Baumdiagramm Rechner & Vierfeldertafel

Berechne mehrstufige Zufallsexperimente, Pfadwahrscheinlichkeiten (1. Pfadregel), totale Wahrscheinlichkeiten (2. Pfadregel), bedingte Wahrscheinlichkeiten nach Bayes und erstelle synchrone Vierfeldertafeln.

Teilen:WhatsApp Telegram

Klassische Praxisbeispiele (Presets)

1. Stufe: P(Krank (K))10.0% (0.100)

0%P(Gesund (G)) = 90.0%100%

2. Stufe: P(Test Positiv (+)|Krank (K))95.0% (0.950)

0%P(Test Negativ (-)|Krank (K)) = 5.0%100%

2. Stufe: P(Test Positiv (+)|Gesund (G))5.0% (0.050)

0%P(Test Negativ (-)|Gesund (G)) = 95.0%100%

P(B) - Totale Wk.14.00%0.1400

P(Krank (K) ∩ Test Positiv (+))9.50%0.0950

P(Krank (K)|Test Positiv (+)) (Bayes)67.86%0.6786

UnabhängigkeitAbhängig

Baumdiagramm (2-Stufig)

Stochastisch abhängig

Vierfeldertafel (Wahrscheinlichkeiten)Summe Zeilen & Spalten = Randwahrscheinlichkeiten

Ereignis	Krank (K)	Gesund (G)	Σ (Gesamt)
Test Positiv (+)	0.09509.50%	0.04504.50%	0.1400P(Test Positiv (+))
Test Negativ (-)	0.00500.50%	0.855085.50%	0.8600P(Test Negativ (-))
Σ (Gesamt)	0.1000P(Krank (K))	0.9000P(Gesund (G))	1.0000 (100%)

📚Schritt-für-Schritt Rechenweg

\text{\textbf{1. Pfadregel (Multiplikationssatz für Pfade):}}

P(Krank (K) \cap Test Positiv (+)) = P(Krank (K)) \cdot P(Test Positiv (+)|Krank (K)) = 0.1000 \cdot 0.9500 = 0.0950

P(Krank (K) \cap Test Negativ (-)) = P(Krank (K)) \cdot P(Test Negativ (-)|Krank (K)) = 0.1000 \cdot 0.0500 = 0.0050

P(Gesund (G) \cap Test Positiv (+)) = P(Gesund (G)) \cdot P(Test Negativ (-)|Gesund (G)) = 0.9000 \cdot 0.0500 = 0.0450

P(Gesund (G) \cap Test Negativ (-)) = P(Gesund (G)) \cdot P(Test Negativ (-)|Gesund (G)) = 0.9000 \cdot 0.9500 = 0.8550

\text{\textbf{2. Pfadregel (Totale Wahrscheinlichkeit):}}

P(Test Positiv (+)) = P(Krank (K) \cap Test Positiv (+)) + P(Gesund (G) \cap Test Positiv (+)) = 0.0950 + 0.0450 = 0.1400

P(Test Negativ (-)) = 1 - P(Test Positiv (+)) = 0.8600

\text{\textbf{Satz von Bayes (Bedingte Wahrscheinlichkeit):}}

P(Krank (K)|Test Positiv (+)) = \frac{P(Krank (K) \cap Test Positiv (+))}{P(Test Positiv (+))} = \frac{0.0950}{0.1400} = 0.6786 \; (67.86\%)

\text{\textbf{Stochastische Unabhängigkeit:}}\text{ Da } P(Krank (K) \cap Test Positiv (+)) = 0.0950 \neq P(Krank (K)) \cdot P(Test Positiv (+)) = 0.0140, \text{ sind die Ereignisse } A \text{ und } B \text{ \textbf{stochastisch abhängig}.}

Historischer Ursprung & Die gelöste Herausforderung

Warum wurde diese Mathematik entwickelt, woher stammt sie und welches reale Problem hat sie gelöst?

📜

Epoche & ZeitalterKlassische Wahrscheinlichkeitsrechnung (1654 – 1763)

Pioniere: Blaise Pascal, Pierre de Fermat, Thomas Bayes

1. Das unvollendete Glücksspiel & Diagnoseirrtümer

Der Edelmann Chevalier de Méré fragte Pascal 1654: Wie teilt man den Spieleinsatz fair auf, wenn ein Würfelspiel vorzeitig abgebrochen wird? Ein weiteres Problem: Wie interpretiert man Testergebnisse, wenn ein medizinischer Test positiv ist, die Krankheit aber extrem selten vorkommt?

2. Pfadregeln im Baumdiagramm & Satz von Bayes

Fermat und Pascal schufen die Pfadmultiplikations- und Pfadadditionsregeln. Thomas Bayes formulierte den Satz von Bayes für bedingte Wahrscheinlichkeiten: Wie Vorwissen (A-priori) durch neue Indizien (A-posteriori) aktualisiert wird.

3. Spamfilter, Medizinische Tests & Forensik

Bayessche Filter filtern E-Mail-Spam, KI-Diagnosesysteme bewerten Röntgenbefunde und Gerichte nutzen bedingte Wahrscheinlichkeiten zur DNA-Spurenbewertung.

„Wahrscheinlichkeitsrechnung ist gesunder Menschenverstand, auf Zahlen reduziert.“ — Pierre-Simon Laplace

Praxisanwendungen von Baumdiagrammen & Bayes

Entdecke, wie mehrstufige Wahrscheinlichkeitsbäume in Medizin, Industrie und Alltag fundierte Entscheidungen ermöglichen.

Medizin & Diagnostik

Medizinische Schnelltests & Bayes-Paradoxon

Berechnung des wahren positiven Vorhersagewerts bei geringer Prävalenz in Reihenuntersuchungen.

Praxis-Beispiel:

Trotz 98% Testgenauigkeit ist bei 1% Prävalenz ein positiver Schnelltest oft nur zu ca. 16% aussagekräftig.

Qualitätssicherung

Fertigungskontrolle & Fehlerbäume

Analyse von mehrstufigen Produktionslinien zur Bestimmung der Gesamt-Ausschussquote und Ursachenermittlung.

Praxis-Beispiel:

Berechnung der Gesamtwahrscheinlichkeit fehlerhafter Bauteile über mehrere automatisierte Fertigungsstufen.

Verkehr & Logistik

Risikoanalyse von Lieferketten

Kombinierte Wahrscheinlichkeiten für Lieferverzögerungen bei Wetterereignissen oder Zollkontrollen.

Praxis-Beispiel:

Prognose von Just-in-Time Lieferungen anhand stochastischer Zwischenstationen.

Leitfaden: Baumdiagramme, Pfadregeln & Satz von Bayes

Ein Baumdiagramm veranschaulicht mehrstufige Zufallsversuche übersichtlich. Es ermöglicht die schnelle Berechnung von Pfad- und Gesamtwahrscheinlichkeiten sowie die Verknüpfung mit Vierfeldertafeln.

1. Pfadregel (Multiplikationssatz)

Die Wahrscheinlichkeit eines Pfades ist das Produkt aller Wahrscheinlichkeiten entlang dieses Pfades: P(A ∩ B) = P(A) · P(B|A).

2. Pfadregel (Additionssatz / Totale Wahrscheinlichkeit)

Führen mehrere disjunkte Pfade zum selben Ereignis B, so werden ihre Einzelwahrscheinlichkeiten addiert: P(B) = P(A ∩ B) + P(nicht A ∩ B).

Satz von Bayes

Ermöglicht die Berechnung der umgekehrten bedingten Wahrscheinlichkeit: P(A|B) = P(A ∩ B) / P(B) = (P(A) · P(B|A)) / P(B).

Stochastische Unabhängigkeit

Zwei Ereignisse A und B sind stochastisch unabhängig genau dann, wenn P(A ∩ B) = P(A) · P(B) gilt.

Häufig gestellte Fragen zu Baumdiagrammen

Was ist der Unterschied zwischen Ziehen mit und ohne Zurücklegen?▼

Beim Ziehen mit Zurücklegen bleiben die Wahrscheinlichkeiten auf jeder Stufe konstant (unabhängige Züge). Beim Ziehen ohne Zurücklegen verringern sich Gesamtanzahl und Kugelanzahl, wodurch sich die bedingten Wahrscheinlichkeiten verändern.

Wann verwendet man eine Vierfeldertafel statt eines Baumdiagramms?▼

Eine Vierfeldertafel eignet sich besonders für die übersichtliche Gegenüberstellung zweier dichotomer Merkmale A und B sowie zur schnellen Prüfung der stochastischen Unabhängigkeit. Das Baumdiagramm eignet sich ideal zur zeitlichen / sequenziellen Modellierung.

Warum ist der Satz von Bayes bei medizinischen Tests so wichtig?▼

Weil bei seltenen Krankheiten (niedrige Prävalenz) falsch-positive Ergebnisse die echt-positiven zahlenmäßig übertreffen können. Der Satz von Bayes berechnet die tatsächliche Wahrscheinlichkeit, trotz positivem Test krank zu sein.

Was bedeutet stochastische Unabhängigkeit anschaulich?▼

Dass das Eintreten von Ereignis A keinerlei Einfluss auf die Wahrscheinlichkeit von Ereignis B hat, d.h. P(B|A) = P(B).

Wie hängen Baumdiagramm und Vierfeldertafel (2x2-Tabelle) zusammen?▼

Ein zweistufiges Baumdiagramm und eine Vierfeldertafel stellen dieselben stochastischen Zusammenhänge dar. Die Pfade des Baumdiagramms entsprechen den Schnittmengen P(A ∩ B) in den vier inneren Feldern der Vierfeldertafel. Aus der Vierfeldertafel lassen sich die Randwahrscheinlichkeiten P(A) und P(B) sowie die bedingten Wahrscheinlichkeiten P(B|A) = P(A ∩ B) / P(A) (Satz von Bayes) direkt ablesen und berechnen.