Bayes & Bedingte Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit: das Werkzeug, mit dem man Statistiker erkennt — sie rechnen nach, statt zu raten.
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
Beispiel
Definition
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. 1000 Personen: 10 krank, 990 gesund (erledigt)
- 2. Von 10 Kranken: 9 positiv getestet95 % wären 9,5 (erledigt)
- 3. Von 990 Gesunden: 50 falsch-positiv5 % wären 49,5 (erledigt)
- 4. Insgesamt positiv: 9 + 50 = 59 (erledigt)
- 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
Beispiel
Definition
Die vier Bausteine
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
= 0,0591000 Personen durchzählen, positiv getestete Kranke durch alle Positiven teilen. Intuitiv, aber nur bei kleinen Zahlen praktisch.
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
Beispiel
Definition
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-WahrscheinlichkeitEnthält 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
1. Was bedeutet P(A|B)?
2. Warum sind bei seltenen Krankheiten die meisten positiven Testergebnisse falsch?
3. Ein Spamfilter hat Prior P(Spam) = 0,5. Eine E-Mail enthält "Gewinn": P("Gewinn" | Spam) = 0,6, P("Gewinn" | Ham) = 0,1. Wie hoch ist P(Spam | "Gewinn")?
4. Ein KI-Modell startet mit zufälligen Gewichten und wird mit Daten trainiert. Welche Rolle spielen die Anfangsgewichte im Bayes-Bild aus dem Deep Dive?
Prüfen
Checkpoint: Bayes & Bedingte Wahrscheinlichkeit
Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.
0 von 3 sitzen