Satz vo Bayes

Da Satz vo Bayes is oaner vo de mächtigstn und gleichzeitig überraschendsten Sätze vo da Wahrscheinlichkeitsrechnung. Er erlaubt’s, vo ana bekannten bedingten Wahrscheinlichkeit auf d’Umkehrung zu schließen — oiso quasi d’Denkrichtung umzudrehen. Im bayerischn Abitur taucht da Satz bei medizinischen Tests, Fehleranalysen und Qualitätskontrolle auf. Und oft liefert er Ergebnisse, de auf’n ersten Blick überraschend san. Im Abitur zeigt si immer wieder: De Schüler, de d’Grundkonzepte wirklich vastondn hamm, lösen aa ungewohnte Aufgabn souverän. Wer dagegen bloß Formeln auswendig glernt hod, scheitert an da ersten Variante.

D’Grundfrog

Stell da vor, a medizinischer Test für a Krankheit fällt positiv aus. Wia wahrscheinlich is’s, dass du wirklich krank bist? De Antwort is oft überraschend niedrig — weil da Test zwar guat is, aba d’Krankheit selten. Genau des quantifiziert da Satz vo Bayes.

Allgemeiner: Du kennst \(P(B|A)\) (Wahrscheinlichkeit vo \(B\) unter da Bedingung \(A\)) und willst \(P(A|B)\) (Umkehrung). Dazwischen liegt da Satz vo Bayes.

D’Formel

\(P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}.\)

A guter Ansatz zum Lernen: Schau da alte Abituraufgabn an und identifizier, wo des Thema vorkommt. Dann rechnest du de Aufgabn durch und merkst schnell, wo’s bei dir no hapert. So lernst du zielgerichtet statt ins Blaue.

Drei Bestandteile:

\(P(A)\) — d‘A-priori-Wahrscheinlichkeit. Was du über \(A\) weißt, BEVOR du \(B\) beobachtest. Beispui: Wia häufig is d’Krankheit in da Bevölkerung?

\(P(B|A)\) — d‘Likelihood. Wia wahrscheinlich is \(B\), wenn \(A\) wahr is? Beispui: Wia oft zeigt da Test positiv bei am Kranken? (= Sensitivität).

\(P(B)\) — d‘totale Wahrscheinlichkeit vo \(B\). Wia wahrscheinlich is \(B\) insgesamt (über olle Fälle summiert)? Des berechnet ma meistens extra.

\(P(A|B)\) — d‘A-posteriori-Wahrscheinlichkeit. Des Ergebnis: Was weißt du über \(A\), NACHDEM du \(B\) beobachtet hast?

Herleitung

D’Herleitung is ganz kurz: \(P(A \cap B) = P(A|B) \cdot P(B) = P(B|A) \cdot P(A)\). Des folgt direkt aus da Definition vo bedingter Wahrscheinlichkeit, oane angewandt auf \(P(A|B)\) und oane auf \(P(B|A)\). Gleichsetzen und umstellen → Bayes.

Im bayerischn Abitur wead des Thema gern ois Teilaufgab in ana größern Fragestellung vapackt. Manchmoi merkst du erst beim Lösen, dass du genau des Konzept brauchst. Drum: Ned bloß d’Formel lernen, sondern aa d’typischen Situationen erkennen, in denen se gebraucht wird.

Beispui medizinischer Test — Schritt für Schritt

Des is DES Standardbeispui für Bayes. Merk da de Zahlen, de san typisch:

Krankheit hod \(1\%\) Vorkommen: \(P(K) = 0{,}01\), \(P(\overline K) = 0{,}99\).

Test erkennt Kranke zu \(99\%\): \(P(+|K) = 0{,}99\) (Sensitivität).

Test erkennt Gesunde zu \(95\%\): \(P(-|\overline K) = 0{,}95\), also \(P(+|\overline K) = 0{,}05\) (5% Fehlalarm).

Frog: Test is positiv. Wia wahrscheinlich bist du wirklich krank?

Schritt 1: Totale Wahrscheinlichkeit \(P(+)\) berechnen.

\(P(+) = P(+|K) \cdot P(K) + P(+|\overline K) \cdot P(\overline K)\).

\(= 0{,}99 \cdot 0{,}01 + 0{,}05 \cdot 0{,}99 = 0{,}0099 + 0{,}0495 = 0{,}0594\).

Interpretation: Insgesamt fallen \(5{,}94\%\) aller Tests positiv aus.

Schritt 2: Bayes anwenden.

\(P(K|+) = \frac{P(+|K) \cdot P(K)}{P(+)} = \frac{0{,}0099}{0{,}0594} \approx 0{,}167\).

Ergebnis: Nur \(16{,}7\%\)! Obwohl da Test zu \(99\%\) Kranke erkennt, is bei am positiven Testergebnis d’Wahrscheinlichkeit, wirklich krank zu sei, bloß \(16{,}7\%\). Des überrascht vui Leut — aba es erklärt si, wenn ma genauer hinschaut.

Warum is des Ergebnis so niedrig?

Da Schlüssel is d‘Prävalenz (Grundhäufigkeit). Von 10000 Leut san bloß 100 krank. Von de 100 Kranken: 99 positiv getestet. Von de 9900 Gesunden: \(5\%\) = 495 falsch positiv.

Viele Schüler machen den Fehla, Mathematik bloß mechanisch abzuarbeiten. Aba d’bestn Leistungen kemman vo denen, de d’Konzepte wirklich vastehn und flexibel anwenden können. Investier d’Zeit ins Vastehn — es zahlt si bei da Prüfung doppelt und dreifach aus.

Gesamt positiv: \(99 + 495 = 594\). Davon wirklich krank: \(99\). Anteil: \(99/594 \approx 16{,}7\%\).

De Fehlalarme (495) überwiegen d’echten Treffer (99) bei weitem — weil d’Krankheit so selten is! A seltene Krankheit mit am Test, der \(5\%\) Fehlalarmrate hod, führt zu vui falsch-positive Ergebnisse.

Des is DER zentrale Aha-Moment bei Bayes: D’Grundhäufigkeit (A-priori) beeinflusst des Ergebnis massiv.

Visualisierung: 10000 Personen

Allgemeine Form mit Partition

Wenn \(\{B_1, B_2, \ldots, B_n\}\) a Partition vom Ergebnisraum bildt (z.B. verschiedene Ursachen, Maschinen, Krankheiten):

A guade Skizze is in da Mathematik oft mehr wert ois a Seite voller Formeln. Se hilft dir, d’Zusammenhänge auf oan Blick zu erfassen und gibt dir a intuitive Vorstellung vo dem, was d’Formeln beschreiben. Nimm da d’Zeit, d’Grafik genau anzuschauen und d’einzelnen Elemente zuzuordnen.

\(P(B_k|A) = \frac{P(A|B_k) \cdot P(B_k)}{\sum_{i=1}^n P(A|B_i) \cdot P(B_i)}.\)

Im Nenner steht d’totale Wahrscheinlichkeit — d’Summ über olle möglichen Ursachen.

Beispui mit Urnen

Zwoa Urnen. Urn 1: 3 rot, 2 blau. Urn 2: 1 rot, 4 blau. A Urn wird zufällig gewählt (\(P(U_1) = P(U_2) = 1/2\)), dann a Kugl gzogn. Se is rot. Aus welcher Urn stammt se wahrscheinlicher?

Achte bei dem Beispui ned bloß auf des Ergebnis, sondern vor oim auf den WEG: Welche Schritte san nötig? In welcher Reihenfolge? Warum genau de Methode? Wenn du den Weg vastehst, kannst du ihn bei jeder ähnlichen Aufgab wiederholen.

Am bestn lernst du Mathematik durch konkretes Rechnen. Nimm da an Stift, deck d’Lösung zua und probier’s selber. Erst wenn du ned weiterkommst, schau nach. Des aktive Auseinandersetzen mit da Aufgab is da Schlüssel zum Vaständnis.

\(P(R|U_1) = 3/5\). \(P(R|U_2) = 1/5\).

\(P(R) = (3/5)(1/2) + (1/5)(1/2) = 3/10 + 1/10 = 4/10 = 2/5\).

\(P(U_1|R) = \frac{(3/5)(1/2)}{2/5} = \frac{3/10}{4/10} = 3/4 = 75\%\).

A-priori war’s 50:50. Aba nachdem ma a rote Kugl gezogn hod, is Urn 1 mit \(75\%\) wahrscheinlicher — weil dort mehr rote drin san.

Beispui Qualitätskontrolle

Firma mit drei Maschinen: \(M_1\) produziert \(50\%\), \(M_2\) \(30\%\), \(M_3\) \(20\%\). Fehlerquoten: \(P(F|M_1) = 1\%\), \(P(F|M_2) = 2\%\), \(P(F|M_3) = 5\%\).

A defektes Teil wird gfunden. Welche Maschine hod’s am wahrscheinlichsten produziert?

\(P(F) = 0{,}5 \cdot 0{,}01 + 0{,}3 \cdot 0{,}02 + 0{,}2 \cdot 0{,}05 = 0{,}005 + 0{,}006 + 0{,}01 = 0{,}021\).

\(P(M_1|F) = 0{,}005/0{,}021 \approx 23{,}8\%\).

\(P(M_2|F) = 0{,}006/0{,}021 \approx 28{,}6\%\).

\(P(M_3|F) = 0{,}010/0{,}021 \approx 47{,}6\%\).

Maschine 3 is wahrscheinlichste Fehlerquelle — obwohl se am wenigstn produziert! Ihre hohe Fehlerquote überwiegt.

Schritt-für-Schritt Vafahrn

In da Klausur immer so vorgehn:

Des folgende Beispui zeigt a typische Aufgabenstellung, wia se aa im Abitur vorkemma könnt. Versuch amoi, d’Lösung selber durchzurechnen, bevor du weiterliest — des aktive Tun is zehnmoi effektiver ois passives Nachlesen.

Schritt 1: Identifizier \(A\) (gsuacht: Ursache/Krankheit) und \(B\) (beobachtet: Testergebnis/Symptom).

Schritt 2: Bstimm \(P(A)\) (A-priori — Grundhäufigkeit).

Schritt 3: Bstimm \(P(B|A)\) und \(P(B|\overline A)\) (oder für mehrere Ursachen).

Schritt 4: Berechne \(P(B)\) mit da totalen Wahrscheinlichkeit.

Schritt 5: Bayes-Formel anwenden: \(P(A|B) = P(B|A) P(A)/P(B)\).

De 10000-Personen-Methode

A alternatives Vafahrn, des oft anschaulicher is ois d’Formel: Stell da 10000 Personen (oder a andere große runde Zahl) vor und rechne konkret mit Anzahlen statt Wahrscheinlichkeiten.

Stell da d’Frog: Warum is des Thema wichtig? Wo braucht ma’s in da Praxis? Wenn du an Bezug zur realen Welt herstellen kannst, bleibt da Stoff besser im Gedächtnis — weil er Sinn ergibt und ned bloß abstrakte Formelsammlerei is.

10000 Personen. 100 krank (1%). Test positiv bei 99 Kranken und 495 Gesunden. Positiv gesamt: 594. Davon krank: 99. Anteil: \(99/594 = 16{,}7\%\).

Des is mathematisch identisch zur Formel, aba vui Schüler finden’s intuitiver. Und im Abitur is de Methode genauso gültig wia d’Formel!

Was passiert bei häufigerer Krankheit?

Gleicher Test, aba \(P(K) = 0{,}2\) (20% krank — z.B. in ana Risikogruppe).

Des Thema is a wichtiger Baustein im Gesamtgebäude vo da Mathematik. Es steht ned alloa, sondern is verbunden mit vielen anderen Konzepten, de du scho glernt hast oder no lernen wirst. Je besser du d’Verbindungen siehst, desto leichter fällt dir des Gesamtverständnis.

\(P(+) = 0{,}99 \cdot 0{,}2 + 0{,}05 \cdot 0{,}8 = 0{,}198 + 0{,}04 = 0{,}238\).

\(P(K|+) = 0{,}198/0{,}238 \approx 83{,}2\%\). Jetzt is da positive Test vui aussagekräftiger!

Des zeigt: D’A-priori-Wahrscheinlichkeit is entscheidend. Bei seltenen Krankheiten: Folgetest nötig. Bei häufigen: Einzeltest reicht oft.

Der Prosekutor-Fehlschluss

A berühmter Denkfehler: \(P(A|B) = P(B|A)\) annehmen. Beispui: „D’DNA stimmt überein — also is er’s!“ Aba: \(P(\text{Match}|\text{schuldig}) \approx 1\) heißt NED \(P(\text{schuldig}|\text{Match}) \approx 1\). Wenn d’DNA-Datenbank Millionen enthält und da Fehlerquote \(1:1\,000\,000\) is, san Zufallstreffer bei Unschuldigen möglich.

Bayes lehrt: Oiwei d’Grundhäufigkeit (A-priori) berücksichtigen!

Häufige Fehla — ausführlich erklärt

Fehla 1: \(P(A|B)\) und \(P(B|A)\) gleichsetzen. DER häufigste Fehler (Prosekutor-Fehlschluss). Siehan ähnlich aus, san aba meistens komplett verschieden!

Fehla san koa Schande — se san d’bestn Lehrmeister. Jeder vo de folgenden Fehla passiert regelmäßig im Abitur, manchmoi sogar guadn Schülern. Wenn du se jetzt durchgehst und vastehst, WARUM se passieren, wirst du se in da Prüfung vermeiden. Des alloa kann dir mehrere Punkte bringen.

Fehla 2: A-priori-Wahrscheinlichkeit ignorieren. Ohne \(P(A)\) geht’s ned. Wenn d’Aufgab koa Grundhäufigkeit angibt, kannst du Bayes ned anwenden!

Fehla 3: Totale Wahrscheinlichkeit im Nenner vergessen. \(P(B)\) muaß extra berechnet werden — es is NED einfach \(P(B|A)\).

Fehla 4: Bei Partitionen ned olle Fälle berücksichtigen. Wenn’s drei Maschinen gibt, muaß da Nenner olle drei enthalten.

Fehla 5: Ergebnis ned interpretieren. Im Abitur wird oft nach da Bedeutung gfragt — „Was bedeutet das Ergebnis für die Praxis?“

Strategie für d’Klausur

Wenn du „Satz von Bayes“ hörst (oder „Wie wahrscheinlich ist … GEGEBEN DASS …“), geh so vor:

1. Vierfeldertafel oder Baumdiagramm zeichnen.

2. Olle gegebenen Wahrscheinlichkeiten eintragen.

3. \(P(B)\) über totale Wahrscheinlichkeit berechnen.

4. Bayes-Formel einsetzen.

5. Ergebnis interpretieren und Antwortsatz schreiben.

De 10000-Personen-Methode is a guade Alternative — probier beide und nimm de, de dir leichter fällt.

Aufgab zum Selbermachen

A Schwangerschaftstest hod Sensitivität \(97\%\) und Spezifität \(99\%\). Bei Frauen im gebärfähigen Alter, de den Test machen, san ca. \(10\%\) tatsächlich schwanger. Da Test is positiv — wia wahrscheinlich is a tatsächliche Schwangerschaft?

Lösung: \(P(S|+) = \frac{0{,}97 \cdot 0{,}1}{0{,}97 \cdot 0{,}1 + 0{,}01 \cdot 0{,}9} = \frac{0{,}097}{0{,}097 + 0{,}009} = \frac{0{,}097}{0{,}106} \approx 91{,}5\%\). Deutlich höher ois beim seltenen-Krankheit-Beispui — weil \(10\%\) Grundhäufigkeit relativ hoch is.

Fazit

Satz vo Bayes: \(P(A|B) = P(B|A) P(A)/P(B)\). Elegant und mächtig. D’A-priori-Wahrscheinlichkeit is entscheidend — bei seltenen Krankheiten gibt aa a guter Test vui Fehlalarme. Im Abitur Standardaufgab bei Medizintests, Qualitätskontrolle und Urnenmodellen. D’10000-Personen-Methode is a anschauliche Alternative zur Formel.