Die Formel von Bayes dreht eine bedingte Wahrscheinlichkeit um: Aus P A(B) – zum Beispiel „Wie oft ist der Test positiv, wenn jemand krank ist?“ – wird P B(A) : „Wie wahrscheinlich ist jemand krank, wenn der Test positiv ist?“ Das ist genau die Frage, die man im Alltag stellt – und das Ergebnis überrascht oft. Im Baumdiagramm entspricht das dem umgekehrten Baum . P B(A) = frac{P(A) cdot P A(B)}{P(A) cdot P A(B) + P( overline{A}) cdot P { overline{A}}(B)} falls P(A) neq 0 , P( overline{A}) neq 0 und P(B) neq 0 . Bedeutung der Teile: - Zähler: der Pfad „ A und B “, also P(A cap B) - Nenner: alle Pfade zu B , also die totale Wahrscheinlichkeit P(B) Kurz: P B(A) = dfrac{P(A cap B)}{P(B)} = dfrac{ text{Pfad } A to B}{ text{alle Pfade zu } B} Tipp: Statt die Formel auswendig zu lernen, kann man auch eine Vierfeldertafel aufstellen und in der Spalte B ablesen. Beispiel 1: Mit absoluten Zahlen denken Von 1000 Personen sind 100 krank. Der Test ist bei 90 Kranken positiv und bei 45 Gesunden. Positiv sind insgesamt 90 + 45 = 135 Personen, davon 90 krank: P { text{positiv}}( text{krank}) = frac{90}{135} = frac{2}{3} approx 66{,}7 , % Beispiel 2: Raucher und Übergewicht 30 , % rauchen. Von den Rauchern sind 40 , % übergewichtig, von den Nichtrauchern 20 , % . Eine Person ist übergewichtig – wie wahrscheinlich raucht sie? Zähler: P(R cap text{Ü}) = 0{,}3 cdot 0{,}4 = 0{,}12 Nenner: P( text{Ü}) = 0{,}3 cdot 0{,}4 + 0{,}7 cdot 0{,}2 = 0{,}12 + 0{,}14 = 0{,}26 P { text{Ü}}(R) = frac{0{,}12}{0
Worum geht's?
Die Formel von Bayes dreht eine bedingte Wahrscheinlichkeit um: Aus P A ( B ) P_A(B) P A ( B ) – zum Beispiel „Wie oft ist der Test positiv, wenn jemand krank ist?“ – wird P B ( A ) P_B(A) P B ( A ) : „Wie wahrscheinlich ist jemand krank, wenn der Test positiv ist?“
Das ist genau die Frage, die man im Alltag stellt – und das Ergebnis überrascht oft. Im Baumdiagramm entspricht das dem umgekehrten Baum .
1. Stufe
Formel mit Erklärung
P B ( A ) = P ( A ) ⋅ P A ( B ) P ( A ) ⋅ P A ( B ) + P ( A ‾ ) ⋅ P A ‾ ( B ) P_B(A) = \frac{P(A) \cdot P_A(B)}{P(A) \cdot P_A(B) + P(\overline{A}) \cdot P_{\overline{A}}(B)} P B ( A ) = P ( A ) ⋅ P A ( B ) + P ( A ) ⋅ P A ( B ) P ( A ) ⋅ P A ( B )
falls P ( A ) ≠ 0 P(A) \neq 0 P ( A ) = 0 , P ( A ‾ ) ≠ 0 P(\overline{A}) \neq 0 P ( A ) = 0 und P ( B ) ≠ 0 P(B) \neq 0 P ( B ) = 0 .
Bedeutung der Teile:
Zähler: der Pfad „ A A A und B B B “, also P ( A ∩ B ) P(A \cap B) P ( A ∩ B ) Nenner: alle Pfade zu B B B , also die totale Wahrscheinlichkeit P ( B ) P(B) P ( B )
Kurz: P B ( A ) = P ( A ∩ B ) P ( B ) = Pfad A → B alle Pfade zu B P_B(A) = \dfrac{P(A \cap B)}{P(B)} = \dfrac{\text{Pfad } A \to B}{\text{alle Pfade zu } B} P B ( A ) = P ( B ) P ( A ∩ B ) = alle Pfade zu B Pfad A → B
Tipp: Statt die Formel auswendig zu lernen, kann man auch eine Vierfeldertafel aufstellen und in der Spalte B B B ablesen.
Beispiele
Leicht#1
Beispiel 1: Mit absoluten Zahlen denken
Von 1000 Personen sind 100 krank. Der Test ist bei 90 Kranken positiv und bei 45 Gesunden.
Positiv sind insgesamt 90 + 45 = 135 90 + 45 = 135 90 + 45 = 135 Personen, davon 90 krank:
P positiv ( krank ) = 90 135 = 2 3 ≈ 66,7 % P_{\text{positiv}}(\text{krank}) = \frac{90}{135} = \frac{2}{3} \approx 66{,}7\,\% P positiv ( krank ) = 135 90 = 3 2 ≈ 66 , 7 %
Zusammenfassung
Die Formel von Bayes berechnet P B ( A ) P_B(A) P B ( A ) aus P ( A ) P(A) P ( A ) , P A ( B ) P_A(B) P A ( B ) und P A ‾ ( B ) P_{\overline{A}}(B) P A ( B ) . Zähler: Pfad „ A A A und B B B “, Nenner: alle Pfade zu B B B (totale Wahrscheinlichkeit). Kurzform: P B ( A ) = P ( A ∩ B ) P ( B ) P_B(A) = \frac{P(A \cap B)}{P(B)} P B ( A ) = P ( B ) P ( A ∩ B ) . Alternativ: Vierfeldertafel aufstellen oder den Baum umkehren. Bei seltenen Ereignissen ist P B ( A ) P_B(A) P B ( A ) oft überraschend klein.
Jetzt üben
Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: