Bedingte Wahrscheinlichkeiten und Stochastische Unabhängigkeit
Stell dir vor, du ziehst Kugeln aus einer Urne - manchmal beeinflusst der erste Zug den zweiten, manchmal nicht. Genau darum geht es bei bedingten Wahrscheinlichkeiten: Wie verändert sich die Wahrscheinlichkeit für ein Ereignis, wenn wir bereits wissen, dass ein anderes eingetreten ist?
Die Vierfeldertafel ist dein bestes Werkzeug, um alle Wahrscheinlichkeiten übersichtlich darzustellen. Sie zeigt dir auf einen Blick, wie sich zwei Ereignisse A und B zueinander verhalten. In den Feldern stehen die Wahrscheinlichkeiten für alle möglichen Kombinationen.
Baumdiagramme funktionieren genauso gut - hier siehst du die Ereignisse als Äste, die sich verzweigen. Am Ende jedes Weges multiplizierst du die Wahrscheinlichkeiten entlang der Äste. Das ist besonders hilfreich, wenn du mehrere aufeinanderfolgende Ereignisse hast.
Merktipp: Bei der Vierfeldertafel müssen alle Zeilen- und Spaltensummen stimmen - das ist deine Kontrolle!
Der Satz von Bayes gibt dir die Formel: P_A(B) = P(A∩B)/P(A). Das bedeutet: Die Wahrscheinlichkeit für B unter der Bedingung A ist gleich der Wahrscheinlichkeit für beide Ereignisse geteilt durch die Wahrscheinlichkeit für A. Zwei Ereignisse sind stochastisch unabhängig, wenn P_A(B) = P(B) gilt - das erste Ereignis beeinflusst das zweite also nicht.
Im Beispiel mit Anna und Bert zeigt die Rechnung: P_A(B) ≠ P(B), also sind ihre Fehlzeiten abhängig - ein Verdacht auf gemeinsames Schwänzen ist berechtigt!