Interaktiver Explainer
Bayes-Update interaktiv
Wie verändert neue Erfahrung eine geschätzte Erfolgsquote? Wählen Sie einen Prior, ergänzen Sie Erfolge und Misserfolge und vergleichen Sie Posterior, 95-%-Intervall und die Wahrscheinlichkeit oberhalb Ihrer Schwelle. Kostenlos, ohne Anmeldung; Ihre Eingaben bleiben im Browser.
Bayes-Update live: Prior, Likelihood und Posterior
Dieser Explainer benötigt JavaScript. Die Rechnung dahinter: Aus einem Prior und Erfolgen in Versuchen wird der Posterior .
Für eine Konversions- oder Qualitätsquote muss zunächst feststehen, was als Erfolg zählt und welche Beobachtungen vergleichbar sind. Der Rechner zeigt die Unsicherheit über eine einzelne Quote; für den Vergleich zweier Varianten gibt es den Bayes-A/B-Test-Rechner.
So funktioniert der Explainer
Gesucht ist eine unbekannte Erfolgsquote – etwa die Konversionsrate einer Seite oder die Trefferquote eines Verfahrens. Die gestrichelte Kurve ist der Prior: Ihre Vorannahme, bevor Daten vorliegen. Jede Beobachtung ist ein Erfolg oder Misserfolg. Die orange Kurve zeigt die Likelihood dieser Daten, zur besseren Vergleichbarkeit auf Fläche 1 normiert. Die gefüllte Kurve ist der Posterior – das Produkt aus beidem, neu normiert.
Weil der Beta-Prior zur Binomial-Likelihood konjugiert ist, lässt sich das Update exakt angeben:
Das schattierte Band ist das zentrale 95-%-Kredibilitätsintervall; die Kennzahlen rechnen mit der exakten Beta-Verteilung, nicht mit einer Näherung.
Drei Dinge zum Ausprobieren
- Wenig Daten, starker Prior: Wählen Sie „Informiert“ und fügen Sie fünf Erfolge hinzu. Der Posterior bewegt sich kaum – das Vorwissen wiegt so viel wie 40 Beobachtungen.
- Viele Daten: Simulieren Sie mehrmals 50 Beobachtungen. Egal mit welchem Prior Sie starten, der Posterior konzentriert sich um das wahre .
- Schwelle: Verschieben Sie die Schwelle und beobachten Sie, wie sich verändert. Genau diese Größe braucht man für viele Entscheidungen.