Bayes-Theorem-Rechner
Der Bayes-Theorem-Rechner verwandelt eine A-priori-Wahrscheinlichkeit, eine Sensitivität (Richtig-Positiv-Rate) und eine Falsch-Positiv-Rate in die A-posteriori-Wahrscheinlichkeit einer Hypothese nach Beobachtung eines Beweises.
Im Browser ausführen – kostenlos
Dies ist die standardmäßige binäre Aktualisierung, die in diagnostischem Denken, Qualitätskontroll-Alarmen, Spamfilter-Skizzen und Unterrichtsaufgaben zu seltenen Krankheiten und unvollkommenen Tests verwendet wird. Sie geben drei Zahlen im geschlossenen Einheitsintervall an: wie häufig die Hypothese ist, bevor der Test gesehen wird, wie oft der Beweis erscheint, wenn die Hypothese wahr ist, und wie oft er erscheint, wenn die Hypothese falsch ist. Die Engine liefert das Posterior P(H gegeben E), die marginale Beweiswahrscheinlichkeit P(E), die Spezifität eins minus die Falsch-Positiv-Rate und das positive Likelihood-Verhältnis, wenn es endlich ist. Jede Wahrscheinlichkeit außerhalb von null bis eins wird mit invalid_input zurückgewiesen statt begrenzt, sodass fehlerhafte Tabellenkalkulationen und Off-by-one-Prozentwerte ein Ergebnis nicht stillschweigend verfälschen können. Die Arithmetik ist rein deterministische Gleitkomma-Berechnung ohne Netzwerk-, Zufalls- oder Uhrzeitabhängigkeit, sodass dasselbe Tripel immer dasselbe JSON ergibt. Erkunden Sie kostenlos im Browser, oder rufen Sie die API für $0.002 pro erfolgreicher Anfrage auf, wenn Sie reproduzierbare Bayes-Fixtures in CI, Lehr-Demos oder automatisierten Entscheidungspipelines benötigen.
So verwenden Sie das Werkzeug
Geben Sie Ihre Werte in das Formular oben ein. Das Werkzeug prüft sie vor der Berechnung und zeigt das Ergebnis auf derselben Seite.
Eingaben prüfen
Beachten Sie die Beschriftungen und Einheiten der Felder. Fehlt etwas oder liegt ein Wert außerhalb des erlaubten Bereichs, zeigt die Seite das zu korrigierende Feld.
Erneut berechnen oder automatisieren
Nutzen Sie das Web-Werkzeug für einzelne Prüfungen und die API, wenn Sie dieselbe Funktion automatisieren möchten.
Anwendungsfälle
Sofort ein Ergebnis erhalten
Geben Sie einen Satz Werte ein und sehen Sie das Ergebnis ohne Tabellenkalkulation oder Skript.
Szenarien vergleichen
Ändern Sie jeweils einen Wert und berechnen Sie erneut, um den Einfluss auf das Ergebnis zu sehen.
Wiederholte Aufgaben automatisieren
Nutzen Sie die API, wenn dieselbe Berechnung in Ihrem Produkt oder Ablauf laufen soll.
Häufige Fragen
Wie verwende ich diese Funktion?
Füllen Sie die Felder oben aus und starten Sie sie auf dieser Seite. Das Formular markiert Angaben, die korrigiert werden müssen.
Für Entwickler — API-Zugang
Alles auf dieser Seite ist auch per API verfügbar. Dieser Abschnitt richtet sich an Teams, die es in ihre eigenen Systeme einbinden möchten; alle anderen nutzen einfach das Tool oben.
Endpunkt
Authentifizierung per Bearer-Token. Ein einziger POST stellt die Aufgabe in die Warteschlange; das Ergebnis erhalten Sie per Webhook oder über einen signierten Link.
Aufruf aus Ihrem Stack
curl -X POST https://api.kit.forhosting.com/prob/bayes-theorem \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"prior":0.01,"sensitivity":0.99,"false_positive_rate":0.05}'const res = await fetch("https://api.kit.forhosting.com/prob/bayes-theorem", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"prior": 0.01,
"sensitivity": 0.99,
"false_positive_rate": 0.05
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/prob/bayes-theorem",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"prior": 0.01,
"sensitivity": 0.99,
"false_positive_rate": 0.05
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/prob/bayes-theorem", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"prior":0.01,"sensitivity":0.99,"false_positive_rate":0.05}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"prior":0.01,"sensitivity":0.99,"false_positive_rate":0.05}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/prob/bayes-theorem", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Beispiel-Anfrage
{
"prior": 0.01,
"sensitivity": 0.99,
"false_positive_rate": 0.05
}Beispiel-Antwort
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "prob.bayes_theorem",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}Die API arbeitet asynchron: Sie erhalten sofort eine task_id. Polling ist mit 1 Anfrage pro Sekunde erlaubt.
Preis
Der Preis steht auf der Seite – keine Tokens, keine Credits. Fehlgeschlagene Aufgaben werden nicht berechnet.
Fehler
| HTTP | Code | Bedeutung |
|---|---|---|
401 | unauthorized | Der API-Schlüssel fehlt oder ist ungültig – prüfen Sie den Authorization-Header (Bearer). |
402 | insufficient_balance | Ihr Guthaben reicht für diese Aufgabe nicht aus – Aufladungen verfallen nicht. |
404 | unknown_type | Unbekannter Aufgabentyp – prüfen Sie das Feld „type“ gegen den Katalog. |
429 | rate_limited | Zu viele Anfragen – warten Sie kurz; Polling ist mit 1 Anfrage pro Sekunde erlaubt. |