bayes-theorem-maschinen-schoice

bayes
paper
Published

July 10, 2026

Question

Drei Maschinen \(M_1, M_2, M_3\) produzieren denselben Artikel, mit Produktionsanteilen von 50 %, 30 % bzw. 20 %. Ihre jeweiligen Ausschussquoten betragen 3 %, 6 % bzw. 10 % (Evidenz \(Pr(A) = 0{,}053\), s. vorherige Aufgabe). Ein zufällig ausgewähltes Teil ist Ausschuss. Wie groß ist die Wahrscheinlichkeit, dass es von Maschine 2 stammt, \(Pr(M_2\mid A)\)?

Answerlist

  • \(Pr(M_2\mid A) = \dfrac{0{,}3\cdot 0{,}06}{0{,}053} \approx 0{,}340\)
  • \(Pr(M_2\mid A) = 0{,}3\cdot 0{,}06 = 0{,}018\)
  • \(Pr(M_2\mid A) = \dfrac{0{,}5\cdot 0{,}03}{0{,}053} \approx 0{,}283\)
  • \(Pr(M_2\mid A) = \dfrac{0{,}053}{0{,}3\cdot 0{,}06} \approx 2{,}944\)
  • \(Pr(M_2\mid A) = Pr(M_2) = 0{,}3\)

Solution

Nach Bayes’ Theorem gilt \(Pr(M_2\mid A) = \dfrac{Pr(M_2)\cdot Pr(A\mid M_2)}{Pr(A)} = \dfrac{0{,}3\cdot 0{,}06}{0{,}053} \approx 0{,}340\).

Warum die Distraktoren falsch sind:

  • Die zweite Option berechnet nur den Zähler (\(Pr(M_2)\cdot Pr(A|M_2)\)), vergisst aber die Division durch die Evidenz \(Pr(A)\) – ohne diese Standardisierung ist das Ergebnis keine gültige bedingte Wahrscheinlichkeit.
  • Die dritte Option verwendet versehentlich die Werte von Maschine 1 (\(Pr(M_1)\cdot Pr(A|M_1)\)) statt der von Maschine 2 im Zähler – das beantwortet eine andere Frage, nämlich \(Pr(M_1|A)\).
  • Die vierte Option kehrt den Bruch um (Evidenz geteilt durch Zähler statt umgekehrt); das Ergebnis ist größer als 1 und kann daher keine gültige Wahrscheinlichkeit sein.
  • Die fünfte Option gibt schlicht die Apriori-Wahrscheinlichkeit \(Pr(M_2)=0{,}3\) zurück, ohne die neue Information (dass das Teil Ausschuss ist) über die Likelihood und die Bayes-Formel überhaupt einzubeziehen.

Aufgabenname: bayes-theorem-maschinen-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

exname: bayes-theorem-maschinen-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes