Über das Geburtstagsparadoxon
Das Geburtstagsparadoxon ist ein kontraintuitives Wahrscheinlichkeitsergebnis: In einer Gruppe von nur 23 Personen übersteigt die Wahrscheinlichkeit, dass mindestens zwei denselben Geburtstag haben, 50%; bei einer Gruppe von 70 Personen erreicht sie 99,9%. Die exakte Formel lautet: P(Übereinstimmung) = 1 − (365/365) × (364/365) × (363/365) × … × ((365−n+1)/365). Der kombinatorische Ansatz unter Berücksichtigung aller Paare: Bei n Personen gibt es n(n−1)/2 Paare, und eine Übereinstimmung in mindestens einem davon tritt viel schneller ein, als es scheint. Bei n = 23 gibt es bereits 253 solcher Paare.
Klicke im Simulator auf „Personen hinzufügen", um die Arena mit zufälligen Personen und zufälligen Geburtstagen zu füllen, oder gib die gewünschte Anzahl manuell ein und klicke auf „Starten". Rote Linien verbinden Paare mit demselben Datum. Das Diagramm rechts zeigt die theoretische Wahrscheinlichkeitskurve zusammen mit der kumulierten empirischen Trefferrate. Beobachte, wie bereits bei 23 Personen Theorie und Experiment die 50%-Marke überschreiten.
Häufig gestellte Fragen
Warum ergeben 23 Personen 50% und nicht 183 (die Hälfte von 365)?
Die Intuition schlägt vor, eine Person mit einem bestimmten Datum zu vergleichen — und dann wären tatsächlich ~183 Personen nötig. Das Paradoxon entsteht jedoch, weil eine Übereinstimmung zwischen jedem beliebigen Paar unter allen n Personen auftreten kann. Bei n = 23 gibt es 253 Paare, und jedes Paar hat eine Chance von 1/365 auf eine Übereinstimmung. Die Summe der Wahrscheinlichkeiten über alle Paare liegt bereits über 0,5, zuzüglich einer geringfügigen negativen Korrektur für Abhängigkeiten — daher 50,7%.
Berücksichtigt der Simulator nur das Datum oder auch das Geburtsjahr?
Das klassische Geburtstagsparadoxon berücksichtigt nur das Datum (1 von 365) und ignoriert Jahr und Schaltjahre. Der Simulator folgt dieser Annahme und verteilt die Geburtstage gleichmäßig auf 365 Positionen. Echte Geburtstage sind ungleich verteilt (in den meisten Ländern gibt es mehr Geburten im August–September), sodass die tatsächliche 50%-Schwelle für reale Daten geringfügig abweicht — der Unterschied ist jedoch klein, nur wenige Personen.
Welche praktische Anwendung hat das Geburtstagsparadoxon in der Kryptografie?
Der „Geburtstagsangriff" ist eine Klasse von Angriffen auf Hash-Funktionen. Um eine Kollision in einem Hash-Raum der Größe 2^N zu finden, genügt es, ~2^(N/2) Nachrichten durchzuprobieren, statt der erwarteten 2^N — denn die Logik ist dieselbe: Wir suchen eine Übereinstimmung zwischen einem beliebigen Paar. Deshalb verlangen kryptografische Standards Hashes von mindestens 256 Bit: 2^128 Versuche für eine Kollision sind für jeden Computer immer noch unerreichbar.
Wie berechnet man die exakte Wahrscheinlichkeit für eine beliebige Gruppe?
P(mindestens eine Übereinstimmung | n Personen) = 1 − P(keine Übereinstimmung) = 1 − 365!/( (365−n)! × 365ⁿ ). Eine praktischere rekursive Berechnung: P(Übereinstimmung nach der k-ten Person) = 1 − (1 − P(keine Übereinstimmung, k−1)) × (365−k+1)/365. Beginnend mit P = 0 bei k = 1, füge jedes Mal den nächsten Faktor hinzu — und du erhältst dieselbe Kurve, die der Simulator erzeugt.
Was passiert, wenn der Ereignisraum nicht 365, sondern größer ist?
Bei einer Raumgröße d (zum Beispiel für die Sekunde im Jahr d ≈ 31,5 Mio.) verschiebt sich die 50%-Schwelle auf ~√(d × ln 2) ≈ 0,83√d. Für 365 ergibt das ≈15,9 — Übereinstimmung mit der Formelberechnung. Anwendung: Anzahl der MAC-Adressen in einem Netzwerk, UUID-Kollisionen (d = 2^122) — hier erfordert die 50%-Schwelle ~2^61 generierte Werte, weshalb UUID4 in der Praxis sicher ist.
Warum erscheint das Ergebnis psychologisch so unerwartet?
Menschen vergleichen automatisch eine neue Person mit ihrem eigenen Geburtstag, statt alle möglichen Paare innerhalb der Gruppe zu berücksichtigen. Diese kognitive Verzerrung wird als „Fixierung auf die egozentrische Perspektive" bezeichnet. Ein ähnlicher Fehler tritt beim „Monty-Hall"-Problem auf: Wir passen unsere Intuition nicht an die quadratisch wachsende Anzahl alternativer Ereignisse an.
Wie ändert sich das Ergebnis für drei Personen mit demselben Datum?
Sucht man nicht nach einem Paar, sondern nach einem Trio mit demselben Geburtstag, steigt die 50%-Schwelle auf n ≈ 88 Personen. Das Problem „k Personen mit Übereinstimmung" ist ein verallgemeinertes Geburtstagsparadoxon, bei dem die benötigte Personenzahl als d^((k−1)/k) skaliert, wobei d = 365. Jede weitere Übereinstimmungsstufe erfordert eine deutlich größere Gruppe.
Kann man das Paradoxon an echten Menschen „erleben"?
Ja! Wähle eine beliebige Gruppe von 30–35 Studierenden und lasse sie der Reihe nach ihre Geburtstage nennen — eine Übereinstimmung ist fast garantiert (~70%). Seit Jahrzehnten ist dies eine Standarddemonstration im Statistikunterricht. Ein weiteres Beispiel: In jeder Meisterschaft der Premier League (20 Mannschaften, je 25 Spieler) tritt eine Geburtstagsübereinstimmung innerhalb einer Mannschaft fast jede Saison auf.
Was ist das „verallgemeinerte Geburtstagsparadoxon" in der Hash-Theorie?
In der Kryptografie interessiert uns nicht nur die erste Kollision, sondern auch die Verteilung der Anzahl der Kollisionen in einer großen Menge. Wenn n >> √d, dann ist die erwartete Anzahl der Kollisionen ≈ n²/(2d). Für Hash-Tabellen bedeutet das: Bei einer Füllung von bis zu 70% der Kapazität sind Kollisionen unvermeidlich und häufiger. Algorithmen mit offener Adressierung und Verkettung sind eine direkte Folge des Geburtstagsparadoxons in Datenstrukturen.