Zurück zum Lernbereich

Bayes & Bedingte Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit: das Werkzeug, mit dem man Statistiker erkennt — sie rechnen nach, statt zu raten.

  • Grundlagen
  • 15 min
  • Einsteiger

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: Warum ein Test täuscht

Was diese Seite erklärt

Diese Seite erklärt bedingte Wahrscheinlichkeit. Das bedeutet: Neue Informationen ändern die Wahrscheinlichkeit. Ein Test ist zu 95 Prozent genau. Das Ergebnis ist positiv. Trotzdem sind nur 16 Prozent der Positiven wirklich krank.

Der Satz von Bayes

Der Satz von Bayes ist eine Formel. Sie berechnet neue Wahrscheinlichkeiten. Du startest mit einem Anfangswert. Das heißt Prior. Dann siehst du neue Hinweise. Die Formel berechnet den neuen Wert. Der neue Wert heißt Posterior.

Wie KI das nutzt

KI-Systeme nutzen Bayes zum Lernen. Ein Spamfilter ist ein Programm. Es sortiert unerwünschte E-Mails aus. Das Wort Gewinn macht eine E-Mail verdächtig. Der Filter berechnet die Spam-Wahrscheinlichkeit. Jedes Wort gibt einen neuen Hinweis.

Ein medizinischer Test ist zu 95 % genau. Die Krankheit hat 1 % der Menschen. Du wirst positiv getestet. Wie wahrscheinlich bist du wirklich krank? Die häufigste Antwort: "95 %." Die tatsächliche Antwort: etwa 16 %. Das ist kein Trick — das ist der Satz von Bayes.

Dein Bauchgefühl liegt bei Wahrscheinlichkeiten oft weit daneben — besonders wenn seltene Ereignisse im Spiel sind. Dieser Artikel zeigt dir drei Werkzeuge: bedingte Wahrscheinlichkeit (was "gegeben dass" mathematisch bedeutet), den Satz von Bayes (die Formel zum Umkehren von Wahrscheinlichkeiten) und bayesianisches Lernen (wie KI-Systeme aus Daten lernen).

Bedingte Wahrscheinlichkeit — "Gegeben dass..."

Definition

Bedingte Wahrscheinlichkeit

Analogie

Du ziehst eine Karte aus einem Standarddeck (52 Karten). P(Herz-Ass) = 1/52. Jemand sagt dir: "Die Karte ist rot." Das eliminiert 26 Karten. Dein neues Universum hat 26 rote Karten. P(Herz-Ass | rot) = 1/26. Die Information "rot" hat deine Möglichkeiten halbiert und deine Wahrscheinlichkeit verdoppelt. Das ist bedingte Wahrscheinlichkeit: Neue Information schrumpft den Möglichkeitsraum.

Beispiel

Die Karten-Analogie funktioniert perfekt, weil die Zahlen exakt und klein genug zum Nachrechnen sind. In der Realität arbeitet man aber mit geschätzten Häufigkeiten (Krankheitsprävalenz, Testgenauigkeit), nicht mit perfekt bekannten Kartenanzahlen.

Beispiel: Der Medizintest

1 % der Bevölkerung hat Krankheit X. Der Test erkennt Kranke zu 95 % (Sensitivität). Bei Gesunden zeigt er zu 5 % fälschlich positiv an. Nimm 1000 Personen:

  1. 1. 1000 Personen: 10 krank, 990 gesund (erledigt)
  2. 2. Von 10 Kranken: 9 positiv getestet95 % wären 9,5 (erledigt)
  3. 3. Von 990 Gesunden: 50 falsch-positiv5 % wären 49,5 (erledigt)
  4. 4. Insgesamt positiv: 9 + 50 = 59 (erledigt)
  5. 5. P(krank | positiv) = 9/59 ≈ 15 %ohne Runden auf ganze Personen: 16 % (aktueller Schritt)

Du wirst positiv getestet. Die Wahrscheinlichkeit, tatsächlich krank zu sein: nur 16 %. Die 990 Gesunden erzeugen 50 Fehlalarme, die die 9 echten Treffer überfluten. Die Basisrate (1 % Prävalenz) dominiert.

Achtung

Der Base-Rate-Trugschluss

Verwechsle nicht P(positiv | krank) mit P(krank | positiv). Testgenauigkeit (wie gut der Test Kranke erkennt) und diagnostische Wahrscheinlichkeit (wie wahrscheinlich du krank bist bei positivem Test) sind völlig verschiedene Dinge. Die Basisrate — wie selten die Krankheit ist — macht den entscheidenden Unterschied.

Achtung

Irrtum: 95 % genauer Test = 95 % Wahrscheinlichkeit krank

95 % beschreibt P(positiv | krank) — wie gut der Test Kranke findet. Aber du willst P(krank | positiv) — wie wahrscheinlich du krank bist. Ohne die Basisrate (wie häufig die Krankheit ist) sagt die Testgenauigkeit wenig aus. Bei seltenen Krankheiten produzieren selbst exzellente Tests hauptsächlich Fehlalarme.

Satz von Bayes — Die Formel zum Umdenken

Definition

Satz von Bayes

Analogie

Du hörst nachts ein Geräusch. Deine Einschätzung vorher (Prior): P(Katze) = 80 %, P(Einbrecher) = 0,1 %. Dann hörst du Glas splittern — P(Glas | Katze) = 10 %, aber P(Glas | Einbrecher) = 90 %. Bayes aktualisiert deinen Glauben: P(Einbrecher) steigt deutlich, weil Glas unter der Einbrecher-Hypothese viel wahrscheinlicher ist. Aber der extrem niedrige Prior zieht das Posterior zurück — es springt nicht auf 90 %, sondern (wenn nur Katze oder Einbrecher in Frage kommen) auf gut 1 %. Prior und Likelihood konkurrieren, Bayes vermittelt.

Beispiel

Menschen berechnen nachts keine Zahlen — sie reagieren mit Bauchgefühl und Heuristiken. Bayes benötigt explizite Wahrscheinlichkeiten. Diese Kluft zwischen intuitivem und mathematischem Aktualisieren ist genau das, was der Artikel lehrt.

Die vier Bausteine

Prior P(A) Dein Vorwissen über A, bevor du Evidenz B siehst (z. B. Krankheit ist selten: 1 %)
Likelihood P(B|A) Wie wahrscheinlich ist Evidenz B, wenn A wahr ist (z. B. Test positiv wenn krank: 95 %)
Evidenz P(B) Die Gesamtwahrscheinlichkeit, B zu sehen — über alle Szenarien hinweg
Posterior P(A|B) Dein aktualisierter Glaube über A, nachdem du B gesehen hast — das eigentliche Ergebnis

Durchgerechnetes Beispiel

P(krank | positiv) = P(positiv | krank) × P(krank) / P(positiv)
                    = 0,95 × 0,01 / 0,059
                    = 0,0095 / 0,059
                    ≈ 0,161 → etwa 16,1 %

P(positiv) = P(positiv | krank) × P(krank) + P(positiv | gesund) × P(gesund)
           = 0,95 × 0,01 + 0,05 × 0,99
           = 0,0095 + 0,0495
           = 0,059
Häufigkeitstabelle

1000 Personen durchzählen, positiv getestete Kranke durch alle Positiven teilen. Intuitiv, aber nur bei kleinen Zahlen praktisch.

Bayes-Formel

Prior × Likelihood / Evidenz. Gleiche Antwort (16 %; die Tabelle zeigt nur wegen gerundeter Personen 15 %), aber allgemein anwendbar — auch wenn man keine 1000 Personen durchzählen kann.

Achtung

Irrtum: Starke Evidenz überschreibt alles

Selbst wenn P(B|A) hoch ist — die Likelihood allein bestimmt nicht das Ergebnis. Bei extrem niedrigem Prior (z. B. Krankheit betrifft 0,01 %) bleibt das Posterior niedrig, auch bei einem 99-%-Test. Der Prior zieht das Ergebnis immer in seine Richtung. Nur bei moderaten Priors oder mehreren unabhängigen Evidenzstücken kann die Evidenz den Prior überwinden.

Interaktiv: Bayes-Theorem berechnen

Stelle Prior, Sensitivität und Falsch-Positiv-Rate ein und beobachte, wie sich das Posterior verändert. Probiere die vordefinierten Szenarien aus dem Artikel (seltene Krankheit, Spamfilter) und experimentiere mit eigenen Werten.

Bayesianisches Lernen — Schritt für Schritt klüger

Definition

Bayesianisches Lernen

Analogie

Ein Arzt hört Symptome nacheinander ab: Patient kommt → Prior: Erkältung am wahrscheinlichsten. Symptom Fieber → Posterior verschiebt sich Richtung Grippe. Symptom Hautausschlag → Posterior verschiebt sich weiter, jetzt kommen Masern in Betracht. Jedes Symptom ist ein Bayes-Update: Das Posterior vom vorherigen Symptom wird zum Prior für das nächste.

Beispiel

Ärzte berechnen keine expliziten Wahrscheinlichkeiten — sie nutzen Mustererkennung und klinische Erfahrung. Ein bayesianischer Algorithmus berechnet tatsächliche Zahlen. Dieser Kontrast zeigt, was bayesianische KI leistet, was menschliche Intuition nur annähert.

Beispiel: Spamfilter (Naive Bayes)

Ein Spamfilter klassifiziert E-Mails anhand von Worthäufigkeiten. Prior: P(Spam) = 0,4; P(Ham) = 0,6. Die E-Mail enthält das Wort "Gewinn":

P("Gewinn" | Spam) = 0,8
P("Gewinn" | Ham)  = 0,05

P(Spam | "Gewinn") = (0,8 × 0,4) / (0,8 × 0,4 + 0,05 × 0,6)
                    = 0,32 / 0,35
                    ≈ 0,914 → 91,4 % Spam-Wahrscheinlichkeit

Enthält die E-Mail auch "klicke", folgt ein weiteres Bayes-Update. Jedes Wort ist ein Stück Evidenz. Das ist Naive Bayes — "naiv", weil es annimmt, dass Wörter gegeben der Klasse unabhängig sind. Eine Vereinfachung, die in der Praxis erstaunlich gut funktioniert.

Python: Naive Bayes

from sklearn.naive_bayes import MultinomialNB

# Trainings-Features (Worthäufigkeiten)
X_train = [[5, 1, 0], [4, 2, 0], [0, 1, 3], [1, 0, 4]]
y_train = ['spam', 'spam', 'ham', 'ham']

clf = MultinomialNB()
clf.fit(X_train, y_train)

# Neue E-Mail klassifizieren
clf.predict([[3, 1, 0]])  # → ['spam']

Achtung

Irrtum: Der Prior ist egal — die Daten sprechen für sich

Mit großen Datensätzen stimmt das — der Einfluss des Priors verblasst. Aber bei wenig Daten (häufig in der Praxis: medizinische Bildgebung, seltene Ereignisse, kleine Nutzergruppen) kann der Prior das Posterior dominieren. Einen durchdachten Prior zu wählen ist keine unfaire Verzerrung — es ist informiertes Schließen.

Das Training eines KI-Modells folgt einem ähnlichen Muster: Der Prior sind die zufälligen Anfangsgewichte. Die Evidenz sind die Trainingsdaten. Das Posterior ist das trainierte Modell. Jeder Trainingsbatch aktualisiert die Gewichte — ähnlich wie Bayes das Posterior mit jedem neuen Beweisstück aktualisiert. Streng bayesianisch ist das aber nicht: Normales Training sucht einen einzigen guten Gewichtssatz statt einer Wahrscheinlichkeitsverteilung, und ein echter Prior steckt eher in der Regularisierung (etwa Weight Decay) als in den Zufallsgewichten. Bayes hilft also, das Lernen von KI zu verstehen — als Denkbild, nicht als Bauplan.

Mitmachen: Der Münz-Detektiv

Der Rechner oben zeigt eine einzelne Bayes-Rechnung. Hier erlebst du den Prozess: Wirf eine geheime Münze, und beobachte, wie sich dein Glaube Wurf für Wurf aktualisiert — vom Vorwissen (Prior) über die Beweise bis zur neuen Überzeugung (Posterior).

Merke

Das Wichtigste auf einen Blick

  • P(A|B) ≠ P(B|A) — die Richtung der Bedingung zu verwechseln ist einer der häufigsten Denkfehler bei Wahrscheinlichkeiten; wer dazu die Basisrate übersieht, tappt in den Base-Rate-Trugschluss.
  • Bayes' Formel P(A|B) = P(B|A) × P(A) / P(B) verbindet Vorwissen (Prior) mit neuer Beobachtung (Likelihood) zum aktualisierten Glauben (Posterior).
  • Bayesianisches Lernen ist iterativ: jedes Posterior wird zum neuen Prior. Mit wenig Daten dominiert der Prior, mit vielen Daten die Evidenz. Spamfilter und medizinische Diagnostik nutzen genau dieses Prinzip, KI-Training ähnelt ihm.

Prüfen

Quiz: Bayes & Bedingte Wahrscheinlichkeit

Was bedeutet P(A|B)?

Wähle eine Antwort

Auflösung: 1) B · 2) B · 3) C · 4) D

Prüfen

Checkpoint: Bayes & Bedingte Wahrscheinlichkeit

Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.

0 von 3 sitzen