Wahrscheinlichkeitsrechner

Ein Wahrscheinlichkeitsrechner übersetzt Annahmen über mögliche Ergebnisse in numerische Wahrscheinlichkeiten. Dieses Werkzeug berechnet Einzelereignisse, Beziehungen zwischen zwei Ereignissen, Binomialwahrscheinlichkeiten und den Satz von Bayes und zeigt den jeweiligen Rechenweg an.

Eine mathematisch korrekte Rechnung macht das zugrunde liegende Modell nicht automatisch realistisch. Ereignisse müssen eindeutig definiert sein, Eingaben müssen dieselbe Grundgesamtheit betreffen und Annahmen wie Unabhängigkeit oder konstante Erfolgswahrscheinlichkeit müssen sachlich begründet werden.

Was der Rechner berechnet

Der Rechner enthält vier Modi:

• Einzelereignis aus günstigen und gesamten gleich wahrscheinlichen Ergebnissen;
• Zwei Ereignisse bei Unabhängigkeit oder bekannter Schnittmenge;
• Binomialverteilung für genau, höchstens, mindestens oder zwischen bestimmten Erfolgszahlen;
• Satz von Bayes zur Aktualisierung einer Wahrscheinlichkeit nach neuer Information.

Je nach Modus werden Wahrscheinlichkeit, Prozentwert, Gegenwahrscheinlichkeit, Chancen, Schnittmenge, Vereinigung, bedingte Wahrscheinlichkeiten, Erwartungswert, Varianz, Standardabweichung und A-posteriori-Wahrscheinlichkeit angezeigt.

So verwenden Sie den Wahrscheinlichkeitsrechner

1. Wählen Sie den zur Aufgabe passenden Modus.
2. Wählen Sie, falls verfügbar, Dezimal- oder Prozentformat.
3. Tragen Sie die benötigten Wahrscheinlichkeiten oder Anzahlen ein.
4. Bestimmen Sie bei zwei Ereignissen, ob sie unabhängig sind oder ob ihre Schnittmenge bekannt ist.
5. Wählen Sie bei der Binomialverteilung genau, höchstens, mindestens oder zwischen.
6. Legen Sie die Ausgabepräzision fest.
7. Klicken Sie auf Berechnen.
8. Prüfen Sie Formel und Modellannahmen vor der Verwendung des Ergebnisses.

Wahrscheinlichkeitsskala und Eingabeformat

Jede Wahrscheinlichkeit liegt zwischen 0 und 1:

0 ≤ P(A) ≤ 1

Dies entspricht 0 % bis 100 %.

• 0 oder 0 %: im Modell unmöglich;
• 1 oder 100 %: im Modell sicher;
• 0,5 und 50 %: dieselbe Wahrscheinlichkeit.

Das Eingabeformat muss zur Zahl passen. 25 ist im Dezimalmodus ungültig. 0,25 im Prozentmodus bedeutet hingegen 0,25 % und nicht 25 %.

Wahrscheinlichkeit eines Einzelereignisses

Sind alle elementaren Ergebnisse gleich wahrscheinlich, gilt:

P(A) = günstige Ergebnisse ÷ gesamte Ergebnisse

Die Voraussetzung gleicher Wahrscheinlichkeiten ist entscheidend. Drei günstige von acht möglichen Ergebnissen reichen nicht aus, wenn die einzelnen Ergebnisse unterschiedlich wahrscheinlich sind.

Gegenwahrscheinlichkeit

Das Gegenereignis bedeutet, dass A nicht eintritt:

P(nicht A) = 1 − P(A)

Im Beispiel gilt:

P(nicht blau) = 1 − 0,375 = 0,625 = 62,5 %

Die Gegenwahrscheinlichkeit vereinfacht viele Aufgaben mit „mindestens einmal“.

Chancen dafür und dagegen

Chancen vergleichen günstige mit ungünstigen Möglichkeiten.

Chancen dafür = P(A) : P(nicht A)

Chancen dagegen = P(nicht A) : P(A)

Bei drei günstigen und fünf ungünstigen Ergebnissen lauten die Chancen dafür 3:5 und dagegen 5:3.

Chancen sind nicht mit Wahrscheinlichkeit gleichzusetzen. Chancen von 3:5 entsprechen 3 ÷ (3 + 5) = 3/8.

Zwei Ereignisse

Bei zwei Ereignissen A und B wird zwischen Schnittmenge und Vereinigung unterschieden.

• P(A ∩ B): A und B treten gemeinsam ein;
• P(A ∪ B): A oder B oder beide treten ein.

Die allgemeine Additionsregel lautet:

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Die Schnittmenge wird abgezogen, weil sie zuvor zweimal mitgezählt wurde.

Unabhängige Ereignisse

Zwei Ereignisse sind unabhängig, wenn das Eintreten des einen die Wahrscheinlichkeit des anderen nicht verändert.

P(A ∩ B) = P(A) × P(B)

Unabhängigkeit ist eine Eigenschaft des Vorgangs und darf nicht allein deshalb ausgewählt werden, weil keine weiteren Informationen vorliegen.

Unabhängig und unvereinbar sind nicht dasselbe

Unvereinbare Ereignisse können nicht gleichzeitig eintreten, ihre Schnittmenge ist also null. Unabhängige Ereignisse können gemeinsam eintreten, ohne ihre Wahrscheinlichkeiten gegenseitig zu beeinflussen.

Haben beide Ereignisse eine positive Wahrscheinlichkeit und sind unvereinbar, macht das Eintreten von A das Ereignis B unmöglich. Sie sind dann nicht unabhängig.

Bekannte Schnittmenge und Gültigkeitsprüfung

Bei abhängigen Ereignissen oder bekannter gemeinsamer Wahrscheinlichkeit kann P(A ∩ B) direkt eingegeben werden.

Eine gültige Schnittmenge erfüllt:

max(0, P(A) + P(B) − 1) ≤ P(A ∩ B) ≤ min(P(A), P(B))

Der Rechner weist Werte außerhalb dieses mathematisch möglichen Bereichs zurück.

Nur A, nur B und keines der Ereignisse

Aus der Schnittmenge folgen:

P(nur A) = P(A) − P(A ∩ B)

P(nur B) = P(B) − P(A ∩ B)

P(weder A noch B) = 1 − P(A ∪ B)

Diese nicht überlappenden Bereiche eignen sich als zusätzliche Plausibilitätsprüfung.

Bedingte Wahrscheinlichkeit

Eine bedingte Wahrscheinlichkeit betrachtet ein Ereignis unter der Voraussetzung, dass ein anderes bereits eingetreten ist.

P(A | B) = P(A ∩ B) ÷ P(B)

P(B | A) = P(A ∩ B) ÷ P(A)

Der jeweilige Nenner muss größer als null sein.

Binomialwahrscheinlichkeit

Die Binomialverteilung zählt Erfolge in einer festen Zahl von Versuchen. Sie ist nur passend, wenn:

• die Anzahl n der Versuche feststeht;
• jeder Versuch genau zwei definierte Ergebnisse hat;
• die Versuche unabhängig sind;
• die Erfolgswahrscheinlichkeit p in jedem Versuch gleich bleibt.

NIST und OpenStax nennen insbesondere die Unabhängigkeit und die konstante Erfolgswahrscheinlichkeit als Voraussetzungen des Binomialmodells.

Genau k Erfolge

Für eine binomialverteilte Zufallsvariable X gilt:

P(X = k) = C(n, k) × p^k × (1 − p)^{n − k}

C(n, k) zählt die möglichen Anordnungen von k Erfolgen in n Versuchen.

Höchstens, mindestens und zwischen

• höchstens k: P(X ≤ k) = P(0) + … + P(k);
• mindestens k: P(X ≥ k) = P(k) + … + P(n);
• zwischen a und b: P(a ≤ X ≤ b) = P(a) + … + P(b).

„Mindestens“ und „höchstens“ schließen den genannten Grenzwert ein.

Erwartungswert, Varianz und Standardabweichung

Für die Binomialverteilung gilt:

Erwartete Erfolge = n × p

Varianz = n × p × (1 − p)

Standardabweichung = √[n × p × (1 − p)]

Der Erwartungswert ist ein langfristiger Mittelwert, keine Zusage für einen einzelnen Versuchssatz.

Satz von Bayes

Der Satz von Bayes aktualisiert P(A), nachdem die Information B beobachtet wurde:

P(A | B) = P(B | A) × P(A) ÷ P(B)

Im Zwei-Kategorien-Modell des Rechners:

P(B) = P(B | A)P(A) + P(B | nicht A)P(nicht A)

Damit:

P(A | B) = P(B | A)P(A) ÷ [P(B | A)P(A) + P(B | nicht A)P(nicht A)]

Bayes-Beispiel aus der Qualitätskontrolle

Angenommen, 2 % der Bauteile stammen aus einem Produktionszustand mit erhöhtem Fehlerrisiko. Eine Prüfung markiert 90 % dieser Bauteile, aber auch 4 % der übrigen Bauteile.

• P(A) = 0,02;
• P(B | A) = 0,90;
• P(B | nicht A) = 0,04.

P(B) = 0,90 × 0,02 + 0,04 × 0,98 = 0,0572

P(A | B) = 0,018 ÷ 0,0572 ≈ 0,3147 = 31,47 %

Die hohe Trefferquote allein bestimmt das Ergebnis nicht. Auch die Ausgangshäufigkeit und die Falsch-Positiv-Rate sind entscheidend.

Warum die Ausgangshäufigkeit wichtig ist

Bei seltenen Ereignissen kann die aktualisierte Wahrscheinlichkeit trotz eines positiven Hinweises begrenzt bleiben, wenn falsch positive Hinweise nicht extrem selten sind.

Der Satz von Bayes prüft nicht, ob die eingegebenen Werte repräsentativ sind. Sie müssen aus sachlich passenden Daten stammen.

Dezimalzahlen, Prozentwerte und Rundung

Der Rechner akzeptiert in den entsprechenden Modi Dezimal- oder Prozentwerte.

• 0,2 im Dezimalmodus entspricht 20 %;
• 20 im Prozentmodus entspricht 20 %;
• 0,2 im Prozentmodus entspricht 0,2 %.

Lokale Dezimaltrennzeichen werden berücksichtigt. Die gewählte Genauigkeit beeinflusst nur die Anzeige, nicht die interne Berechnung.

Was das Ergebnis nicht beweist

• dass alle gezählten Ergebnisse gleich wahrscheinlich sind;
• dass zwei Ereignisse tatsächlich unabhängig sind;
• dass p in allen Binomialversuchen konstant bleibt;
• dass eine A-priori-Wahrscheinlichkeit repräsentativ ist;
• dass historische Daten unter veränderten Bedingungen gültig bleiben;
• dass ein bestimmtes zukünftiges Ergebnis eintreten muss.

Zuverlässiger Arbeitsablauf

1. Definieren Sie Ereignis und Ergebnisraum eindeutig.
2. Prüfen Sie vor einer einfachen Zählung die Gleichwahrscheinlichkeit.
3. Verwenden Sie Dezimal- oder Prozentformat konsequent.
4. Begründen Sie bei zwei Ereignissen die Unabhängigkeit oder geben Sie eine gültige Schnittmenge an.
5. Prüfen Sie beim Binomialmodell alle vier Voraussetzungen.
6. Verwenden Sie bei Bayes Wahrscheinlichkeiten aus derselben Grundgesamtheit und Zeitperiode.
7. Prüfen Sie den Bereich von 0 bis 1.
8. Nutzen Sie Gegenwahrscheinlichkeit oder Gesamtwahrscheinlichkeit zur Kontrolle.
9. Runden Sie erst bei der Ausgabe.
10. Nennen Sie die Annahmen zusammen mit dem Ergebnis.

Häufige Fehler

• 30 im Dezimalmodus statt im Prozentmodus eingeben;
• abhängige Ereignisse als unabhängig behandeln;
• unvereinbare mit unabhängigen Ereignissen verwechseln;
• bei der Vereinigung die Schnittmenge nicht abziehen;
• die Binomialverteilung bei wechselndem p verwenden;
• den Grenzwert bei „mindestens“ oder „höchstens“ ausschließen;
• den Erwartungswert als sichere Erfolgszahl interpretieren;
• Bayes-Werte aus unterschiedlichen Populationen kombinieren;
• kleine Wahrscheinlichkeiten zu früh runden;
• ein Modellergebnis als sichere Vorhersage darstellen.

Häufig gestellte Fragen

Mathematische und technische Quellen

• Penn State STAT 414: Properties of Probability
• OpenStax: Two Basic Rules of Probability
• Penn State STAT 414: Conditional Probability
• NIST/SEMATECH: Binomial Distribution
• OpenStax: Binomial Distribution
• Penn State STAT 414: Bayes’ Theorem
• Schema.org: FAQPage

Quellen geprüft am 23. Juni 2026.