Probability Framework là gì? Ghép xác suất thành quy trình #30

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Khung xác suất (probability framework) là hệ thống nối câu hỏi, các kết quả có thể xảy ra, quy tắc xác suất, phân phối và bằng chứng mẫu theo đúng thứ tự. Nó giúp mỗi con số có phạm vi, nguồn và giả định rõ, để kết luận có điều kiện thay vì đoán chắc tương lai.

Đọc xong, bạn sẽ hiểu:

• Ghép chín khái niệm của Phase 3 thành một đường suy luận.
• Tính một cây bốn nhánh, xác suất đảo chiều và giá trị kỳ vọng.
• Tạo thẻ kiểm tra xác suất (Probability Passport) bằng Google Sheets và biết lúc phải dừng.

Ở Hypothesis Testing #29, một quyết định kiểm định chỉ có nghĩa sau khi giả thuyết gốc, phép kiểm định và giả định đã rõ. Nguyên tắc ấy áp dụng cho toàn bộ xác suất: công thức đúng chưa đủ; thứ tự đặt vấn đề cũng phải đúng.

1. Probability Framework là gì? Bản đồ từ câu hỏi đến quyết định

Khung này có bảy tầng, tức bảy trạm kiểm tra nối tiếp nhau:

1. Câu hỏi: đang hỏi điều gì, cho ai, trong khoảng thời gian nào?
2. Không gian mẫu (S) và biến cố: tập kết quả nào được phép xuất hiện?
3. Quy tắc: đang dùng “không”, “hoặc”, “và” hay “biết rằng”?
4. Biến ngẫu nhiên (X) và phân phối: mỗi kết quả được gán số nào, xác suất nào?
5. Giá trị kỳ vọng (EV): trung bình có trọng số nói gì?
6. Mẫu và suy luận: xác suất là giả định hay được ước lượng từ dữ liệu?
7. Kết luận có điều kiện: điều gì sẽ làm kết luận sai?

Hình 1 — Một con số xác suất chỉ đi tới quyết định sau khi vượt đủ bảy tầng kiểm tra.

Hãy lấy dự báo “30% mưa”. Nếu thiếu địa điểm, ngày và định nghĩa “có mưa”, con số gần như trôi nổi. Nó không mặc nhiên nghĩa là mưa 30% thời lượng trong ngày. Ví dụ thời tiết chỉ cho thấy xác suất phải bám vào phạm vi; nó không giải thích cách một cơ quan khí tượng tạo dự báo.

Khung cũng không phải máy dự báo. Nó là sổ đường đi của suy luận. Một đầu vào yếu vẫn tạo đầu ra yếu, nhưng ta thấy nó yếu ở đâu. Nói thẳng ra: khung này không biến phỏng đoán thành sự thật; nó làm phỏng đoán dễ bị kiểm tra hơn.

Mỗi bài trước giữ một nhiệm vụ. Probability #21 đặt thang từ 0 đến 1. Conditional Probability #22 đổi phạm vi khi có thông tin. Bayes Theorem #23 đảo chiều điều kiện. Expected Value #24 gộp các kết quả bằng trọng số xác suất. Random Variable #25 gán số cho kết quả. Normal Distribution #26 giới thiệu một mô hình phân phối cụ thể. Sampling #27, Confidence Interval #28 và bài #29 chuyển từ mô hình sang bằng chứng mẫu.

2. Khóa thế giới trước khi tính: tổng thể, không gian mẫu và biến cố

Tổng thể là toàn bộ nhóm quan sát mà câu hỏi muốn nói tới. Nếu câu hỏi là lợi suất ngày của một tài sản trong năm giả định A, tổng thể không tự động bao gồm tài sản khác, khung giờ khác hoặc năm khác.

Không gian mẫu, ký hiệu S, là tập mọi kết quả được cho phép trong phạm vi đó. Kết quả là một khả năng đơn lẻ. Biến cố là một nhóm kết quả mà ta quan tâm.

Ví dụ, mô hình giả định chỉ có hai trạng thái trong một kỳ:

S = {Yên, Căng}

Biến cố Căng chứa một kết quả. Nếu thêm chiều lợi suất tăng/giảm, không gian đầy đủ thành bốn kết quả:

S = {Yên–Tăng, Yên–Giảm, Căng–Tăng, Căng–Giảm}

OpenStax gọi mô hình xác suất là mô tả toán học liệt kê các kết quả cùng xác suất; mỗi xác suất nằm từ 0 đến 1 và tổng bằng 1 (OpenStax — Probability).

Mô hình xác suất vì thế cần ba món:

• tập kết quả không trùng và đủ bao phủ;
• xác suất gắn với từng kết quả;
• nguồn của xác suất: giả định, tần suất lịch sử hoặc mô hình ước lượng.

Đừng trộn nguồn. Xác suất một kỳ và lợi suất một ngày không nằm chung bảng nếu chưa có phép quy đổi. Xác suất ước lượng từ giai đoạn bình lặng cũng không tự động dùng được cho giai đoạn căng thẳng.

Một cách kiểm nhanh là hỏi: “Nếu mọi kết quả trong bảng xảy ra đúng một lần theo nghĩa phân loại, tổng xác suất có bằng 1 không?” Tổng khác 1 thường báo thiếu nhánh, trùng nhánh hoặc lỗi đơn vị.

3. Bốn phép nối cốt lõi: không, hoặc, và, biết rằng

Giả sử A và B là hai biến cố trong cùng không gian mẫu.

Không: biến cố bù

Biến cố bù Aᶜ gồm mọi kết quả thuộc S nhưng không thuộc A:

P(Aᶜ) = 1 − P(A)

Nếu chỉ có Tăng và Giảm, P(Tăng)=0,495 thì P(Giảm)=0,505. Công thức chỉ đúng khi hai vế thực sự bao phủ cùng không gian; nếu còn Đi ngang, Tăng và Giảm chưa phải hai phần bù.

Hoặc: hợp

Hợp A∪B nghĩa là A xảy ra, B xảy ra hoặc cả hai:

P(A∪B)=P(A)+P(B)−P(A∩B)

Ta trừ phần giao vì nó đã bị cộng hai lần. OpenStax trình bày cùng quy tắc cộng này (OpenStax — Two Basic Rules of Probability).

Và: giao

Giao A∩B nghĩa là A và B cùng xảy ra:

P(A∩B)=P(A)×P(B|A)

Ký hiệu P(B|A) đọc là xác suất B khi biết A. Đây là xác suất có điều kiện: ta thu hẹp thế giới xuống những trường hợp A đã xảy ra rồi tính B trong thế giới ấy (OpenStax — Conditional Probability and Multiplication Rule).

Biết rằng: điều kiện và Bayes

Từ giao, ta có:

P(A|B)=P(A∩B)/P(B), với P(B)>0

Bayes dùng giao và tỷ lệ nền, tức xác suất trước khi nhận thông tin mới, để đảo từ P(B|A) sang P(A|B). Không được chỉ tráo hai chữ A, B. Penn State nhấn mạnh Bayes tìm xác suất điều kiện khi xác suất theo chiều ngược lại đã biết (Penn State — Bayes’ Theorem).

Hình 2 — Chọn đúng phép nối trước khi bấm máy giúp tránh cộng trùng hoặc dùng sai mẫu số.

Hai khái niệm hay bị trộn:

• Độc lập: biết B không làm đổi xác suất A, tức P(A|B)=P(A).
• Loại trừ nhau: A và B không thể cùng xảy ra, tức P(A∩B)=0.

Hai lần tung đồng xu có thể độc lập và vẫn cùng ra ngửa. Trong một lần tung, ngửa với sấp loại trừ nhau nhưng không độc lập: biết đã ra ngửa thì xác suất ra sấp bằng 0.

4. Ví dụ bốn nhánh và chuỗi suy luận từ xác suất đến thống kê

Đây là mô hình hoàn toàn giả định cho một kỳ, không phải dự báo thị trường:

• P(Yên)=0,70, P(Căng)=0,30;
• P(Tăng|Yên)=0,60, P(Giảm|Yên)=0,40;
• P(Tăng|Căng)=0,25, P(Giảm|Căng)=0,75.

Nhân theo từng nhánh:

Tổng 0,420+0,280+0,075+0,225=1,000. Đây là cổng kiểm tra đầu tiên.

Hình 3 — Bốn xác suất chung cộng đúng một và giữ nguyên đường đi của từng giả định.

Xác suất toàn phần cộng các nhánh không trùng cùng tạo ra một biến cố:

P(Tăng)=0,420+0,075=0,495

P(Giảm)=0,280+0,225=0,505

Nếu đã biết kết quả Giảm, Bayes cho:

P(Căng|Giảm)=P(Căng∩Giảm)/P(Giảm)

=0,225/0,505=0,4455446≈44,55%

Con số 44,55% không nói “xác suất thật của thị trường”. Nó chỉ là đầu ra của bốn xác suất giả định.

Tiếp theo, biến ngẫu nhiên X gán một con số lợi suất cho mỗi nhánh. Phân phối xác suất liệt kê các giá trị của X cùng xác suất của chúng. NIST lưu ý phân phối được dùng cho khoảng tin cậy, kiểm định và mô phỏng, nhưng giả định phân phối phải phù hợp với dữ liệu (NIST — Probability Distributions).

Giá trị kỳ vọng (EV) là trung bình có trọng số. Ký hiệu Σ nghĩa là cộng qua mọi nhánh:

EV = Σ pᵢxᵢ

=0,420×1,0% + 0,280×(−0,6%) + 0,075×0,5% + 0,225×(−1,8%)

=−0,1155% mỗi kỳ mô hình

OpenStax Finance cũng mô tả giá trị kỳ vọng của lợi suất là trung bình có trọng số xác suất (OpenStax — Probability Distributions). EV âm trong bảng này không bảo đảm kỳ sau lỗ; nó tóm tắt phân phối giả định qua nhiều lần lặp.

Khi xác suất không được cho sẵn mà ước lượng từ dữ liệu, ta bước sang suy luận thống kê: dùng mẫu để học về tổng thể. Sampling chọn dữ liệu; khoảng tin cậy diễn tả bất định quanh ước lượng; kiểm định phản biện một giá trị. Phân phối chuẩn chỉ là một ứng viên, không phải lựa chọn mặc định.

Sai lầm, giới hạn và rủi ro

1. Phạm vi trôi: thay thời gian hoặc tổng thể giữa các dòng.
2. Nhánh chồng nhau: hai nhánh cùng chứa một kết quả nhưng vẫn cộng thẳng.
3. Nhầm độc lập với loại trừ: nhân hoặc cộng sai quan hệ.
4. Quên tỷ lệ nền: nhìn P(Giảm|Căng) rồi gọi nhầm là P(Căng|Giảm).
5. Xem EV như lời hứa: bỏ qua phân tán, đuôi và chuỗi thua.
6. Rủi ro mô hình: cấu trúc, xác suất hoặc lợi suất đầu vào không còn đúng.

Thị trường có thể đổi trạng thái, quan sát có thể phụ thuộc và sự kiện hiếm có thể nằm ngoài bốn nhánh. Một bảng gọn không có nghĩa thế giới gọn theo.

5. Danh sách kiểm tra và Probability Passport 15 phút

Thẻ kiểm tra xác suất (Probability Passport) là bảng một trang ghi lại phạm vi, nguồn xác suất, phép kiểm tra và điểm dừng của mô hình.

Danh sách sáu cổng

1. Câu hỏi có đủ tổng thể, biến, đơn vị và thời gian chưa?
2. Không gian mẫu có đủ và các nhánh có loại trừ nhau không?
3. Mỗi xác suất có nguồn, ngày và cách ước lượng không?
4. Quan hệ điều kiện/độc lập đã được kiểm hay chỉ giả định?
5. Tổng xác suất, công thức và đơn vị lợi suất có khớp không?
6. Có câu “kết quả sai nếu…” và điểm dừng rõ không?

Hình 4 — Thẻ này buộc mô hình khai phạm vi và điểm nhận sai trước khi diễn giải đầu ra.

Bắt đầu từ đâu?

Dùng Google Sheets miễn phí, 15 phút, dữ liệu giả và chưa dùng tiền thật. Tạo bảng:

Ở ô D2 nhập =B2*C2 rồi kéo xuống D5. Kiểm tổng bằng =SUM(D2:D5); kết quả phải là 1.

• P(Tăng): =D2+D4 → 0,495.
• P(Giảm): =D3+D5 → 0,505.
• P(Căng|Giảm): =D5/(D3+D5) → 0,4455446.
• EV: =SUMPRODUCT(D2:D5,E2:E5) → −0,1155%.

Mẫu đối chiếu đã điền

Thử đổi P(Tăng|Căng) từ 0,25 thành 0,35 nhưng phải đổi P(Giảm|Căng) thành 0,65 để tổng trong trạng thái Căng vẫn bằng 1. Ghi lại P(Tăng), Bayes và EV mới. Đây là kiểm tra độ nhạy, không phải tối ưu tới khi ra kết quả đẹp.

6. Tổng kết Phase 3 và bài tiếp theo

a. Năm ý chính

• Khung xác suất nối câu hỏi, không gian mẫu, quy tắc, phân phối, bằng chứng và kết luận.
• Biến cố bù, hợp, giao và xác suất có điều kiện giải bốn kiểu quan hệ khác nhau.
• Bayes đảo điều kiện bằng xác suất chung và tỷ lệ nền, không phải bằng cách tráo ký hiệu.
• EV tóm tắt phân phối giả định; mẫu, khoảng tin cậy và kiểm định mới cho biết bất định của ước lượng.
• Phạm vi trôi, nhánh chồng, phụ thuộc sai và xác suất cũ là các điểm phải dừng.

b. Câu hỏi tự kiểm tra

• Vì sao phải khóa không gian mẫu trước khi tính xác suất?
• Độc lập khác loại trừ nhau thế nào?
• Trong ví dụ bốn nhánh, P(Căng|Giảm) được tính bằng công thức nào?
• Vì sao EV −0,1155% không phải dự báo chắc chắn?

c. Gợi ý đáp án

Xem gợi ý câu 1

Không gian mẫu quyết định kết quả nào được tính và mẫu số nào được dùng; thiếu hoặc trùng nhánh làm xác suất sai. → xem mục 2.

Xem gợi ý câu 2

Độc lập nghĩa biết B không đổi P(A); loại trừ nhau nghĩa A và B không thể cùng xảy ra. → xem mục 3.

Xem gợi ý câu 3

`P(Căng|Giảm)=0,225/(0,280+0,225)=0,4455446`. → xem mục 4.

Xem gợi ý câu 4

EV là trung bình có trọng số của đầu vào giả định, không mô tả chắc chắn một kỳ riêng lẻ. → xem mục 4–5.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• OpenStax — Probability
• OpenStax — Two Basic Rules of Probability
• OpenStax — Conditional Probability and Multiplication Rule
• Penn State — Bayes’ Theorem
• NIST — Probability Distributions
• OpenStax — Probability Distributions in Finance

Bài trước: Hypothesis Testing #29. Bài tiếp theo: Correlation #31, nơi ta bắt đầu Phase 4 và đo mức hai biến thay đổi cùng nhau. Xem toàn bộ lộ trình tại Quantitative Finance Zero to Hero.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.