Was ist der Satz von Bayes?
Der Satz von Bayes ist die mathematische Regel zur Aktualisierung von Überzeugungen angesichts neuer Belege. Formuliert von Reverend Thomas Bayes und 1763 postum veröffentlicht, liefert er eine präzise Formel: Die Posterior-Wahrscheinlichkeit einer Hypothese H angesichts eines Belegs E gleicht der Wahrscheinlichkeit, E zu beobachten, wenn H wahr ist, multipliziert mit der A-priori-Wahrscheinlichkeit von H, geteilt durch die Gesamtwahrscheinlichkeit, E zu beobachten.
Der Basisraten-Fehlschluss
Eine der wichtigsten kognitiven Verzerrungen, die der Satz von Bayes offenlegt, ist der Basisraten-Fehlschluss — unsere Tendenz, die Häufigkeit oder Seltenheit eines Phänomens bei der Bewertung von Belegen zu ignorieren. Ein medizinischer Test mit 95 % Genauigkeit klingt hochzuverlässig, doch wenn die Krankheit nur 1 % der Bevölkerung betrifft, ist ein positives Ergebnis mit etwa 84 % Wahrscheinlichkeit ein falsch positives. Dieses kontraintuitive Ergebnis hat tiefgreifende Auswirkungen auf medizinische Vorsorge, Strafjustiz und jeden Bereich, in dem nach seltenen Ereignissen gesucht wird.
Natürliche Häufigkeiten
Der Wahrscheinlichkeitsbaum und die Punktanzeige in diesem Simulator verwenden natürliche Häufigkeiten — sie zeigen Anzahlen von 1000 statt abstrakter Prozentwerte. Forschung von Gerd Gigerenzer zeigt, dass Menschen Bayes'sche Zusammenhänge weit besser verstehen, wenn die Information so dargestellt wird. Statt mit bedingten Wahrscheinlichkeiten zu jonglieren, können Sie einfach zählen: Von 1000 Personen haben etwa 10 die Krankheit, ungefähr 9,5 testen positiv (wahr positiv), und etwa 50 gesunde Personen testen ebenfalls positiv (falsch positiv). Also sind nur 9,5 von ~60 positiven Tests echt.
Interaktive Erkundung
Nutzen Sie die Regler, um zu sehen, wie sich die Posterior-Wahrscheinlichkeit mit verschiedenen Prioren, Sensitivitäten und Spezifitäten ändert. Beachten Sie, wie dramatisch die Posterior-Wahrscheinlichkeit sinkt, wenn die A-priori-Wahrscheinlichkeit (Basisrate) sehr niedrig ist — das ist die mathematische Grundlage des Basisraten-Fehlschlusses. Das Balkendiagramm unten zeigt das Ausmaß der Bayes'schen Aktualisierung: wie stark ein einzelner Beleg Ihre Überzeugungen vom Prior zum Posterior verschiebt.