Die Bayessche Regel beschreibt, wie Wahrscheinlichkeiten angepasst werden, wenn neue Informationen eintreffen. Ein Spieler beginnt mit einer anfänglichen Wahrscheinlichkeit für bestimmte Ereignisse (A-priori-Wahrscheinlichkeit). Wenn er ein neues Signal oder eine Beobachtung erhält, passt er seine Einschätzungen an, basierend darauf, wie wahrscheinlich das Signal wäre, falls das Ereignis tatsächlich eintritt. So entsteht eine aktualisierte Wahrscheinlichkeit (A-posteriori-Wahrscheinlichkeit), die berücksichtigt, wie gut die neuen Informationen zur vorherigen Annahme passen. (vgl. Holler/Illing/Napel 2019, S. 53 f.)
Beispiel: Angenommen, ein Arzt vermutet, dass ein Patient eine bestimmte Krankheit hat, und schätzt die Wahrscheinlichkeit dafür zunächst auf 10 %. Der Arzt macht dann einen Test, der bei dieser Krankheit zu 90 % positiv ausfällt. Der Test ist positiv, also passt der Arzt seine Einschätzung an und erhöht die Wahrscheinlichkeit, dass der Patient tatsächlich erkrankt ist.
Holler, M. J.; Illing, G.; Napel, S. (2019): Einführung in die Spieltheorie. 8. Auflage. Berlin: Springer Gabler
Comments