Wahrscheinlichkeitsrechnung

Die Wahrscheinlichkeitsrechnung (auch Stochastik genannt) ist der Zweig der Mathematik, der den Zufall beschreibt. Ihr Ziel: jedem möglichen Ausgang eines Zufallsexperiments eine Zahl zuzuordnen, die angibt, wie sicher oder unsicher dieser Ausgang ist.

Diese Zahl — die Wahrscheinlichkeit P — liegt immer zwischen 0 und 1:

• P = 0 Das Ereignis ist unmöglich (z. B. eine Sieben mit einem normalen Würfel).
• P = 0,5 Das Ereignis tritt in der Hälfte der Fälle ein (z. B. Kopf beim Münzwurf).
• P = 1 Das Ereignis ist sicher (z. B. eine Augenzahl zwischen 1 und 6).

Häufig wird die Wahrscheinlichkeit auch in Prozent angegeben: P = 0,25 entspricht 25 %. Die Summe der Wahrscheinlichkeiten aller möglichen Ausgänge ist stets 1 (100 %).

Ein zentrales Prinzip: Je öfter man ein Zufallsexperiment wiederholt, desto näher kommt die beobachtete relative Häufigkeit der theoretischen Wahrscheinlichkeit. Bei wenigen Münzwürfen kann „Kopf“ zu 70 % auftreten; bei zehntausend Würfen pendelt sich das Verhältnis sehr nah bei 50 % ein.

Genau daraus ziehen Casinos und Versicherungen ihre Sicherheit: Für den einzelnen Spieler ist eine Runde unvorhersehbar, doch über Millionen Runden greift der Hausvorteil zuverlässig. Kurzfristige Ausreißer — hohe Gewinne oder Pechsträhnen — nennt man Volatilität.

Der bekannteste Irrtum der Wahrscheinlichkeitsrechnung ist der Spielerfehlschluss (englisch gambler's fallacy): die Annahme, vergangene Ergebnisse würden die Zukunft beeinflussen. Nach fünfmal Rot am Roulette-Tisch fühlt sich Schwarz „überfällig“ an — statistisch ist die nächste Runde jedoch völlig unabhängig, die Wahrscheinlichkeit bleibt unverändert.

Der Zufall hat kein Gedächtnis. Bei unabhängigen Ereignissen zählt allein die Wahrscheinlichkeit der aktuellen Runde, nie die Geschichte davor. Wer das verinnerlicht, spielt bewusster und fällt seltener auf vermeintliche „Systeme“ herein.

Bisher ging es um unabhängige Ereignisse. Oft hängt die Wahrscheinlichkeit eines Ereignisses aber davon ab, dass ein anderes bereits eingetreten ist — das nennt man bedingte Wahrscheinlichkeit, geschrieben P(A|B) („Wahrscheinlichkeit von A, gegeben B“).

Ein Beispiel: Die Wahrscheinlichkeit, aus einem Skatblatt ein Ass zu ziehen, ist 4/32. Hat man bereits ein Ass gezogen und legt es beiseite, sinkt sie beim zweiten Zug auf 3/31. Das erste Ereignis verändert die Grundmenge — die Ereignisse sind abhängig. Genau dieser Unterschied entscheidet, ob man Wahrscheinlichkeiten einfach multiplizieren darf oder nicht.

Das mächtigste Werkzeug in diesem Bereich ist der Satz von Bayes. Er erlaubt es, von einer bekannten Wahrscheinlichkeit auf die umgekehrte zu schließen — etwa: „Wenn ein medizinischer Test positiv ist, wie wahrscheinlich ist die Krankheit tatsächlich?“ Die überraschende Antwort ist oft viel niedriger als gedacht, weil seltene Krankheiten und Fehlalarme die Rechnung dominieren. Bayes zeigt eindrücklich, wie leicht die menschliche Intuition bei Wahrscheinlichkeiten danebenliegt.