sĩ với tài năng tương đương nhau, sẽ có vài người thành công hơn số còn lại chỉ vì họ may mắn hơn. Cũng thế với 1.000 người mở cửa hàng, 1.000 công ty khởi nghiệp.

Ở Mỹ có câu nói: “Once is chance. Twice is coincidence. Thrice is a pattern.” Thành công một lần là may rủi. Thành công hai lần là trùng hợp ngẫu nhiên. Thành công ba lần thì mới tin là tài năng.

Hiểu tầm quan trọng của may mắn trong thành công không có nghĩa là phủ nhận tất cả các yếu tố khác. Như nhà triết học Seneca đã nói: “May mắn xảy ra khi sự chuẩn bị gặp cơ hội.” Bạn phải đủ khả năng để biết cái gì là cơ hội (hình dung hàng trăm bạn SV học cùng Mark Zuckerberg nhưng không hiểu tầm quan trọng của Facebook nên không hợp tác làm cùng với Mark). Bạn cũng phải đủ khả năng để nắm bắt lấy cơ hội đó (hình dung Mark Zuck cần người giúp lập trình và bạn là người lập trình giỏi nhất mà Mark Zuck biết).

Nhiều người gặp may mắn thành công, không hiểu được cái may mắn (lần 1, lần 2) của mình (là may rủi, là ngẫu nhiên), mới sáng tạo ra “bí quyết thành công” của bản thân và đi truyền bá cho người khác. Nhiều người thất bại, không hiểu được rằng may mắn của bản thân chưa đến, lại bỏ cuộc quá sớm

Hiểu về xác suất thống kê sẽ giúp bạn đưa ra các quyết định đúng đắn trong cuộc sống.

Các bạn nhỏ nhất định nên học Xác suất thống kê nhé.

TEXVN Tham Khảo Từ Nguồn Học Thật Thi Thật


Phạm Hương - Aug 05, 2024

5 0 | A- A A+ | SHARE_ON_FACE_BOOK_LABEL Print Email