Satz von Bayes & Basisraten
Über diese App
Mosaik aus Prävalenz × Sensitivität/Spezifität: warum ein positiver Test bei seltener Krankheit oft kein Grund zur Panik ist. Die Falsch-Positiv-Fläche schlägt die Treffer-Fläche — Posterior P(K∣+) live, Basisraten-Fehlschluss sichtbar gemacht.
Worum es geht
Der Satz von Bayes kehrt eine bedingte Wahrscheinlichkeit um: Aus der Sensitivität eines Tests P(+|K) wird die Wahrscheinlichkeit P(K|+), tatsächlich krank zu sein, wenn der Test positiv ist. Es gilt P(K|+) = P(+|K)·P(K) / [P(+|K)·P(K) + P(+|¬K)·P(¬K)]. Entscheidend ist die Basisrate P(K), die Prävalenz. Bei einer seltenen Krankheit gibt es so viele Gesunde, dass schon eine kleine Falsch-positiv-Rate mehr falsch-positive als richtig-positive Befunde erzeugt. Wer das übersieht, begeht den Basisraten-Fehlschluss.
Was die App zeigt
Ein Einheitsquadrat steht für die gesamte Bevölkerung: links die kranke Gruppe mit der Breite der Prävalenz, rechts die gesunde Gruppe. Jede Spalte ist nach dem Testergebnis geteilt, sodass vier Felder entstehen: richtig-positiv, falsch-positiv, falsch-negativ und richtig-negativ. Eine zweite Grafik zeigt den Schritt vom Prior zum Posterior. Ein Wertepanel nennt Prior, Sensitivität, Spezifität, P(K|+) und P(K|−) sowie die vier Häufigkeiten pro 10 000 Personen; die Bayes-Formel steht daneben.
Selbst ausprobieren
Lade das Beispiel „Seltene Krankheit“: Bei 1 % Prävalenz, 99 % Sensitivität und 95 % Spezifität ist das Falsch-positiv-Feld größer als das Richtig-positiv-Feld, und P(K|+) liegt weit unter der Sensitivität. Schiebe dann die Prävalenz nach oben und beobachte, wie der Posterior deutlich steigt. Erhöhe die Spezifität auf 99,9 % und vergleiche, welcher Regler mehr bewirkt. Das Beispiel „Häufig“ zeigt die Lage bei verbreiteter Krankheit.
Häufige Fragen
- Was besagt der Satz von Bayes?
- Der Satz von Bayes verbindet die bedingten Wahrscheinlichkeiten P(A|B) und P(B|A): P(A|B) = P(B|A)·P(A)/P(B). Er beschreibt, wie man eine Ausgangswahrscheinlichkeit (Prior) durch neue Information zu einer aktualisierten Wahrscheinlichkeit (Posterior) macht. Im Medizinbeispiel wird aus der Treffsicherheit des Tests die Wahrscheinlichkeit, nach positivem Befund krank zu sein.
- Was ist der Basisraten-Fehlschluss?
- Beim Basisraten-Fehlschluss wird die Häufigkeit eines Merkmals in der Bevölkerung vernachlässigt. Typisch ist, die Sensitivität eines Tests mit der Wahrscheinlichkeit gleichzusetzen, nach positivem Test krank zu sein. Bei seltenen Krankheiten liegt diese Wahrscheinlichkeit oft weit niedriger, weil viele positive Befunde von Gesunden stammen.
- Was ist der Unterschied zwischen Sensitivität und Spezifität?
- Die Sensitivität P(+|K) ist der Anteil der Kranken, die der Test als positiv erkennt. Die Spezifität P(−|¬K) ist der Anteil der Gesunden, die er korrekt als negativ einstuft. Eins minus Spezifität ist die Falsch-positiv-Rate.
- Was kann ich in der Bayes-App einstellen?
- Du stellst Prävalenz, Sensitivität und Spezifität per Regler ein oder lädst die Beispiele „Seltene Krankheit“ und „Häufig“. Das Mosaik, der Schritt vom Prior zum Posterior, P(K|+), P(K|−) und die Häufigkeiten pro 10 000 Personen aktualisieren sich sofort.
Fach: Statistik
Mehr aus Statistik
- Anscombe-Quartett
- Bias-Varianz / Overfitting
- Boxplot-Werkstatt
- Geometrisches Mittel
- Gesetz der großen Zahlen
- Histogramm-Werkstatt
- Hypothesentest & p-Wert
- Konfidenzintervall
Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps