M10 E - Bedingte Wahrscheinlichkeit in komplexeren Modellen beurteilen

M10 E - Bedingte Wahrscheinlichkeit in komplexeren Modellen beurteilen

Mini-Beschreibung: Analysiere komplexere stochastische Informationen, wähle geeignete Darstellungen und beurteile Aussagen über bedingte Wahrscheinlichkeiten und Unabhängigkeit. Du arbeitest mit Baumdiagramm, Vierfeldertafel und Simulation.

Zielgruppe: Klasse 10, E-Niveau, Mathematik Baden-Württemberg. Verwendet werden künstliche oder anonymisierte Daten. Digitale Ergebnisse und KI-Ausgaben müssen mathematisch geprüft werden; sie ersetzen keinen Beweis.

Bedingte Wahrscheinlichkeit als Einschränkung des Ergebnisraums

Einleitung

Ein automatisches Prüfsystem meldet einen Alarm. Bedeutet das, dass tatsächlich ein Defekt vorliegt?

Entscheidend ist der Unterschied zwischen

$P(A\mid D)$

und

$P(D\mid A)$.

Leitfrage: Welche Darstellung macht die Information sichtbar – und welche Rechnung begründet die Aussage?

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Lernziele

Nach diesem aiMOOC kannst Du:

1. Bedingte Wahrscheinlichkeit mit $P(A\mid B)=\frac{P(A\cap B)}{P(B)}$ für $P(B)>0$ herleiten und deuten.
2. Vierfeldertafeln und Baumdiagramme aus komplexeren Angaben erstellen und ineinander übersetzen.
3. Stochastische Unabhängigkeit mit $P(A\cap B)=P(A)\cdot P(B)$ oder $P(A\mid B)=P(A)$ prüfen.
4. die Richtung einer Bedingung unterscheiden und die Bayes-Regel anwenden.
5. Simulationen als empirische Kontrolle nutzen und Abweichungen kritisch beurteilen.
6. Behauptungen beweisen, Gegenbeispiele prüfen und eigene stochastische Modelle entwickeln.

Vorwissen-Check

Prüfe Dich ohne Taschenrechner.

Check	Gegeben	Ergebnis
A	$P(A)=\mathrm{0,4}$, $P(B\mid A)=\mathrm{0,7}$	$P(A\cap B)=\mathrm{0,28}$
B	$P(A\cap B)=\mathrm{0,18}$, $P(B)=\mathrm{0,30}$	$P(A\mid B)=\mathrm{0,60}$
C	$P(A)=\mathrm{0,5}$, $P(B)=\mathrm{0,4}$, unabhängig	$P(A\cap B)=\mathrm{0,20}$

Feedback anzeigen

Wenn A oder B unsicher ist, wiederhole Pfadregel und Schnittmenge. Wenn C unsicher ist, konzentriere Dich besonders auf die Unabhängigkeitsprüfung.

Kernidee: Bedingen heißt den Bezugsraum ändern

Schritt 1: Die Bedingung $B$ wird zum neuen Bezugsraum.

Schritt 2: Darin zählen die Fälle in $A\cap B$.

Schritt 3:

$P(A\mid B)=\frac{P(A\cap B)}{P(B)}$

Schritt	Mathematische Sicht	Denkfrage
Bedingen	$B$	Was gilt bereits?
Schneiden	$A\cap B$	Welche Fälle erfüllen beides?
Teilen	$\frac{P(A\cap B)}{P(B)}$	Welcher Anteil von B liegt in A?

Wahrscheinlichkeitsbaum

Darstellung 1: Baumdiagramm

Beispielmodell: Bei 4 % von 10 000 künstlich simulierten Geräten liegt ein Defekt $D$ vor. Ein Prüfsystem meldet bei 90 % der defekten Geräte Alarm $A$, aber auch bei 8 % der nicht defekten Geräte.

Start
├── $D$ mit $\mathrm{0,04}$
│  ├── $A$ mit $\mathrm{0,90}$ → $\mathrm{0,04}\cdot \mathrm{0,90}=\mathrm{0,036}$
│  └── $\bar{A}$ mit $\mathrm{0,10}$ → $\mathrm{0,004}$
└── $\bar{D}$ mit $\mathrm{0,96}$
    ├── $A$ mit $\mathrm{0,08}$ → $\mathrm{0,0768}$
    └── $\bar{A}$ mit $\mathrm{0,92}$ → $\mathrm{0,8832}$

$P(A)=\mathrm{0,036}+\mathrm{0,0768}=\mathrm{0,1128}$

$P(D\mid A)=\frac{\mathrm{0,036}}{\mathrm{0,1128}}\approx \mathrm{0,319}$

Beurteilung: Ein Alarm bedeutet in diesem Modell nicht „zu 90 % defekt“. Die 90 % beschreiben $P(A\mid D)$, nicht $P(D\mid A)$.

Zwei Baumrichtungen und Bayes-Zusammenhang

Darstellung 2: Vierfeldertafel

Für dieselben 10 000 simulierten Geräte:

	$A$	$\bar{A}$	Summe
$D$	360	40	400
$\bar{D}$	768	8832	9600
Summe	1128	8872	10000

$P(D\mid A)=\frac{360}{1128}\approx \mathrm{31,9}\mathrm{\%}$

Darstellungsentscheidung: Die Vierfeldertafel ist besonders geeignet für absolute Häufigkeiten oder zwei Ja/Nein-Merkmale. Der Baum ist besonders geeignet, wenn bedingte Stufen im Vordergrund stehen.

Grundidee einer Kontingenz- beziehungsweise Vierfeldertafel

Bayes-Regel formal herleiten

Aus

$P(A\cap B)=P(A\mid B)\cdot P(B)$

und

$P(A\cap B)=P(B\mid A)\cdot P(A)$

folgt für $P(B)>0$:

$P(A\mid B)=\frac{P(B\mid A)\cdot P(A)}{P(B)}$

Außerdem:

$P(A)=P(A\mid B)P(B)+P(A\mid \bar{B})P(\bar{B})$

Datei:Law of total probability illustration.webm

Visuelle Bayes-Darstellung

Unabhängigkeit sicher prüfen

Zwei Ereignisse $A$ und $B$ sind stochastisch unabhängig, wenn

$P(A\cap B)=P(A)\cdot P(B)$.

Für $P(B)>0$ ist gleichwertig:

$P(A\mid B)=P(A)$.

Wichtig: „Unabhängig“ bedeutet nicht „disjunkt“. Sind $A$ und $B$ disjunkt und beide haben positive Wahrscheinlichkeit, dann gilt

$P(A\cap B)=0$

aber

$P(A)P(B)>0$.

Also sind sie abhängig.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Interaktives Beispiel: überraschende Unabhängigkeit

Zwei faire Würfel werden geworfen.

$A=\{\text{erster Würfel ist gerade}\}$

$B=\{\text{Summe ist gerade}\}$

Es gilt:

$P(A)=\frac{18}{36}=\frac{1}{2}$

$P(B)=\frac{18}{36}=\frac{1}{2}$

$P(A\cap B)=\frac{9}{36}=\frac{1}{4}$

und

$P(A)P(B)=\frac{1}{2}\cdot \frac{1}{2}=\frac{1}{4}$.

Folgerung: $A$ und $B$ sind unabhängig.

Gegenbeispiel prüfen

Setze $C=\{\text{Summe ist größer als 7}\}$.

$P(C)=\frac{15}{36}$

$P(A\cap C)=\frac{9}{36}$

aber

$P(A)P(C)=\frac{1}{2}\cdot \frac{15}{36}=\frac{\mathrm{7,5}}{36}$.

Also sind $A$ und $C$ nicht unabhängig.

Simulation als Kontrolle

Eine Simulation beweist keine exakte Wahrscheinlichkeit, kann aber ein Modell prüfen und Rechenfehler sichtbar machen.

Schritt	Vorgehen
1	Erzeuge viele künstliche Gerätefälle.
2	Weise mit Wahrscheinlichkeit $\mathrm{0,04}$ den Zustand $D$ zu.
3	Nutze $\mathrm{0,90}$ für Alarm bei $D$ und $\mathrm{0,08}$ bei $\bar{D}$.
4	Schätze $P(D\mid A)$ als $\frac{\text{Defekt und Alarm}}{\text{Alarm}}$.
5	Vergleiche mit $\mathrm{0,319}\dots$.

Digitale Ergebnisse kritisch prüfen:

1. Wiederhole die Simulation mit verschiedenen Zufallsstarts.
2. Erhöhe den Stichprobenumfang und beobachte die Stabilisierung relativer Häufigkeiten.
3. Prüfe, ob Simulation und mathematisches Modell dieselben Bedingungen verwenden.
4. Nutze nur künstliche oder anonymisierte Daten; keine personenbezogenen Daten.
5. Prüfe KI-Ausgaben durch eigene Rechnung, Gegenprobe oder Beweis.

Übungen mit Hilfestufen und Feedback

Übung 1 – Modell wechseln

In einer künstlichen Stichprobe sind 30 % der Objekte vom Typ $B$. Von diesen erfüllen 60 % die Eigenschaft $A$. Von den übrigen erfüllen 20 % die Eigenschaft $A$.

Berechne $P(B\mid A)$ und stelle das Modell einmal als Baum und einmal als Vierfeldertafel für 1000 Objekte dar.

Hilfestufe 1

$P(A\cap B)=\mathrm{0,3}\cdot \mathrm{0,6}$

$P(A\cap \bar{B})=\mathrm{0,7}\cdot \mathrm{0,2}$

Hilfestufe 2

$P(A)=\mathrm{0,18}+\mathrm{0,14}=\mathrm{0,32}$

Feedback

$P(B\mid A)=\frac{\mathrm{0,18}}{\mathrm{0,32}}=\mathrm{0,5625}$.

In einer 1000er-Tafel enthält die A-Spalte 180 Fälle aus $B$ und 140 aus $\bar{B}$.

Übung 2 – Unabhängigkeit beweisen

Gegeben sind

$P(A)=\mathrm{0,4}$,

$P(B)=\mathrm{0,5}$

und

$P(A\cup B)=\mathrm{0,7}$.

Prüfe formal, ob $A$ und $B$ unabhängig sind.

Hilfestufe

$P(A\cup B)=P(A)+P(B)-P(A\cap B)$

Feedback

$P(A\cap B)=\mathrm{0,4}+\mathrm{0,5}-\mathrm{0,7}=\mathrm{0,2}$

und

$P(A)P(B)=\mathrm{0,4}\cdot \mathrm{0,5}=\mathrm{0,2}$.

Die Ereignisse sind unabhängig.

Übung 3 – Behauptung widerlegen

Jemand behauptet: „Wenn $P(A\mid B)=P(B\mid A)$, dann sind $A$ und $B$ unabhängig.“

Finde ein Gegenbeispiel.

Hilfestufe

Wähle $A=B$ mit $0<P(A)<1$.

Feedback

Für $A=B$ gilt

$P(A\mid B)=P(B\mid A)=1$.

Aber

$P(A\cap B)=P(A)$

und

$P(A)P(B)=P(A{)}^2$.

Für $0<P(A)<1$ sind die Werte verschieden. Die Behauptung ist widerlegt.

Typische Fehler

Fehler	Korrektur
$P(A\mid B)$ mit $P(B\mid A)$ verwechseln	Bedingung rechts vom Strich zuerst als Bezugsraum markieren.
Unabhängigkeit nur „gefühlt“ begründen	Produktgleichung oder bedingte Wahrscheinlichkeit prüfen.
Prozentwerte mit verschiedenen Bezugsgruppen mischen	Alle Felder auf dieselbe Gesamtmenge beziehen.
Simulation als Beweis verwenden	Simulation liefert eine empirische Näherung.
KI-Ergebnis ungeprüft übernehmen	Rechenweg, Bezugsmenge und Gegenprobe kontrollieren.

Selbstkontrolle

Beurteile wahr oder falsch und begründe formal.

1. Wenn $P(A\mid B)=P(A)$ und $P(B)>0$, sind $A$ und $B$ unabhängig.
2. Wenn $A\cap B=\varnothing$, sind $A$ und $B$ immer unabhängig.
3. Wenn $P(A\mid B)>P(A)$, verändert die Information $B$ die Wahrscheinlichkeit von $A$.
4. Aus $P(A\mid B)=\mathrm{0,9}$ folgt nicht automatisch $P(B\mid A)=\mathrm{0,9}$.
5. Eine große Simulation kann einen Beweis kontrollieren, aber nicht ersetzen.

Lösung

1 wahr. 2 falsch, außer mindestens eines der Ereignisse hat Wahrscheinlichkeit 0. 3 wahr. 4 wahr. 5 wahr.

Transfer

Entwickle ein eigenes Modell mit zwei Ereignissen $A$ und $B$, in dem eine hohe Trefferquote $P(A\mid B)$ trotzdem zu einer deutlich kleineren umgekehrten Wahrscheinlichkeit $P(B\mid A)$ führt.

Fordere:

$P(B)<\mathrm{0,1}$

$P(A\mid B)>\mathrm{0,8}$

$P(A\mid \bar{B})>0$

Stelle Dein Modell als Baumdiagramm und Vierfeldertafel dar. Leite $P(B\mid A)$ her und erkläre den Einfluss der Grundrate $P(B)$.

Kompetenzcheck E-Niveau

Kompetenz	Nachweis
Darstellen	Du wechselst begründet zwischen Baumdiagramm und Vierfeldertafel.
Herleiten	Du leitest die Bayes-Regel aus zwei Produktdarstellungen von $P(A\cap B)$ her.
Beweisen	Du prüfst Unabhängigkeit mit einem formalen Kriterium.
Widerlegen	Du konstruierst ein Gegenbeispiel zu einer falschen allgemeinen Aussage.
Modellieren	Du entwickelst ein konsistentes Modell mit Grundraten und bedingten Wahrscheinlichkeiten.
Digital prüfen	Du validierst Simulationen und KI-Ergebnisse mathematisch.

Reflexion

1. Darstellungswahl: Wann war die Vierfeldertafel klarer als der Baum?
2. Begründung: An welcher Stelle hast Du nicht nur gerechnet, sondern bewiesen?
3. Fehleranalyse: Welche Verwechslung von $P(A\mid B)$ und $P(B\mid A)$ ist besonders problematisch?
4. Digitale Mathematik: Welche Prüfung führst Du durch, bevor Du eine Simulation oder KI-Antwort akzeptierst?

Folgekurs

Als nächster Schritt bieten sich Binomialverteilung, Erwartungswert, Konfidenzintervall oder eine Vertiefung zum Satz von Bayes an. Damit bereitest Du den Übergang in weiterführende Bildungsgänge vor: Modelle formal formulieren, Annahmen prüfen, verallgemeinern und Ergebnisse beweisen.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche Formel definiert die bedingte Wahrscheinlichkeit von A unter B? (P von A unter B ist P von A geschnitten B geteilt durch P von B) (!P von A unter B ist P von A plus P von B) (!P von A unter B ist P von A minus P von B) (!P von A unter B ist P von A mal P von B)

Welche Gleichung ist ein Kriterium für die Unabhängigkeit von A und B? (P von A geschnitten B ist P von A mal P von B) (!P von A geschnitten B ist immer null) (!P von A vereinigt B ist immer eins) (!P von A ist immer P von B)

Welche Darstellung eignet sich besonders für zwei binäre Merkmale und absolute Häufigkeiten? (Vierfeldertafel) (!Kreisdiagramm) (!Boxplot) (!Histogramm)

Was beschreibt P von D unter A im Gerätebeispiel? (Anteil defekter Geräte unter den Geräten mit Alarm) (!Anteil der Alarme unter den defekten Geräten) (!Anteil aller Geräte ohne Alarm) (!Anteil der nicht defekten Geräte ohne Alarm)

Welche Aussage über Simulationen ist richtig? (Sie können theoretische Ergebnisse empirisch kontrollieren) (!Sie ersetzen einen mathematischen Beweis) (!Sie liefern immer exakt den theoretischen Wert) (!Sie machen Modellannahmen überflüssig)

Wann kann P von A unter B gleich P von A als Unabhängigkeitskriterium verwendet werden? (Wenn P von B größer als null ist) (!Nur wenn P von A gleich eins ist) (!Nur wenn A und B disjunkt sind) (!Nur wenn P von B gleich null ist)

Welche Wahrscheinlichkeit steht im Nenner von P von A unter B? (P von B) (!P von A) (!P von A geschnitten B) (!P von A vereinigt B)

Was ist beim Wechsel von P von A unter B zu P von B unter A zu beachten? (Die Richtung der Bedingung ändert sich) (!Beide Werte sind immer gleich) (!Nur der Name des Ereignisses ändert sich) (!Die Grundrate spielt nie eine Rolle)

Wie widerlegt man eine allgemeine mathematische Behauptung am direktesten? (Durch ein gültiges Gegenbeispiel) (!Durch eine große Simulation allein) (!Durch eine Vermutung) (!Durch ein Diagramm ohne Begründung)

Welche Aussage zu KI-Ausgaben in der Stochastik ist angemessen? (Sie müssen durch Rechnung Modellprüfung oder Beweis kontrolliert werden) (!Sie gelten als Beweis wenn sie plausibel klingen) (!Sie dürfen ohne Prüfung übernommen werden) (!Sie machen eigene Begründungen überflüssig)

Memory

Bedingte Wahrscheinlichkeit	Bezugsraum wird durch eine Bedingung eingeschränkt
Vierfeldertafel	Zwei binäre Merkmale werden gemeinsam geordnet
Baumdiagramm	Bedingte Zweigwahrscheinlichkeiten werden stufenweise dargestellt
Unabhängigkeit	Produkt der Einzelwahrscheinlichkeiten ergibt die Schnittwahrscheinlichkeit
Bayes-Regel	Richtung einer Bedingung wird rechnerisch umgekehrt
Simulation	Relative Häufigkeiten dienen als empirische Kontrolle

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Bezugsraum einschränken	Bedingung festlegen
Schnittmenge bestimmen	Beide Ereignisse erfüllen
Quotient bilden	Bedingte Wahrscheinlichkeit
Produktgleichung prüfen	Unabhängigkeit
Simulation vergleichen	Empirische Kontrolle

Kreuzworträtsel

Bayes	Welche Regel verbindet umgekehrte bedingte Wahrscheinlichkeiten?
Schnittmenge	Wie heißt das Ereignis in dem A und B zugleich eintreten?
Unabhängigkeit	Wie heißt die Eigenschaft wenn die Information B die Wahrscheinlichkeit von A nicht verändert?
Simulation	Wie heißt die digitale Nachbildung vieler Zufallsversuche?
Baumdiagramm	Welche Darstellung zeigt mehrstufige Zufallswege?
Vierfeldertafel	Welche Tabelle ordnet zwei binäre Merkmale?

Lückentext

Vervollständige den Text.

Bei einer bedingten Wahrscheinlichkeit wird der Bezugsraum durch die eingeschränkt.

In der Formel für P von A unter B steht im Nenner die Wahrscheinlichkeit von .

Zwei Ereignisse sind unabhängig wenn die Schnittwahrscheinlichkeit dem der Einzelwahrscheinlichkeiten entspricht.

Eine Vierfeldertafel ordnet zwei Merkmale.

Ein Baumdiagramm zeigt Wahrscheinlichkeiten entlang von .

Die Bayes-Regel erlaubt den Wechsel der .

Eine Simulation liefert bei endlicher Wiederholungszahl nur eine .

Eine KI-Ausgabe ersetzt keinen mathematischen .

Offene Aufgaben

Leicht

1. Baumdiagramm erstellen: Übertrage das Gerätebeispiel in ein eigenes sauber beschriftetes Baumdiagramm und markiere alle Pfadwahrscheinlichkeiten.
2. Vierfeldertafel erstellen: Stelle dasselbe Modell für 1000 statt 10 000 künstliche Fälle dar und erkläre, welche Werte sich proportional ändern.
3. Bedingungsrichtung erklären: Formuliere in eigenen Worten den Unterschied zwischen $P(A\mid B)$ und $P(B\mid A)$.
4. Simulation beobachten: Simuliere ein einfaches Modell mit künstlichen Daten mehrfach und dokumentiere, wie sich relative Häufigkeiten verändern.

Standard

1. Darstellungen vergleichen: Löse dieselbe Aufgabe mit Baumdiagramm und Vierfeldertafel und begründe, welche Darstellung übersichtlicher ist.
2. Unabhängigkeit prüfen: Erfinde zwei Ereignisse in einem Würfelmodell und prüfe formal, ob sie unabhängig sind.
3. Fehleranalyse: Untersuche eine falsche Musterlösung, in der $P(A\mid B)$ und $P(B\mid A)$ vertauscht werden, und korrigiere sie.
4. Digitales Ergebnis prüfen: Lass ein digitales Werkzeug oder eine KI eine bedingte Wahrscheinlichkeit berechnen und validiere jeden Rechenschritt selbst. Verwende keine personenbezogenen Daten.

Schwer

1. Gegenbeispiel konstruieren: Widerlege die Behauptung „Disjunkte Ereignisse sind unabhängig“ durch ein selbst gewähltes Modell mit positiven Wahrscheinlichkeiten.
2. Bayes-Regel herleiten: Leite die Bayes-Regel ausschließlich aus Produktregeln her und erkläre jede Umformung.
3. Komplexes Modell entwickeln: Konstruiere ein dreistufiges stochastisches Modell, reduziere es auf zwei relevante Ereignisse und berechne eine bedingte Wahrscheinlichkeit auf zwei verschiedenen Wegen.
4. Simulation und Theorie vergleichen: Entwickle eine Simulation für Dein Modell, vergleiche mehrere Stichprobengrößen mit dem theoretischen Wert und begründe Abweichungen.

Lernkontrolle

1. Modellkritik: Ein Prüfsystem hat eine hohe Trefferwahrscheinlichkeit bei Defekten. Erkläre, warum daraus ohne Grundrate keine hohe Wahrscheinlichkeit für einen Defekt nach einem Alarm folgt. Nutze Rechnung und Darstellung.
2. Darstellungsentscheidung: Du erhältst einmal absolute Häufigkeiten und einmal bedingte Wahrscheinlichkeiten. Entscheide jeweils begründet, ob Vierfeldertafel oder Baumdiagramm der sinnvollere Start ist.
3. Unabhängigkeitsbeweis: Entwickle ein eigenes Zahlenbeispiel mit zwei unabhängigen Ereignissen und beweise die Unabhängigkeit mit zwei äquivalenten Kriterien.
4. Gegenbeispielprüfung: Prüfe die Aussage „Wenn zwei bedingte Wahrscheinlichkeiten gleich sind, sind die Ereignisse unabhängig“ und begründe Deine Entscheidung.
5. Simulation bewerten: Zwei Simulationen desselben Modells liefern verschiedene Ergebnisse. Erkläre plausible Ursachen und wie Du die Qualität der Ergebnisse prüfst.
6. Transfer in neue Kontexte: Übertrage das Grundratenproblem auf einen technischen oder naturwissenschaftlichen Kontext mit künstlichen Daten und untersuche den Einfluss der Grundrate.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig:

1. Du definierst $P(A\mid B)$ korrekt und benennst den Bezugsraum.
2. Du erstellst, ergänzt und deutest Baumdiagramme und Vierfeldertafeln.
3. Du wechselst zwischen beiden Darstellungen ohne Informationsverlust.
4. Du leitest die Bayes-Regel nachvollziehbar her.
5. Du prüfst stochastische Unabhängigkeit formal.
6. Du erkennst falsche Umkehrschlüsse und konstruierst Gegenbeispiele.
7. Du modellierst komplexere Situationen mit konsistenten Wahrscheinlichkeiten.
8. Du nutzt Simulationen kritisch und unterscheidest Näherung von Beweis.
9. Du prüfst digitale und KI-generierte Ergebnisse selbstständig und datensparsam.

OERs zum Thema

Verknüpfte Baumdiagramme zum Satz von Bayes

Medienhinweis: Die eingebundenen Wikimedia-Commons-Medien besitzen auf ihren Dateibeschreibungsseiten konkrete freie Lizenzangaben. Prüfe bei einer Weiterverwendung die jeweilige Lizenz und erforderliche Namensnennung.

Verknüpfte Lernbereiche

Bedingte Wahrscheinlichkeit Baumdiagramm Vierfeldertafel Stochastische Unabhängigkeit Satz von Bayes Simulation Pfadregel Wahrscheinlichkeitsrechnung