Satz von Bayes

Aktive Lernformate passen ideal zum Satz von Bayes, weil die Formel eine klare Struktur hat, aber die Richtung der Bedingung und die Gewichtung der Priori oft missverstanden werden. Durch konkrete Handlungen wie Sortieren, Rechnen mit echten Daten oder Rollenspiele wird die abstrakte Formel greifbar und Fehlerquellen wie die Verwechslung von P(A|B) und P(B|A) sichtbar gemacht.

• Klasse 11
• Analysis und Analytische Geometrie: Grundlagen der Oberstufe
• 4 Aktivitäten
• 20 Min.–50 Min.

Lernziele

1. Berechnen Sie die Posteriorwahrscheinlichkeit eines Ereignisses mithilfe des Satzes von Bayes und gegebener Priori- und Likelihood-Wahrscheinlichkeiten.
2. Analysieren Sie die Auswirkungen einer neuen Beobachtung auf die ursprüngliche Wahrscheinlichkeit eines Ereignisses im Kontext medizinischer Tests.
3. Erklären Sie die Schritte zur Anwendung des Satzes von Bayes zur Aktualisierung von Wahrscheinlichkeiten in einem gegebenen Szenario.
4. Konstruieren Sie ein realistisches Problem aus den Bereichen Qualitätskontrolle oder Diagnostik, das mit dem Satz von Bayes gelöst werden kann.

Lernen an Stationen

⏱ 45 Min.·Kleingruppen

Lernen an Stationen: Medizinische Tests

Richten Sie drei Stationen ein: positives Testergebnis, falsch-positiv, Priorvariation. Gruppen erhalten Karten mit Werten, berechnen P(Krankheit|Test) und diskutieren Ergebnisse. Rotieren Sie nach 10 Minuten.

Vorbereitung & Details

Erklären Sie die Anwendung des Satzes von Bayes zur Aktualisierung von Wahrscheinlichkeiten.

Moderationstipp: Während der Stationenarbeit 'Medizinische Tests' gehen Sie von Gruppe zu Gruppe und fragen gezielt: 'Warum multiplizieren wir hier mit der Priori und nicht mit der Likelihood?'

Setup: Im Raum verteilte Tische/Stationen

Materials: Stationskarten mit Arbeitsanweisungen, Unterschiedliche Materialien je Station, Timer für die Rotation

• Erinnern
• Verstehen
• Anwenden
• Analysieren
• Selbststeuerung
• Beziehungsfähigkeit

Problemorientiertes Lernen

⏱ 30 Min.·Partnerarbeit

Paararbeit: Qualitätskontrolle

Paare erhalten Szenario mit Produktionsdaten (Defektrate 1 %, Testgenauigkeit 95 %). Sie wenden Bayes an, um P(defekt|Test fehlgeschlagen) zu berechnen, und vergleichen mit Intuition.

Vorbereitung & Details

Analysieren Sie die Bedeutung des Satzes von Bayes in der medizinischen Diagnostik oder Qualitätskontrolle.

Moderationstipp: Bei der Paararbeit 'Qualitätskontrolle' achten Sie darauf, dass beide Partner ihre Rechenschritte gegenseitig erklären, bevor sie die Posterior-Wahrscheinlichkeit berechnen.

Setup: Gruppentische mit Zugang zu Recherchequellen

Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung
• Beziehungsfähigkeit

Problemorientiertes Lernen

⏱ 50 Min.·Ganze Klasse

Ganzer Unterricht: Problemkonstruktion

Klassen teilt reale Probleme (z. B. Spam-Filter) in Gruppen auf. Jede Gruppe konstruiert Bayes-Aufgabe, löst sie und präsentiert. Lehrer moderiert Plausibilitätschecks.

Vorbereitung & Details

Konstruieren Sie ein Problem, das mit dem Satz von Bayes gelöst werden kann.

Moderationstipp: Bei der Problemkonstruktion im gesamten Unterricht fordern Sie die Schüler auf, ihre Beispiele zuerst ohne die Formel zu diskutieren, um die intuitive Bedeutung von Priori und Likelihood zu stärken.

Setup: Gruppentische mit Zugang zu Recherchequellen

Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung
• Beziehungsfähigkeit

Problemorientiertes Lernen

⏱ 20 Min.·Einzelarbeit

Individuell: Bayes-Rechner

Schüler bauen mit Tabellenkalkulation einen Bayes-Rechner für variable Priors. Testen Sie mit eigenen Szenarien und notieren Sensitivitätsänderungen.

Vorbereitung & Details

Erklären Sie die Anwendung des Satzes von Bayes zur Aktualisierung von Wahrscheinlichkeiten.

Moderationstipp: Beim individuellen Arbeiten mit dem Bayes-Rechner lassen Sie die Schüler ihre Ergebnisse in einer Tabelle dokumentieren, um die Normalisierung P(B) systematisch zu überprüfen.

Setup: Gruppentische mit Zugang zu Recherchequellen

Materials: Dokumentation des Problemszenarios, KWL-Tabelle (Wissen, Wollen, Lernen) oder Inquiry-Framework, Ressourcenpool / Handapparat, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung
• Beziehungsfähigkeit

Dieses Thema unterrichten

Der Satz von Bayes wird am besten über konkrete Szenarien eingeführt, bei denen die Schüler selbst die Daten generieren oder recherchieren. Vermeiden Sie reine Formelableitungen, da diese die Richtung der Bedingung oft verschleiern. Stattdessen sollten Schüler wiederholt erkennen, dass die Priori die Basis bildet und die Likelihood nur eine Anpassung ermöglicht. Wichtig ist, dass sie die Formel als Werkzeug zur Kombination von Vorwissen und neuen Informationen verstehen, nicht als Rechenvorgang.

Was Sie erwartet

Am Ende können die Schülerinnen und Schüler die Bayes-Formel sicher anwenden, erkennen die Bedeutung der Priori-Wahrscheinlichkeit und korrigieren ihre eigenen Rechnungen, wenn sie die Normalisierung P(B) vergessen. Sie nutzen die Formel, um reale Probleme wie medizinische Tests oder Qualitätskontrollen zu lösen und ihre Ergebnisse zu begründen.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Während der Stationenarbeit 'Medizinische Tests' beobachten Sie, dass Schüler P(A|B) mit P(B|A) verwechseln.

Was Sie stattdessen lehren sollten

Geben Sie ihnen manipulierbare Karten mit den Häufigkeiten der Krankheit und der Testergebnisse. Lassen Sie sie die Gruppen so sortieren, dass die Bedingungsrichtung P(A|B) als Anteil der Kranken unter den positiv Getesteten sichtbar wird.

Häufige Fehlvorstellung

Während der Paararbeit 'Qualitätskontrolle' unterschätzen Schüler die Priori-Wahrscheinlichkeit.

Was Sie stattdessen lehren sollten

Fordern Sie die Gruppen auf, die tatsächliche Ausschussquote ihres Beispiels zu recherchieren und in einer Tabelle festzuhalten, bevor sie die Likelihood berechnen. Diskutieren Sie gemeinsam, wie sich die Priori auf das Endergebnis auswirkt.

Häufige Fehlvorstellung

Während der individuellen Arbeit mit dem Bayes-Rechner vergessen Schüler die Normalisierung P(B).

Was Sie stattdessen lehren sollten

Lassen Sie sie ihre Ergebnisse in einer Tabelle notieren, in der P(B) als Summe der gewichteten Likelihoods explizit berechnet wird. Bitten Sie sie, ihre Rechnung mit der eines Partners zu vergleichen.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Nach der Stationenarbeit 'Medizinische Tests' geben Sie den Schülern ein kurzes Szenario vor. Sie identifizieren Priori, Likelihood und die gesuchte Posterior-Wahrscheinlichkeit und tragen die Werte in die Bayes-Formel ein. Sammeln Sie die Zettel ein, um zu prüfen, ob die Richtung der Bedingung korrekt erkannt wurde.

Kurze Überprüfung

Während der Paararbeit 'Qualitätskontrolle' stellen Sie eine einfache Aufgabe, bei der die Schüler die Posterior-Wahrscheinlichkeit eines defekten Teils berechnen. Sie präsentieren ihre Rechenschritte auf einem Whiteboard oder Arbeitsblatt, das Sie während der Arbeit begutachten und direkt korrigieren können.

Diskussionsfrage

Nach der Problemkonstruktion im gesamten Unterricht lassen Sie Kleingruppen diskutieren, warum die Priori-Wahrscheinlichkeit in manchen Fällen das Ergebnis stärker beeinflusst als die Likelihood. Fordern Sie sie auf, konkrete Beispiele aus ihren konstruierten Problemen zu nennen und die Effekte zu begründen.

Erweiterungen & Unterstützung

• Fordern Sie schnelle Schüler auf, ein eigenes medizinisches Szenario zu entwickeln, bei dem die Priori-Wahrscheinlichkeit besonders stark das Ergebnis beeinflusst, und die Posterior-Wahrscheinlichkeit für verschiedene Testgenauigkeiten zu berechnen.
• Bei Schülern, die die Formel nicht anwenden können, lassen Sie sie zunächst mit einer vereinfachten Version arbeiten, bei der P(B) vorgegeben ist, um die Normalisierung zu verinnerlichen.
• Vertiefen Sie mit einer Diskussion über den Unterschied zwischen Bayes und frequentistischen Ansätzen, z.B. durch den Vergleich mit Konfidenzintervallen in realen Datensätzen.

Schlüsselvokabular

Satz von Bayes	Eine Formel, die es ermöglicht, die bedingte Wahrscheinlichkeit eines Ereignisses A gegeben ein Ereignis B zu berechnen, wenn die Wahrscheinlichkeit von B gegeben A bekannt ist.
Priori-Wahrscheinlichkeit	Die Wahrscheinlichkeit eines Ereignisses, bevor neue Daten oder Beobachtungen berücksichtigt werden. Sie repräsentiert das Vorwissen.
Likelihood	Die Wahrscheinlichkeit, die beobachteten Daten oder Beweise zu erhalten, gegeben dass eine bestimmte Hypothese oder ein bestimmtes Ereignis wahr ist.
Posterior-Wahrscheinlichkeit	Die aktualisierte Wahrscheinlichkeit eines Ereignisses, nachdem neue Daten oder Beobachtungen (die Likelihood) berücksichtigt wurden.
Bedingte Wahrscheinlichkeit	Die Wahrscheinlichkeit des Eintretens eines Ereignisses, gegeben dass ein anderes Ereignis bereits eingetreten ist.