Bayes-Theorem-Rechner: P(A|B) berechnen
Wie wahrscheinlich ist eine Krankheit wirklich, wenn der Test positiv ist? Das Bayes-Theorem beantwortet solche Fragen und überrascht oft: Bei seltenen Ereignissen sind die meisten positiven Ergebnisse falsch-positiv. Der Rechner zeigt das Ergebnis als Wahrscheinlichkeit und anschaulich in natürlichen Häufigkeiten.
Herausgeber: Daniel Niedermayer (so prüfen wir), Stand 21. Oktober 2026. Quellen am Seitenende. · fixrechner.de bei Google bevorzugen
Die Formel
P(A) ist die Vorabwahrscheinlichkeit, beim medizinischen Test die Häufigkeit der Krankheit in der getesteten Gruppe (Prävalenz). P(B|A) ist die Wahrscheinlichkeit für ein positives Ergebnis, wenn A zutrifft (Sensitivität). P(B|¬A) ist die Wahrscheinlichkeit für ein positives Ergebnis, obwohl A nicht zutrifft; sie entspricht 100 % minus Spezifität. Gesucht ist P(A|B), beim Test der positive Vorhersagewert.
Warum das Ergebnis so oft überrascht
Mit den Voreinstellungen ist von 1.000 Menschen 10 krank. Davon testet der Test 9 bis 10 positiv. Von den 990 Gesunden testen aber 5 %, also rund 50, ebenfalls positiv. Unter rund 59 positiven Ergebnissen sind also nur etwa 10 echte, das sind rund 16 %. Diese Vernachlässigung der Grundrate (base rate fallacy) ist einer der häufigsten Denkfehler, auch bei Fachleuten. Deshalb wird nach einem positiven Suchtest meist ein zweiter, genauerer Test gemacht: Für ihn ist die Vorabwahrscheinlichkeit schon viel höher.
Häufige Fragen
Was berechnet das Bayes-Theorem?
Wie sich eine Wahrscheinlichkeit durch neue Information ändert, etwa wie wahrscheinlich eine Krankheit nach einem positiven Test ist.
Warum ist ein positiver Test bei seltenen Krankheiten oft falsch?
Weil es viel mehr Gesunde als Kranke gibt. Selbst eine kleine Falsch-positiv-Rate erzeugt dann mehr falsche als richtige positive Ergebnisse.