Satz Von Bayes übungen

Okay, Leute, setzt euch, bestellt euch einen doppelten Espresso (oder drei – wir brauchen das!), denn wir reden heute über was richtig Abgefahrenes: den Satz von Bayes. Ja, ich weiß, klingt nach irgendwas, das nur nerdbewehrte Mathematiker in dunklen Kellern verstehen, aber keine Panik! Ich verspreche euch, am Ende dieses Artikels werdet ihr zumindest so tun können, als hättet ihr ihn verstanden. Und das ist ja schon mal die halbe Miete, oder?

Was zum Teufel ist der Satz von Bayes?

Stellt euch vor, ihr seid Detektive, aber Detektive, die nicht nur Indizien sammeln, sondern auch Wahrscheinlichkeiten jonglieren. Der Satz von Bayes ist eure Geheimwaffe! Er hilft euch dabei, eure Überzeugungen aufgrund neuer Beweise zu aktualisieren. Klingt kompliziert? Ist es auch. Aber keine Sorge, wir nähern uns dem Ganzen mit einem sanften (und hoffentlich lustigen) Einstieg.

Vereinfacht gesagt: Der Satz von Bayes hilft uns, die Wahrscheinlichkeit eines Ereignisses A zu bestimmen, gegeben, dass ein anderes Ereignis B bereits eingetreten ist. Also, P(A|B). Stell dir vor, A ist die Wahrscheinlichkeit, dass dein Nachbar ein Einhorn im Garten hat, und B ist die Tatsache, dass du Glitzerstaub auf seiner Veranda gefunden hast. Der Satz von Bayes hilft dir, zu entscheiden, wie wahrscheinlich es wirklich ist, dass dein Nachbar ein Einhorn hat, angesichts dieses…äh…überzeugenden Beweises.

Achtung: Der Glitzerstaub könnte auch von einer besonders ausschweifenden Gartenparty stammen. Aber das nur am Rande.

Die Formel, die uns alle rettet (oder verwirrt)

Okay, tief Luft holen. Hier kommt sie:

P(A|B) = [P(B|A) * P(A)] / P(B)

Ich weiß, ich weiß. Es sieht aus wie eine Alien-Nachricht. Aber keine Panik! Lass uns die einzelnen Teile mal genauer anschauen:

• P(A|B): Die Posteriori-Wahrscheinlichkeit. Das ist das, was wir herausfinden wollen: die Wahrscheinlichkeit von A, gegeben B. (Die Einhorn-im-Garten-Wahrscheinlichkeit, gegeben Glitzerstaub).
• P(B|A): Die Likelihood. Die Wahrscheinlichkeit, dass B eintritt, wenn A wahr ist. (Wie wahrscheinlich ist Glitzerstaub, wenn dein Nachbar wirklich ein Einhorn hat? Sehr wahrscheinlich, würde ich sagen!)
• P(A): Die Prior-Wahrscheinlichkeit. Unsere ursprüngliche Überzeugung über A, bevor wir B gesehen haben. (Wie wahrscheinlich ist es, dass überhaupt jemand in der Nachbarschaft ein Einhorn hat? Eher gering, oder?)
• P(B): Die Evidenz. Die Wahrscheinlichkeit von B. (Wie wahrscheinlich ist es, dass irgendwo Glitzerstaub auftaucht? Wahrscheinlich häufiger als Einhörner, oder?)

Merke: Wenn du all diese Wahrscheinlichkeiten kennst, kannst du sie in die Formel einsetzen und P(A|B) berechnen. Fast wie Magie, oder?

Beispiele, die (vielleicht) helfen

Beispiel 1: Der Arztbesuch. Stell dir vor, du gehst zum Arzt und wirst auf eine seltene Krankheit getestet. Der Test ist zu 99% genau. Juhu! Du bekommst ein positives Ergebnis. Oh oh! Bedeutet das, dass du zu 99% krank bist? Nicht unbedingt! Der Satz von Bayes kommt zur Rettung!

Die Prior-Wahrscheinlichkeit, dass du die Krankheit hast, ist wahrscheinlich sehr gering (P(A)). Der Test ist zwar genau (P(B|A) ist hoch), aber die Krankheit ist selten. Wenn du die Zahlen richtig einsetzt, wirst du feststellen, dass die Wahrscheinlichkeit, dass du wirklich krank bist, deutlich geringer als 99% ist! Das ist doch beruhigend, oder?

Beispiel 2: Spam-Filter. Dein E-Mail-Programm benutzt den Satz von Bayes, um Spam zu erkennen. Es schaut sich bestimmte Wörter an (z.B. "Viagra", "Nigeria", "kostenlos") und berechnet die Wahrscheinlichkeit, dass eine E-Mail Spam ist, basierend auf dem Vorkommen dieser Wörter. Clever, oder?

Wichtig: Dein E-Mail-Programm denkt wahrscheinlich, dass ich Spam bin, weil ich so oft "Einhorn" erwähne.

Übungen, die dich nicht (ganz) um den Verstand bringen

Okay, jetzt wird es ernst. Hier sind ein paar Übungen, um das Ganze zu festigen (oder dich endgültig zu verwirren):

1. Die Keksdose: Stell dir vor, du hast zwei Keksdosen. Dose A enthält 10 Schoko-Kekse und 30 normale Kekse. Dose B enthält 20 von jeder Sorte. Du wählst zufällig eine Dose aus und nimmst einen Keks heraus. Er ist ein Schoko-Keks. Wie wahrscheinlich ist es, dass du Dose A gewählt hast?
2. Der betrügerische Würfel: Du hast einen Würfel, der vielleicht gezinkt ist. Du wirfst ihn und er zeigt eine 6. Wie wahrscheinlich ist es, dass der Würfel gezinkt ist? (Du musst hier eine Prior-Wahrscheinlichkeit für "gezinkt" festlegen).
3. Die verregnete Stadt: In deiner Stadt regnet es zu 30% der Zeit. Dein Wetter-App sagt, dass es regnen wird. Die App ist zu 80% genau. Wie wahrscheinlich ist es, dass es wirklich regnen wird?

Tipp: Versuche, die Formel für jeden Schritt aufzuschreiben und die entsprechenden Wahrscheinlichkeiten zu identifizieren. Und keine Sorge, wenn du es nicht sofort verstehst. Der Satz von Bayes braucht Übung (und vielleicht ein paar weitere Espressi).

Fazit: Bayes ist dein Freund (irgendwann)

Der Satz von Bayes ist ein mächtiges Werkzeug, das uns hilft, unsere Überzeugungen auf der Grundlage neuer Beweise zu aktualisieren. Er ist nicht immer einfach zu verstehen, aber mit etwas Übung kann er zu deinem neuen besten Freund werden (zumindest in der Welt der Wahrscheinlichkeitsrechnung). Und wer weiß, vielleicht entdeckst du ja auch, dass dein Nachbar wirklich ein Einhorn hat. Die Welt ist voller Überraschungen!

Und jetzt, entschuldigt mich, ich muss mal eben meine Glitzerstaub-Vorräte überprüfen…