Wahrscheinlichkeit & Erwartungswert

Ein Casino braucht kein Glück — es braucht Mathematik. Mit 37 Roulette-Feldern und einer einzigen grünen Null ist jeder Dreh ein unabhängiges Zufallsereignis. Doch über Millionen von Drehungen verdient das Casino zuverlässig 2,7 Cent pro eingesetztem Euro. Wie kann das Ergebnis eines einzelnen Drehs unvorhersagbar sein, während das Langzeitergebnis fast garantiert ist?

Die Antwort liegt in drei Ideen: Wahrscheinlichkeit, Verteilungen und Erwartungswert. Zusammen bilden sie die mathematische Sprache, mit der Casinos, Meteorologen und KI-Systeme unter Unsicherheit Entscheidungen treffen.

Die Sprache der Unsicherheit

Ein Roulette-Rad ist ein geschlossenes System mit genau 37 möglichen Ergebnissen und bekannten, festen Wahrscheinlichkeiten — P(Rot) = 18/37 ≈ 48,65%. Die Frage "Wie wahrscheinlich ist es, dass KI bis 2030 menschliches Niveau erreicht?" ist dagegen ein einmaliges Ereignis — man kann es nicht 1.000-mal wiederholen und zählen. Hier schätzt ein Experte auf Basis seines Vorwissens und neuer Indizien: ein Grad der Überzeugung, keine relative Häufigkeit.

Analogie:

Ein Roulette-Rad ist ein geschlossenes System mit genau 37 möglichen Ergebnissen und bekannten, festen Wahrscheinlichkeiten — P(Rot) = 18/37 ≈ 48,65%. Die Frage "Wie wahrscheinlich ist es, dass KI bis 2030 menschliches Niveau erreicht?" ist dagegen ein einmaliges Ereignis — man kann es nicht 1.000-mal wiederholen und zählen. Hier schätzt ein Experte auf Basis seines Vorwissens und neuer Indizien: ein Grad der Überzeugung, keine relative Häufigkeit.

Definition:

Wahrscheinlichkeit weist jedem möglichen Ereignis eine Zahl zwischen 0 (unmöglich) und 1 (sicher) zu. Zwei Schulen interpretieren diese Zahl unterschiedlich: Frequentisten definieren sie als die relative Häufigkeit über viele identische Experimente. Bayesianer definieren sie als Grad der Überzeugung über ein einzelnes Ereignis. Grundregel: Alle Wahrscheinlichkeiten für sich gegenseitig ausschließende, erschöpfende Ergebnisse müssen exakt 1 ergeben.

Beide Interpretationen liefern gültige Zahlen, beantworten aber unterschiedliche Fragen — eine über wiederholbare Experimente, die andere über einmalige Ereignisse. Bei einer medizinischen Diagnose zum Beispiel haben beide Sichtweisen ihren Wert.

Frequentistisch (Zählen)

Wahrscheinlichkeit = relative Häufigkeit über viele Wiederholungen. Beispiel: P(Rot) = 18/37, weil 18 von 37 Feldern rot sind. Funktioniert in geschlossenen Systemen mit wiederholbaren Experimenten.

Bayesianisch (Glauben)

Wahrscheinlichkeit = Grad der Überzeugung. Beispiel: "20% Chance auf AGI bis 2030" basiert auf Vorwissen und Indizien, nicht auf Zählen. Funktioniert bei einmaligen Ereignissen, die sich nicht wiederholen lassen.

Europäisches Roulette: 37 Felder
(18 rot, 18 schwarz, 1 grün)

P(Rot)           = 18/37 ≈ 48,65%
P(Nummer 17)     = 1/37  ≈ 2,7%
P(Rot ODER Schwarz) = 36/37 ≈ 97,3%

Alle 37 Einzelwahrscheinlichkeiten
ergeben zusammen exakt 1.

Jedes Feld hat genau eine Wahrscheinlichkeit, und alle zusammen ergeben 1 — das ist die Grundregel jeder Wahrscheinlichkeitsverteilung. Die grüne Null ist der Hausvorteil: Sie verschiebt die Gewinnchancen minimal zugunsten des Casinos.

"Fünfmal Rot hintereinander — jetzt muss Schwarz kommen!" Falsch. Jeder Dreh ist unabhängig — das Rad hat kein Gedächtnis. P(Schwarz) bleibt bei jedem Dreh 18/37, egal was vorher kam. Dieser Denkfehler heißt Spielerfehlschluss (Gambler's Fallacy) und beruht darauf, unabhängige Ereignisse als abhängig zu behandeln.

Interaktiv: Münzwurf-Simulator

Was passiert, wenn eine Münze nicht perfekt fair ist? Der Temperatur-Regler steuert die Verzerrung: Bei niedriger Temperatur fällt die Münze fast immer auf eine Seite. Bei hoher Temperatur nähern sich die Wahrscheinlichkeiten 50:50 an. Klicke mehrfach auf Sampling und beobachte, wie die beobachtete Häufigkeit mit steigender Stichprobenzahl zur theoretischen Wahrscheinlichkeit konvergiert — das Gesetz der großen Zahlen in Aktion.

Ein LLM hat den Anfang "Das Wetter heute ___" generiert und berechnet Wahrscheinlichkeiten für das nächste Wort. Das natürlichste nächste Wort ist "ist" — aber die Temperatur bestimmt, ob das Modell immer die sichere Wahl trifft oder auch ungewöhnlichere Fortsetzungen wagt.

Temperatur: 1.0

0.1 (fokussiert)2.0 (kreativ)

Standard (T≈1.0): Die originalen Logit-Wahrscheinlichkeiten werden verwendet. Balance zwischen Präzision und Vielfalt.

Wahrscheinlichkeitsverteilung (bei T=1.0)

Kopf

55.0%

Zahl

45.0%

Ergebnisse (0 Samples)

Noch keine Samples — klicke "Token würfeln"

Starte das Experiment

Klicke "Token würfeln" um zu sehen, wie das LLM bei der aktuellen Temperatur sampelt. Beobachte, wie sich die Verteilung der Ergebnisse mit mehr Samples der theoretischen Wahrscheinlichkeit annähert.

Interaktiv: π aus dem Zufall schätzen

Kann man die Kreiszahl π allein mit Zufall herausfinden? Erstaunlicherweise ja. Wirf zufällige Punkte in ein Quadrat mit eingezeichnetem Kreis: Weil die Trefferquote im Kreis genau π/4 beträgt, schätzt 4 × Treffer/Würfe die Zahl π — und je mehr Würfe, desto näher kommst du an 3,14159. Das ist dasselbe Gesetz der großen Zahlen wie beim Münzwurf oben, nur diesmal als Geometrie.

Die Landkarte aller Möglichkeiten

Ein fairer Würfel hat sechs gleiche Balken in seinem Verteilungsdiagramm — jede Seite erscheint zu 1/6. Ein gezinkter Würfel mit P(6) = 0,5 und P(1-5) = je 0,1 hat einen hohen Balken und fünf niedrige. Beide sind gültige Verteilungen, weil alle Werte zusammen 1 ergeben. "Gezinkt" heißt nicht "kaputt" — es beschreibt nur eine andere Realität.

Analogie:

Ein fairer Würfel hat sechs gleiche Balken in seinem Verteilungsdiagramm — jede Seite erscheint zu 1/6. Ein gezinkter Würfel mit P(6) = 0,5 und P(1-5) = je 0,1 hat einen hohen Balken und fünf niedrige. Beide sind gültige Verteilungen, weil alle Werte zusammen 1 ergeben. "Gezinkt" heißt nicht "kaputt" — es beschreibt nur eine andere Realität.

Definition:

Eine Wahrscheinlichkeitsverteilung weist jedem möglichen Ergebnis einer Zufallsvariablen eine Wahrscheinlichkeit zu. Für diskrete Variablen (Würfel, Münze) gibt die Wahrscheinlichkeitsmassefunktion (PMF) jedem Ergebnis seinen eigenen Balken. Für stetige Variablen (Temperatur, Zeit) beschreibt die Dichtefunktion (PDF) die Dichte — die Wahrscheinlichkeit eines exakten Werts ist 0, nur Intervalle haben positive Wahrscheinlichkeit.

Gleichverteilung Alle Ergebnisse gleich wahrscheinlich. Beispiel: fairer Würfel (je 1/6).

Normalverteilung Glockenförmig, symmetrisch um den Mittelwert. Beispiel: Körpergrößen, Messfehlern.

Poisson-Verteilung Zählt seltene Ereignisse in festen Zeiträumen. Beispiel: Kundenanrufe pro Stunde.

Binomialverteilung Anzahl der Erfolge bei n Ja/Nein-Versuchen. Beispiel: Anzahl Kopf bei 10 Münzwürfen.

1.000 simulierte Würfe mit einem fairen Würfel: Erwarte ~167 von jedem Wert (1-6). 1.000 Würfe mit einem gezinkten Würfel (P(6) = 0,5): Erwarte ~500 Sechsen, ~100 von jedem anderen Wert. Beide Histogramme ergeben zusammen 1.000 Würfe. Die Form der Verteilung — gleichmäßig oder verzerrt — bestimmt in ML, welche Algorithmen und Vorverarbeitungsschritte geeignet sind.

Der Erwartungswert: Der Durchschnitt der Zukunft

Der Erwartungswert E(X) ist der gewichtete Durchschnitt aller möglichen Ergebnisse: Jedes Ergebnis wird mit seiner Wahrscheinlichkeit multipliziert und alles addiert. Diese Zahl sagt nicht vorher, was beim nächsten Versuch passiert — sie ist der Anker, um den sich viele Versuche gruppieren. Diese Konvergenz heißt das Gesetz der großen Zahlen.

Fairer Würfel:
E(X) = 1·(1/6) + 2·(1/6) + 3·(1/6) + 4·(1/6) + 5·(1/6) + 6·(1/6)
E(X) = 21/6 = 3,5

Roulette, 1 EUR auf Rot:
Gewinn: +1 EUR mit P = 18/37
Verlust: -1 EUR mit P = 19/37
E(X) = 1·(18/37) + (-1)·(19/37) = -1/37 ≈ -0,027 EUR

→ Pro Euro Einsatz verdient das Casino 2,7 Cent.
→ Bei 1 Million Einsätzen: ~27.000 EUR Gewinn.

E(X) = 3,5 für den fairen Würfel — eine Zahl, die bei einem einzelnen Wurf nie erscheint, aber den Langzeitdurchschnitt über Tausende von Würfen exakt vorhersagt. Beim Roulette bedeutet E(X) = -0,027, dass jeder einzelne Spieler kurzfristig gewinnen kann, aber der Hausvorteil langfristig mathematisch garantiert ist.

In der Spielshow "Deal or No Deal" bleiben drei Koffer: 100 EUR, 1.000 EUR und 500.000 EUR. Der Erwartungswert ist (100 + 1.000 + 500.000) / 3 ≈ 167.033 EUR. Der Banker bietet 120.000 EUR. Ein rein rationaler, risikoneutraler Spieler lehnt ab — das Angebot liegt unter dem Erwartungswert. Aber die meisten echten Menschen nehmen an, weil sichere 120.000 EUR wertvoller fühlen als eine 1-zu-3-Chance auf 500.000 EUR. Diese Lücke zwischen Erwartungswert und menschlichem Verhalten erklärte Daniel Bernoulli schon 1738: Der subjektive Nutzen von Geld nimmt mit steigendem Wohlstand ab.

1

Wahrscheinlichkeit: Unsicherheit als Zahl zwischen 0 und 1 messen

2

Verteilung: Alle Unsicherheiten zu einer vollständigen Landkarte zusammenfügen

3

Erwartungswert: Die Landkarte zu einer einzigen entscheidungsrelevanten Zahl verdichten

Vom Einzelereignis zur Entscheidung

Einzelereignis: "Was kann passieren?"

Verteilung: "Wie wahrscheinlich ist jedes Ergebnis?"

Erwartungswert: "Was ergibt sich im Durchschnitt?"

Entscheidung: "Was sollte ich tun?"

Im Reinforcement Learning modellieren Agenten den erwarteten kumulativen Reward jeder Aktion und wählen die höchste — der Exploration/Exploitation-Trade-off dreht sich grundlegend um unsichere Erwartungswerte. Klassifizierer geben Wahrscheinlichkeitsverteilungen über Klassen aus; die vorhergesagte Klasse ist die mit der höchsten Wahrscheinlichkeit. Erwartungswert und Varianz zusammen quantifizieren "wie gut im Durchschnitt" und "wie stark kann es schwanken" — beides ist entscheidend für den realen Einsatz von KI-Systemen. In Python simulierst du diese Verteilungen mit dem Modul `random` — zum Beispiel `random.gauss()` für Normalverteilung oder `random.randint()` für diskrete Gleichverteilung.

Wahrscheinlichkeit ist eine Zahl zwischen 0 und 1, die Unsicherheit messbar macht. Frequentisten zählen, Bayesianer schätzen — beide Ansätze sind gültig.
Eine Verteilung ist die vollständige Landkarte aller Möglichkeiten. Ob fair oder "gezinkt" — jede gültige Verteilung summiert sich zu 1.
Der Erwartungswert verdichtet die Landkarte zu einer einzigen Entscheidungszahl. Er sagt nicht das nächste Ergebnis vorher, aber er zeigt, worum sich viele Versuche gruppieren — und genau so treffen Casinos, Versicherungen und KI-Agenten ihre Entscheidungen.

Was bedeutet eine Wahrscheinlichkeit von 0,6 für ein Ereignis?

Das Ereignis ist unmöglich

In etwa 60 von 100 vergleichbaren Fällen tritt das Ereignis ein — oder die Überzeugung liegt bei 60%

Das Ereignis tritt bei genau 6 von 10 Versuchen ein, ohne Ausnahme

60% der Daten sind fehlerhaft

1. Was bedeutet eine Wahrscheinlichkeit von 0,6 für ein Ereignis?

☐ A) Das Ereignis ist unmöglich
☐ B) In etwa 60 von 100 vergleichbaren Fällen tritt das Ereignis ein — oder die Überzeugung liegt bei 60%
☐ C) Das Ereignis tritt bei genau 6 von 10 Versuchen ein, ohne Ausnahme
☐ D) 60% der Daten sind fehlerhaft

2. Ein Spiel kostet 2 EUR Einsatz. Mit Wahrscheinlichkeit 1/4 gewinnst du 10 EUR zurück, sonst nichts. Wie hoch ist der Erwartungswert pro Spiel?

☐ A) +10,00 EUR
☐ B) +0,50 EUR
☐ C) -2,00 EUR
☐ D) +2,50 EUR

3. Beim Roulette fällt fünfmal hintereinander Rot. Wie verändert sich die Wahrscheinlichkeit für Schwarz beim nächsten Dreh?

☐ A) Sie steigt, weil Schwarz jetzt dran ist
☐ B) Sie sinkt, weil Rot eine Glückssträhne hat
☐ C) Sie bleibt bei 18/37 — jeder Dreh ist unabhängig
☐ D) Sie beträgt genau 50%

4. Ein Forscher sagt: "Die Wahrscheinlichkeit, dass dieses neue Medikament wirkt, liegt bei 70%." Welche Interpretation nutzt er?

☐ A) Frequentistisch — er hat es in 70% der Fälle wirken sehen
☐ B) Bayesianisch — er drückt seinen Überzeugungsgrad auf Basis bisheriger Indizien aus
☐ C) Keine — 70% ist keine gültige Wahrscheinlichkeit
☐ D) Beide Interpretationen gleichzeitig

Auflösung: 1) B · 2) B · 3) C · 4) B

Checkpoint: Wahrscheinlichkeit & Erwartungswert

Ich kann erklären, was Wahrscheinlichkeit bedeutet und den Unterschied zwischen frequentistischer und bayesianischer Interpretation beschreiben.
Ich kann den Erwartungswert eines einfachen Szenarios (Würfel, Roulette) berechnen und erklären, warum diese Zahl bei einem einzelnen Versuch oft gar nicht eintreten kann (z.B. 3,5 bei einem Würfel).
Ich kann den Spielerfehlschluss erkennen und erklären, warum unabhängige Ereignisse kein Gedächtnis haben.

Wahrscheinlichkeit & Erwartungswert

Die Sprache der Unsicherheit