Wahrscheinlichkeit begegnet uns überall — aber unser Bauchgefühl führt uns dabei erstaunlich oft in die Irre. In dieser Episode tauchen wir tief in die Welt der bayesianischen Statistik ein und zeigen, warum sie nicht nur ein mathematisches Werkzeug ist, sondern eine Art, die eigene Intuition zu kalibrieren.
Wir beginnen mit einer einfachen Frage: Was bedeutet Wahrscheinlichkeit eigentlich? Die klassische, frequentistische Antwort — Wahrscheinlichkeit als Häufigkeit bei unendlich vielen Wiederholungen — funktioniert beim Münzwurf im Casino, stößt aber bei einmaligen Ereignissen wie Pferderennen oder Wahlen an ihre Grenzen. Thomas Bayes bot eine radikal andere Perspektive: Wahrscheinlichkeit als systematisch aktualisierbarer Grad der Überzeugung.
Im Zentrum steht das berühmte Mammographie-Problem, das zeigt, wie dramatisch selbst erfahrene Mediziner die Aussagekraft positiver Testergebnisse überschätzen. Bei einer Basisrate von nur einem Prozent Brustkrebs und einer Testgenauigkeit von 80 Prozent liegt die tatsächliche Wahrscheinlichkeit einer Erkrankung nach positivem Befund bei lediglich 7,8 Prozent — nicht bei 70 oder 80 Prozent, wie die meisten Ärzte schätzen. Der Grund: Wir blenden die riesige Grundgesamtheit gesunder Menschen systematisch aus.
Anhand von M&M-Experimenten, Medikamentenstudien und Star-Wars-Szenen wird greifbar, wie bayesianisches Updating funktioniert: Jeder neue Datenpunkt verschiebt unseren Glauben ein Stück weiter in Richtung der Wahrheit. Selbst eine falsche Ausgangsvermutung kann durch genügend Daten korrigiert werden. Dabei zeigt sich der entscheidende Vorteil gegenüber der frequentistischen Methode: Bayesianische Analyse liefert auch bei winzigen Stichproben verwertbare Ergebnisse, während der klassische Ansatz resigniert.
Daniel Kahnemanns Steve-der-Bibliothekar-Beispiel illustriert, wie wir im Alltag ständig den gleichen Fehler machen: Wir fokussieren uns auf passende Details und vergessen die Grundgesamtheit. Karl Poppers Falsifikationstheorie entpuppt sich als Spezialfall bayesianischen Denkens.
Die Episode schließt mit einer provokanten Erkenntnis: Wer absolut sicher ist — zu 100 oder 0 Prozent —, kann mathematisch gesehen nichts Neues mehr lernen. Die Bayes-Formel multipliziert dann mit Null. In einer Welt voller Informationsflut und Filterblasen ist ein Restzweifel keine Schwäche, sondern die mathematische Voraussetzung für jedes weitere Lernen.
