Bayes-Update für Biosignaturen

Wie Basisrate und Testqualität die Posterior-Wahrscheinlichkeit nach einem positiven Biosignatur-Signal bestimmen

Rechenbeispiel — Bayes-Update für Biosignaturen

Fehlalarmanteil	83.94%
Beweiskraft (Bayes-Faktor)	9.38×
Posterior-Chance	0.191 : 1
Prior-Wahrscheinlichkeit für Leben P(L)	2%
Empfindlichkeit P(+\|L)	75%
Falsch-positiv-Rate P(+\|¬L)	8%
P(L) → P(L\|+)	2% → 16.06%

Das sind die Werte, die der Rechner beim Öffnen der Seite anzeigt. Ändere oben eine Eingabe, um sie neu zu berechnen.

Interaktive Simulation wird geladen...

Ein besseres Teleskop kann die Falsch-Positiv-Rate nicht senken 🖖

Man nimmt naturgemäß an, ein schärferes Instrument mache einen Nachweis vertrauenswürdiger, doch die Falsch-Positiv-Rate in dieser Rechnung ist größtenteils überhaupt keine Eigenschaft des Instruments. Sauerstoff kann sich auch ohne Leben ansammeln, aus Wasserdampf, den ultraviolettes Licht aufspaltet. Für Phosphin sind abiotische Wege vorgeschlagen worden, weshalb die Venus-Behauptung von 2020 unmittelbar in eine Debatte über Geochemie überging und nicht über Teleskopqualität. Methan tritt aus Gestein genauso bereitwillig aus wie aus Organismen. Wenn die Verwechslung in der Chemie steckt, berühren Auflösung und Empfindlichkeit sie nicht — sie machen nur sicherer, dass das Molekül vorhanden ist, und das war nie der unsichere Teil. Das Einzige, was den Posterior verschiebt, ist eine zweite Evidenzlinie, die auf andere Weise versagt.

Warum ein Treffer keine Bestätigung ist 🖖

Wie präzise dein Instrument ist, zählt weit weniger als die Frage, wie selten Leben überhaupt vorkommt. Wenn nur 1 von 1000 Planeten Leben beherbergt, schlägt selbst ein Detektor mit 90 % Sensitivität und einer Falsch-positiv-Rate von 2 % überwiegend bei unbelebten Welten an. Die A-posteriori-Wahrscheinlichkeit liegt dann bei knapp 4 %, weil die seltenen echten Funde in der Flut der Fehlalarme untergehen. Bevor du einem positiven Signal vertraust, frag dich, wie wahrscheinlich Leben vor der Messung war.

Derselbe Fehler, der Unschuldige einsperrt 🖖

Ein Positiv als „Leben bestätigt“ zu lesen, ist der Anklägerfehlschluss (prosecutor's fallacy) — man vertauscht P(Signal | kein Leben) mit P(kein Leben | Signal). Gerichte begingen genau diesen Fehler: Im Fall Sally Clark (1999) wurde die winzige Zufallswahrscheinlichkeit der Beweise fälschlich als Wahrscheinlichkeit ihrer Unschuld dargestellt und half, eine Mutter zu verurteilen, die 2003 rehabilitiert wurde. Die niedrige Falsch-Positiv-Rate deines Detektors ist nicht die Wahrscheinlichkeit, dass die Welt leblos ist.

Aufgabe vollständig gelöst

Ein positiver Biosignatur-Test bei einer Lebenswahrscheinlichkeit von 16% 5 Schritte
Ein Biosignatur-Test fällt positiv aus — und die Wahrscheinlichkeit für Leben liegt bei 16%. Begründen Sie, warum das so ist, und ermitteln Sie dann, für die Verbesserung welcher der beiden Kennzahlen des Tests Sie tatsächlich Geld ausgeben würden.
1. Der Satz von Bayes gewichtet die zwei Wege, auf denen ein positives Ergebnis entstehen kann: einen echten Nachweis oder einen Fehlalarm. Beide sind Wahrscheinlichkeiten der Evidenz, und die Apriori-Wahrscheinlichkeit entscheidet darüber, wie viel von beidem von vornherein vorliegt.
  
  $P (L ∣ +) = \frac{P ( + ∣ L ) P ( L )}{P ( + ∣ L ) P ( L ) + P ( + ∣ \neg L ) P ( \neg L )}$
2. Einsetzen liefert 0,0150 richtig Positive gegenüber 0,0784 falsch Positiven. Die Fehlalarme überwiegen die echten Nachweise im Verhältnis fünf zu eins, und am Test ist nichts defekt — die Apriori-Wahrscheinlichkeit ist schlicht gering.
  
  $= \frac{0.75 \times 0.02}{0.75 \times 0.02 + 0.08 \times 0.98} = \frac{0.0150}{0.0150 + 0.0784}$
3. Ein positives Ergebnis ergibt somit 16,06% für Leben und 83,94% für einen Fehlalarm. Dies ist dieselbe Arithmetik wie bei einem medizinischen Screening auf eine seltene Krankheit, und sie überrascht die Menschen auf genau dieselbe Weise.
  
  $= \frac{0.0150}{0.0934} = 16.06% ⟹ 83.94% false alarms$
4. Die Odds-Form macht die Struktur sichtbar: Apriori-Odds multipliziert mit dem Likelihood-Quotienten. Der Test liefert einen Faktor von 9,375, was reale Evidenz darstellt — er geht lediglich von einer Chance von 1 zu 49 aus.
  
  $odds : \frac{0.02}{0.98} \times \frac{0.75}{0.08} = 0.0204 \times 9.375 = 0.191$
5. Variieren Sie nun die beiden Eingaben. Eine Erhöhung der Sensitivität von 0,75 in Richtung 1 kann die Evidenz um maximal das 1,33-Fache steigern. Eine Senkung der Falsch-Positiv-Rate von 0,08 auf 0,01 multipliziert sie mit acht, und die Aposteriori-Wahrscheinlichkeit steigt auf 60,5%.
  
  $fpr = 0.01 \Rightarrow 60.5%; 0.005 \Rightarrow 75.4%; 0.001 \Rightarrow 93.9%$
Antwort

Das Werkzeug gibt eine Aposteriori-Wahrscheinlichkeit von 16,06%, einen Fehlalarm-Anteil von 83,94% und einen Bayes-Faktor von 9,38 aus. Der handlungsrelevante Teil ist Schritt 5. Die Sensitivität ist nach oben durch 1 beschränkt, sodass ihre Verbesserung einer Obergrenze unterliegt; die Falsch-Positiv-Rate hat keine Untergrenze, weshalb dort der Hebel liegt. Bei einer Falsch-Positiv-Rate von 0,001 würde dasselbe positive Ergebnis 93,9% bedeuten. Aus diesem Grund wird bei Behauptungen über Biosignaturen eher über den Ausschluss abiotischer Erklärungen gestritten als über die Nachweisstärke — im Nenner spielt sich der gesamte Kampf ab.

$posterior odds = prior odds \times \frac{sens}{fpr} : the DENOMINATOR is the lever$

Lernpfad

Prioren und woher sie kommen

Quellen (2)

Insight block 1 — the phosphine claim that moved straight into a geochemistry dispute: J. S. Greaves et al., "Phosphine gas in the cloud decks of Venus." Nature Astronomy 5, 655–664, 2020.
Insight block 3 — the fallacy by its courtroom name: W. C. Thompson and E. L. Schumann, "Interpretation of statistical evidence in criminal trials: The prosecutor's fallacy and the defense attorney's fallacy." Law and Human Behavior 11(3), 167–187, 1987.

Vom 42Math-Team · Aktualisiert 2026-07-16

Anhand veröffentlichter Quellen geprüft. Korrekturen willkommen. Redaktionsrichtlinie · Korrekturen

Alle Lektionen: Biologie & Chemie →

Beispielaufgaben

Optimistisch - Bei einer A-priori-Wahrscheinlichkeit von 0,2 und einem Test mit 85 % Sensitivität steigt die A-posteriori-Wahrscheinlichkeit auf 81,0 %. Selbst hier ist jedes fünfte positive Ergebnis ein Fehlalarm.
Ausgewogen - Der Fall aus der Beispielrechnung: A-priori-Wahrscheinlichkeit 0,02, Sensitivität 75 %, Falsch-positiv-Rate 8 %, A-posteriori-Wahrscheinlichkeit 16,1 %. Vierundachtzig von hundert positiven Ergebnissen sind Fehlalarme.
Seltenes Leben - Bei einer A-priori-Wahrscheinlichkeit von 1 zu 1000 liefert ein Detektor mit 90 % Sensitivität einen Wert von 4,3 %. Das Instrument ist nahezu perfekt, dennoch sind 96 von 100 positiven Ergebnissen falsch.
Strenger Test - Die A-priori-Wahrscheinlichkeit ist ungünstiger als bei „Ausgewogen“ (0,01 gegenüber 0,02), ebenso die Sensitivität (70 % gegenüber 75 %). Trotzdem werden 58,6 % statt 16,1 % erreicht. Besser ist allein die Falsch-positiv-Rate: 0,5 % gegenüber 8 %.