Im Sommer 1654 schrieb ein französischer Aristokrat mit einem Spielproblem an den Mathematiker Blaise Pascal. Wenn zwei Spieler mitten in einem Glücksspiel unterbrochen werden — wie soll der Einsatz aufgeteilt werden? Die intuitiven Antworten widersprachen einander. Pascal wendete das Rätsel mit Pierre de Fermat in einem kurzen, glänzenden Briefwechsel hin und her, und gemeinsam erfanden sie die mathematische Theorie der Wahrscheinlichkeit — die Disziplin, die drei Jahrhunderte später Versicherungen, die Quantenmechanik, das maschinelle Lernen, die öffentliche Gesundheitspolitik und die gesamte empirische Methode der modernen Wissenschaft tragen würde. Das Glücksspielproblem war in wenigen Wochen gelöst. Die begriffliche Neuordnung dauerte hundert Jahre.
Die moderne Wahrscheinlichkeit ruht auf drei Axiomen, die Andrei Kolmogorow 1933 niederlegte: Wahrscheinlichkeiten sind nicht-negative Zahlen; die Wahrscheinlichkeit des gesamten Stichprobenraums ist 1; und die Wahrscheinlichkeiten disjunkter Ereignisse addieren sich. Aus diesem Minimum entrollt sich der Rest: die bedingte Wahrscheinlichkeit (die Chance auf A gegeben, dass B eingetreten ist), die Unabhängigkeit (wenn das Bedingen auf B die Wahrscheinlichkeit von A nicht ändert), Zufallsvariablen (numerische Funktionen von Ergebnissen), der Erwartungswert (der langfristige Durchschnitt einer Zufallsvariablen), die Varianz (ihre Streuung). Formal ist Wahrscheinlichkeit ein Maß auf einer Sigma-Algebra von Teilmengen des Stichprobenraums — eine Verbindung, die der gesamten Analysis-Maschinerie Tor und Tür öffnet. Zwei Deutungen der Zahlen koexistieren seit dem achtzehnten Jahrhundert. Frequentisten lesen eine Wahrscheinlichkeit als langfristige relative Häufigkeit: eine inhärente Eigenschaft eines wiederholbaren Experiments. Bayesianer lesen sie als Überzeugungsgrad, eine Zahl, die ein Akteur aktualisiert, sobald Evidenz eintrifft. Die Mathematik ist dieselbe; die philosophischen Festlegungen sind es nicht. Den größten Teil des zwanzigsten Jahrhunderts hindurch beherrschte der Frequentismus die angewandte Statistik. Die Wiederbelebung des Bayesianismus der vergangenen vierzig Jahre — getragen von billiger Rechenleistung und der Einsicht, dass viele reale Probleme nicht wiederholbar sind — hat Felder von der Genetik bis zur KI umgestaltet. Die tiefere Leistung der Theorie liegt darin, dass sie den Menschen eine präzise Sprache für das gab, was sie nicht wissen: nicht bloß ich bin unsicher, sondern hier ist die Gestalt meiner Ungewissheit, und hier, wie sie sich angesichts der Evidenz ändern soll.
Die Wahrscheinlichkeit ist heute die Betriebssprache der empirischen Wissenschaft: p-Werte in klinischen Studien, Posteriorverteilungen im maschinellen Lernen, Monte-Carlo-Simulation in der Physik, Risikomodelle in der Finanzwelt, probabilistische Vorhersagen in der Epidemiologie und Meteorologie. Die Replikationskrise in den Sozialwissenschaften war im Kern eine Krise des wahrscheinlichkeitstheoretischen Verständnisses — eine Generation von Forschern, die Nullhypothesen-Tests durchführten, ohne sie wirklich verstanden zu haben. Ob das alltägliche öffentliche Argumentieren je probabilistischer wird — ob Menschen lernen, in Verteilungen statt in Punktschätzungen zu denken —, bleibt eine offene Frage, mit Folgen von Wahlen bis zu Pandemien.