Rechner zum Satz von Bayes

Ermitteln Sie die A-posteriori-Wahrscheinlichkeit P(A|B).

Ergebnis

15,38%

So wird gerechnet

Der Rechner berechnet die A-posteriori-Wahrscheinlichkeit, dass die Erkrankung bei einem positiven Ergebnis tatsächlich vorliegt:

P(A|B) = (sens × prior) / (sens × prior + fpr × (1 − prior))

Dabei ist prior die Basisrate vor dem Test, sens die Sensitivität (Wahrscheinlichkeit eines positiven Ergebnisses, wenn die Erkrankung vorliegt) und fpr die Rate der falsch Positiven (Wahrscheinlichkeit eines positiven Ergebnisses, wenn sie nicht vorliegt). Alle drei werden als Anteile zwischen 0 und 1 eingegeben, nicht als Prozentwerte. Der Nenner ist die Gesamtwahrscheinlichkeit eines positiven Ergebnisses aus beiden Gruppen. Die Antwort wird als Prozentwert mit zwei Nachkommastellen angezeigt. Ein Wert außerhalb von 0 bis 1 oder ein Nenner von null liefert kein Ergebnis.

Rechenbeispiel

Nehmen wir eine Erkrankung, die 1 von 100 Personen betrifft (prior = 0,01), einen Test mit einer Sensitivität von 0,9 und einer Rate der falsch Positiven von 0,05.

  1. Richtig Positive: 0,9 × 0,01 = 0,009
  2. Falsch Positive: 0,05 × 0,99 = 0,0495
  3. Positive insgesamt: 0,009 + 0,0495 = 0,0585
  4. A-posteriori-Wahrscheinlichkeit: 0,009 / 0,0585 ≈ 15,38%

Trotz eines gut aussehenden Tests bedeutet ein positives Ergebnis nur eine Wahrscheinlichkeit von etwa 15%, weil die Erkrankung selten ist.

Dieses Beispiel ausprobieren →

Häufige Fehler

  • Prozentwerte wie 1 oder 90 statt Anteile wie 0,01 oder 0,9 eingeben: Werte über 1 werden abgelehnt, und ein A-priori-Wert von 1 bedeutet Gewissheit.
  • Die Sensitivität mit der A-posteriori-Wahrscheinlichkeit verwechseln: Ein Test mit 90% Sensitivität bedeutet nicht, dass ein positives Ergebnis mit 90% Wahrscheinlichkeit richtig ist.
  • Die Spezifität dort eintragen, wo die Rate der falsch Positiven hingehört: Sie ist 1 minus Spezifität.
  • Die Basisrate (A-priori-Wahrscheinlichkeit) ignorieren: Bei seltenen Erkrankungen sind die meisten positiven Ergebnisse falsch positiv, selbst bei einem genauen Test.

Quellen

Über diesen Rechner

Dieser Rechner wendet den Satz von Bayes an, P(A|B) = P(B|A)·P(A) / P(B), um eine A-priori-Wahrscheinlichkeit P(A) in eine A-posteriori-Wahrscheinlichkeit P(A|B) zu überführen, sobald neue Evidenz B beobachtet wird – dabei dienen die Sensitivität eines Tests (Rate der richtig Positiven) und die Rate der falsch Positiven dazu, auszurechnen, wie wahrscheinlich etwas bei einem positiven Ergebnis tatsächlich zutrifft. Er ist das mathematische Rückgrat der Bayes-Statistik: eines Schlussfolgerns, das formal verbindet, was Sie vorher geglaubt haben, mit dem, was neue Daten Ihnen sagen.

Ärzte und Epidemiologen nutzen ihn, um medizinische Testergebnisse richtig zu interpretieren – ein positives Ergebnis bei einer seltenen Krankheit kann dennoch eine geringe tatsächliche Wahrscheinlichkeit bedeuten, sie zu haben, wenn die Rate der falsch Positiven im Verhältnis zur Prävalenz der Krankheit hoch ist. Statistiker, Datenwissenschaftler, die Spamfilter und Klassifikatoren für maschinelles Lernen bauen, und forensische Analysten, die Beweise abwägen, nutzen alle dieselbe Argumentation; Lernende der Wahrscheinlichkeitsrechnung nutzen diesen Rechner, um ein Gefühl dafür zu entwickeln, warum „positiv“ nicht immer „wahrscheinlich“ bedeutet.

War das hilfreich?

Sie können bis zu 3 Reaktionen auswählen.

Kommentare

  • Schreiben Sie den ersten Kommentar.

Beliebte Rechner

Alle Rechner