Kansberekening: de basis van waarschijnlijkheid
Van basisformules tot voorwaardelijke kans — leer hoe waarschijnlijkheid echt werkt met duidelijke voorbeelden.
Wat is kansberekening?
Kansberekening — in het Nederlands ook wel kansrekening of waarschijnlijkheidsrekening genoemd — is het wiskundige vakgebied dat zich bezighoudt met het kwantificeren van onzekerheid. Het biedt een systematisch raamwerk om de waarschijnlijkheid van toekomstige gebeurtenissen te bepalen op basis van bekende gegevens.
De oorsprong van de kansrekening gaat terug naar de 17e eeuw, toen wiskundigen als Blaise Pascal en Pierre de Fermat briefwisselden over dobbelsteenproblemen. Sindsdien is het uitgegroeid tot een fundamenteel onderdeel van de wiskunde, met toepassingen in de statistiek, verzekeringswiskunde, natuurkunde, informatica en risicobeheer.
In deze gids behandelen we de kernconcepten stap voor stap, van de basisformule tot voorwaardelijke kans, met concrete voorbeelden die je direct kunt toepassen.
De basisformule
De klassieke definitie van kans, geformuleerd door Pierre-Simon Laplace, luidt: de kans op een gebeurtenis is het aantal gunstige uitkomsten gedeeld door het totale aantal mogelijke uitkomsten, mits alle uitkomsten even waarschijnlijk zijn.
P(A) = gunstige uitkomsten / totaal aantal uitkomsten
Stel dat je een standaard dobbelsteen gooit en wilt weten hoe groot de kans is op een zes. Er is 1 gunstige uitkomst (de zes) en er zijn 6 mogelijke uitkomsten in totaal:
P(6) = 1/6 ≈ 0,167 ofwel 16,67%.
De uitkomst van een kansberekening ligt altijd tussen 0 (onmogelijk) en 1 (zeker). Een kans van 0,5 betekent dat de gebeurtenis in de helft van de gevallen verwacht wordt — denk aan kop of munt bij een eerlijke munt.
Voorbeeld: kaarten trekken
Een standaard kaartspel bevat 52 kaarten. De kans om een aas te trekken is:
P(aas) = 4/52 = 1/13 ≈ 7,69%
De kans op een hartenkaart: P(harten) = 13/52 = 1/4 = 25%.
Complementaire kans
De complementaire kans is de kans dat een gebeurtenis niet plaatsvindt. Aangezien de totale kansruimte altijd gelijk is aan 1, geldt:
P(niet A) = 1 − P(A)
Als de kans op regen morgen 30% is, dan is de kans dat het niet regent: 1 − 0,30 = 0,70 (70%). Dit principe is bijzonder nuttig wanneer het eenvoudiger is om de kans op het tegenovergestelde te berekenen. De kans om minstens één zes te gooien in vier worpen bereken je bijvoorbeeld het snelst via de complementaire kans: P(minstens één 6) = 1 − P(geen enkele 6) = 1 − (5/6)⁴ ≈ 51,77%.
Onafhankelijke vs afhankelijke gebeurtenissen
Twee gebeurtenissen zijn onafhankelijk als het optreden van de ene geen invloed heeft op de kans van de andere. Klassieke voorbeelden zijn opeenvolgende muntworpen of dobbelsteenworpen: elke worp is volkomen los van de vorige.
Twee gebeurtenissen zijn afhankelijk als het optreden van de ene de kans van de andere verandert. Wanneer je zonder teruglegging kaarten trekt uit een spel, verandert de samenstelling van het resterende spel na elke trek.
Voorbeeld: de kans om twee opeenvolgende azen te trekken (zonder terugleggen):
- Eerste aas: P = 4/52
- Tweede aas (gegeven eerste aas): P = 3/51
- Gecombineerd: (4/52) × (3/51) = 12/2652 ≈ 0,45%
Dit onderscheid is van groot belang. Een veelvoorkomende denkfout — de gambler's fallacy — ontstaat juist doordat mensen onafhankelijke gebeurtenissen behandelen alsof ze afhankelijk zijn.
Voorwaardelijke kans P(A|B)
Voorwaardelijke kans beschrijft de kans op een gebeurtenis A, gegeven dat gebeurtenis B al heeft plaatsgevonden. De notatie P(A|B) lees je als "de kans op A, gegeven B". De formule luidt:
P(A|B) = P(A ∩ B) / P(B)
Hierbij is P(A ∩ B) de kans dat zowel A als B optreedt, en P(B) de kans op B. Voorwaarde: P(B) > 0.
Voorbeeld
In een groep van 200 studenten studeren 120 wiskunde (W) en 80 informatica (I). Van de wiskundestudenten volgen 30 ook informatica. Wat is de kans dat een willekeurige wiskundestudent ook informatica volgt?
P(I|W) = P(I ∩ W) / P(W) = (30/200) / (120/200) = 30/120 = 25%
Voorwaardelijke kans vormt de basis van de stelling van Bayes, een krachtig hulpmiddel om kansen bij te stellen wanneer nieuwe informatie beschikbaar komt. Het wordt breed toegepast in medische diagnostiek, spamfilters en data-analyse.
Vermenigvuldigings- en somregel
Er zijn twee fundamentele rekenregels die het mogelijk maken om kansen van samengestelde gebeurtenissen te berekenen.
Vermenigvuldigingsregel
De kans dat twee onafhankelijke gebeurtenissen allebei optreden, is het product van hun individuele kansen:
P(A én B) = P(A) × P(B)
Voorbeeld: de kans op twee keer kop bij twee muntworpen = 0,5 × 0,5 = 0,25 (25%).
Bij afhankelijke gebeurtenissen wordt de formule: P(A én B) = P(A) × P(B|A).
Somregel
De kans dat minstens één van twee gebeurtenissen optreedt:
P(A of B) = P(A) + P(B) − P(A én B)
Als A en B elkaar uitsluiten (ze kunnen niet tegelijk optreden), valt de laatste term weg: P(A of B) = P(A) + P(B).
Voorbeeld: de kans om met een dobbelsteen een 2 of een 5 te gooien = 1/6 + 1/6 = 2/6 ≈ 33,33%.
Overzichtstabel: veelvoorkomende kansen
Onderstaande tabel toont de kansen bij standaard kansexperimenten, berekend met de basisformule.
| Experiment | Gebeurtenis | Berekening | Kans |
|---|---|---|---|
| Muntworpje | Kop | 1/2 | 50,00% |
| Dobbelsteen | Specifiek getal | 1/6 | 16,67% |
| Dobbelsteen | Even getal | 3/6 | 50,00% |
| Twee dobbelstenen | Totaal 7 | 6/36 | 16,67% |
| Twee dobbelstenen | Dubbel zes | 1/36 | 2,78% |
| Kaartspel (52) | Specifieke kaart | 1/52 | 1,92% |
| Kaartspel (52) | Een aas | 4/52 | 7,69% |
| Kaartspel (52) | Harten | 13/52 | 25,00% |
| Twee muntworpen | Beide kop | (1/2)² | 25,00% |
| Drie muntworpen | Alle drie kop | (1/2)³ | 12,50% |
De wet van de grote aantallen
De wet van de grote aantallen is een fundamentele stelling in de kansrekening die stelt dat het gemiddelde van de resultaten van een groot aantal onafhankelijke, identieke experimenten convergeert naar de verwachte waarde naarmate het aantal experimenten toeneemt.
Concreet: als je een eerlijke munt 10 keer opgooit, kan het resultaat 7 keer kop en 3 keer munt zijn (70% kop). Maar als je de munt 10.000 keer opgooit, zal het percentage kop zeer dicht bij 50% liggen. Hoe meer herhalingen, hoe stabieler het relatieve aandeel wordt.
Dit principe heeft belangrijke gevolgen:
- Statistische conclusies op basis van kleine steekproeven zijn onbetrouwbaar.
- Casinohuizen en verzekeraars zijn winstgevend omdat ze over grote aantallen opereren.
- De expected value realiseert zich pas op de lange termijn.
Het is cruciaal om te begrijpen dat de wet van de grote aantallen niet betekent dat korte-termijn afwijkingen worden "gecorrigeerd". Elke individuele worp of trekking blijft willekeurig. Wie dit verwart, vervalt in de gambler's fallacy.
Praktisch voorbeeld
Stel: je gooit vier keer met een eerlijke dobbelsteen. Hoe groot is de kans dat je minstens één keer een zes gooit?
Stap 1 — Complementaire kans gebruiken:
Het is eenvoudiger om eerst de kans te berekenen dat je géén enkele zes gooit. De kans op "niet zes" per worp is 5/6.
Stap 2 — Vermenigvuldigingsregel toepassen:
Omdat de worpen onafhankelijk zijn: P(geen 6 in 4 worpen) = (5/6)⁴ = 625/1296 ≈ 0,4823
Stap 3 — Complementaire kans berekenen:
P(minstens één 6) = 1 − 0,4823 = 0,5177 ≈ 51,77%
Conclusie: bij vier worpen heb je iets meer dan 50% kans om minstens één zes te gooien. Dit klassieke probleem, dat teruggaat tot de Chevalier de Méré in de 17e eeuw, illustreert perfect hoe complementaire kans en de vermenigvuldigingsregel samenwerken.