Product Design, Manufacturing & Innovation Resources
Heim » Satz von Bayes

Satz von Bayes

1763-12-23
  • Thomas Bayes
  • Pierre-Simon Laplace
Historical study room with mathematician calculating Bayes' theorem.

(Abbildung dient nur zur Veranschaulichung)

Das Bayes-Theorem beschreibt die Wahrscheinlichkeit eines Ereignisses auf der Grundlage von Vorwissen über Bedingungen, die mit dem Ereignis in Zusammenhang stehen könnten. Es handelt sich um ein grundlegendes Konzept der Wahrscheinlichkeitstheorie und Statistik. Mathematisch wird es wie folgt ausgedrückt: [latex]P(A|B) = \frac{P(B|A)P(A)}{P(B)}[/latex], wobei A und B Ereignisse sind und [latex]P(B) \neq 0[/latex]. Es setzt die bedingten und marginalen Wahrscheinlichkeiten zweier zufälliger Ereignisse in Beziehung.

Das Bayes-Theorem bietet eine mathematische Methode, um bestehende Überzeugungen anhand neuer Beweise zu aktualisieren. In der Formel [latex]P(A|B) = \frac{P(B|A)P(A)}{P(B)}[/latex] ist [latex]P(A|B)[/latex] die a-posteriori-Wahrscheinlichkeit: die Wahrscheinlichkeit der Hypothese A angesichts des Beweises B. [latex]P(B|A)[/latex] ist die Wahrscheinlichkeit: die Wahrscheinlichkeit, den Beweis B zu beobachten, wenn die Hypothese A wahr ist. [latex]P(A)[/latex] ist die A-priori-Wahrscheinlichkeit: die anfängliche Überzeugung von Hypothese A, bevor der Beweis B vorliegt. Schließlich ist [latex]P(B)[/latex] die marginale Wahrscheinlichkeit oder der Beweis: die Gesamtwahrscheinlichkeit, den Beweis B unter allen möglichen Hypothesen zu beobachten. Dieser Term dient als Normalisierungskonstante und stellt sicher, dass die posterioren Wahrscheinlichkeiten sich zu eins addieren.

Der Satz wurde erstmals in Thomas Bayes“ Aufsatz ”An Essay towards solving a Problem in the Doctrine of Chances“ vorgestellt, der 1763 nach seinem Tod vor der Royal Society verlesen wurde. Es war jedoch Pierre-Simon Laplace, der den Satz unabhängig entwickelte und populär machte, indem er ihn auf Probleme der Himmelsmechanik, der medizinischen Statistik und der Rechtswissenschaft anwandte. Die Neuheit des Theorems bestand in der Formalisierung der inversen Wahrscheinlichkeit – dem Rückgriff von den Wirkungen auf ihre Ursachen. Während sich die klassische (frequentistische) Statistik auf die Wahrscheinlichkeit von Daten unter einer bestimmten Hypothese konzentriert, konzentriert sich die Bayes'sche Statistik auf die Wahrscheinlichkeit der Hypothese unter den gegebenen Daten, was oft eine intuitivere und direktere Antwort auf wissenschaftliche Fragen ist.

UNESCO Nomenclature: 1208
- Statistik

Typ

Abstraktes System

Störung

Revolutionär

Verwendung

Weitverbreitete Verwendung

Vorläufer

  • Allgemeine Wahrscheinlichkeitstheorie (entwickelt von Pascal, Fermat und Bernoulli)
  • Konzept der bedingten Wahrscheinlichkeit
  • Arbeiten früherer Mathematiker zu inversen Wahrscheinlichkeitsproblemen

Anwendungen

  • Spamfilterung in E-Mail-Clients
  • Medizinische Diagnosetests
  • Maschinelle Lernalgorithmen (z. B. Naive-Bayes-Klassifikatoren)
  • Such- und Rettungsaktionen
  • Ökologische Modellierung
  • Finanzmarktprognose

Patente:

NA

Potenzielle Innovationsideen

Aufgrund des hohen Datenverkehrs durch Web-Scraping-Bots, der derzeit mehr als 40.000 Anfragen pro Tag umfasst, ist dieser Inhalt ausschließlich Community-Mitgliedern vorbehalten.
> Anmelden < oder > Registrieren < (100% kostenlos) Zugriff darauf sowie auf alle anderen eingeschränkten Inhalte und Tools.

Verwandte Themen: Bayes’ Theorem, bedingte Wahrscheinlichkeit, A-posteriori-Wahrscheinlichkeit, A-priori-Wahrscheinlichkeit, Wahrscheinlichkeit, Bayes'sche Statistik, inverse Wahrscheinlichkeit, Thomas Bayes, Laplace, Evidenz.

Historischer Kontext

Satz von Bayes

1650
1736
1750
1763-12-23
1780
1805
1822
1640
1650
1747
1758
1777
1799
1812
1822

(wenn das Datum unbekannt oder nicht relevant ist, z. B. „Strömungsmechanik“, wird eine gerundete Schätzung seines bemerkenswerten Auftretens bereitgestellt)

Verwandte Erfindungen, Innovationen und technische Prinzipien

Bilder in voller Größe und Downloads sind nur für registrierte Mitglieder 100% kostenlos verfügbar.

> Login <