条件概率与全概率

文字表述: 「A 已经发生」相当于世界变小了——原来的全集 Ω 不算数了，现在只剩 A 这块地盘。B 在新世界里的占比，就是 A 与 B 的交集 AB 占 A 的比例。用古典概型的数数版更直观:

⚠ P(B|A) 和 P(AB) 完全不同!P(AB) 分母是整个 Ω;P(B|A) 分母是 A（更小）。所以一般 P(B|A) > P(AB)。看到「已知/在…条件下/如果第一次是…」就是条件概率，分母要换。

把条件概率的式子两边乘 P(A) 就得到它。含义:要 A 和 B 都发生，先让 A 发生（概率 P(A)），再在「A 已发生」的前提下让 B 发生（概率 P(B|A)），两步概率相乘。这是「不放回连续抽取」的看家公式。

推广到多步(链式)

三次连抽:第一步的概率 × 第二步在第一步已发生下的概率 × 第三步在前两步已发生下的概率。每一步的分母都因为「前面已经抽走了」而改变。

⚠ 乘法公式里第二个因子是条件概率 P(B|A)，不是 P(B)。只有独立时才能换成 P(B)。不放回抽取绝不独立——第一次抽走会改变第二次的分母和分子。

当 B 的发生「有好几条不同的路径/来源」时，就把这些原因 A₁,A₂,…,Aₙ 列全（要互斥且完备，即两两不同时发生、且合起来铺满整个 Ω），分别算 B 在每个原因下的概率，再加权求和:

人话: B 可能从「第一台机器」来、从「第二台机器」来……把每条来路的「先走到这条路的概率 × 走上这条路后 B 发生的概率」全加起来，就是 B 的总概率。相当于把总面积按原因切成几块，每块单独算好再拼回去。

⚠ 分类必须既互斥又完备:漏了一类，概率加不到 1;类之间有重叠，就会重复计数。典型:「两批产品」「两台机器」「三条路线」——先确认它们不重不漏。

全概率是「已知原因 → 求结果概率」;贝叶斯反过来:「已经看到结果 B 了，反问它最可能来自哪个原因 Aᵢ」。

人话: 分子 = 「这个原因贡献的那一块」，分母 = 全概率（所有块的总和）。所以贝叶斯就是「你那块占总块的比例」。分母正是上一节的全概率公式，先算全概率、再回头算比例，两步走。

⚠ 别把 P(Aᵢ|B) 和 P(B|Aᵢ) 弄反!前者「已知次品，问哪台机器造的」，后者「已知是这台机器，问次品率」——条件和结论刚好对调，值通常也不同。

人话: 「独立」= 知道 A 发生了，对 B 的概率毫无影响（P(B|A)=P(B)，缩小分母也没变）。此时乘法公式里的 P(B|A) 就退化成 P(B)，于是 P(AB)=P(A)P(B)——两个概率直接相乘。放回抽取、两次独立掷骰子都属此类。

独立 ≠ 互斥（最经典陷阱）

⚠ 独立和互斥是两回事，还常常打架!互斥是「不能同时」，独立是「互不影响」。两个正概率事件不可能既独立又互斥（因为互斥时 A 发生 B 就绝不发生，这恰恰是最强的「影响」）。

同一个抽球，放回与不放回是条件概率里最能考察「独立 / 乘法公式」的对照。

⚠ 判断题里「有放回」三个字是关键开关:有放回→独立→直接相乘;没有放回→条件概率变化→老实用乘法公式，第二步分母要减 1。

题型A — 直接缩样本空间(古典概型数数)

触发信号:「已知第一次…，求第二次…」「在…的条件下」，且事件可以列举/数个数。

标准动作:把「条件 A」当成新的样本空间，直接数 n(A) 和 n(AB)，P(B|A)=n(AB)/n(A)。或用 P(B|A)=P(AB)/P(A)。

示例(带解):掷一颗骰子，已知点数为偶数(A={2,4,6})，求它大于 3(B={4,5,6})的概率。缩到 A 里:A 有 3 个，其中大于 3 的是 {4,6} 共 2 个。P(B|A)=2/3。

陷阱:仍用整个 Ω 当分母（算成 2/6）;把 P(B|A) 当成 P(AB)。

题型B — 乘法公式(不放回连续抽取)

触发信号:「不放回」「依次取出」「连续抽两张牌」，问「都是…」「第一…且第二…」。

标准动作:P(AB)=P(A)·P(B|A)，第二步分母减 1、分子按第一步结果调整。多步用链式乘。

示例(带解):盒中 3 红 2 白，不放回取 2 个，求都是红。P(第1红)=3/5，P(第2红|第1红)=2/4。P(红红)=3/5×2/4=6/20=3/10。

陷阱:第二步仍用 3/5（忘了减）;误当独立直接 (3/5)²。

题型C — 全概率(分两批/两台机器/两条路)

触发信号:B 的发生「来自几种互斥情形」;「甲乙两厂供货」「第一/二批」「先分类再问总的」。

标准动作:先找一组互斥完备的原因 A₁…Aₙ，P(B)=ΣP(Aᵢ)P(B|Aᵢ)。常配树状图。

示例(带解):甲厂供 60% 次品率 5%，乙厂供 40% 次品率 10%。任取一件是次品的概率 P(B)=0.6×0.05+0.4×0.10=0.03+0.04=0.07。

陷阱:分类不互斥或不完备（概率加不到 1）;把各次品率直接相加（漏了权重占比）。

题型D — 贝叶斯(已知次品反推哪台机器)

触发信号:「已经抽到次品/阳性/结果 B，反问它来自哪个原因/哪台机器的概率」。

标准动作:先算全概率 P(B)（分母），再 P(Aᵢ|B)=P(Aᵢ)P(B|Aᵢ)/P(B)（你那块÷总块）。

示例(带解):接上例，已知取到次品，求它来自甲厂:P(甲|次)=0.6×0.05/0.07=0.03/0.07≈0.4286;来自乙厂 0.04/0.07≈0.5714。

陷阱:把 P(甲|次) 和 P(次|甲) 搞反;忘了先算全概率当分母。

题型E — 独立性判断

触发信号:「A、B 是否独立」「有放回」「两次掷骰子」;或给你 P(A)、P(B)、P(AB) 让你判断。

标准动作:验 P(AB)=P(A)P(B) 是否成立;成立即独立，可直接相乘;不成立则不独立，要用乘法公式。

示例(带解):P(A)=0.5，P(B)=0.4，P(AB)=0.2。P(A)P(B)=0.5×0.4=0.2=P(AB)，成立 → A、B 独立。若 P(AB)=0.15≠0.2 则不独立。

陷阱:把「互斥」当「独立」;仅凭「看起来无关」就断定独立，必须回到 P(AB)=P(A)P(B) 验算。

题型F — 树状图综合

触发信号:多步随机试验、分支多、既要乘法又要全概率;题干信息杂需要梳理结构。

标准动作:画树:每层一步，分支上标条件概率;沿路径相乘得该路径概率;把落到同一结果的路径概率相加（即全概率）。

示例(带解):先抛硬币定用哪个盒子（各 1/2），甲盒 2 红 1 白、乙盒 1 红 2 白，摸一个求红。P(红)=½×(2/3)+½×(1/3)=1/3+1/6=1/2。

陷阱:分支概率漏乘上一步的概率;把不同路径的红球概率算重或算漏。

① P(B|A) ≠ P(AB)!前者分母是 A（缩小后），后者分母是整个 Ω。P(B|A)=P(AB)/P(A)，一般前者更大。

② 全概率的分类必须既互斥又完备:两两不同时发生、且合起来铺满全集。漏一类概率加不满，重叠则重复计数。

③ 独立 ≠ 互斥（最经典陷阱）:独立是「互不影响」P(AB)=P(A)P(B);互斥是「不能同时」P(AB)=0。两个正概率事件不能既独立又互斥。

④ 乘法公式第二个因子是条件概率 P(B|A)，只有独立时才等于 P(B)。不放回抽取绝不独立。

⑤ 贝叶斯里 P(Aᵢ|B) 和 P(B|Aᵢ) 别弄反:一个由果推因，一个由因推果，条件与结论对调。

⑥ 不放回第二步分母要减 1，分子也随第一步结果变;别整体照抄第一步。

⑦ 全概率的每一项都是「占比 × 条件概率」两个因子相乘，别只加条件概率、漏了权重 P(Aᵢ)。

⑧ 贝叶斯的分母就是全概率:先算 P(B)，再回头求比例，顺序别乱。

① 贝叶斯 = 「先验→后验」的信念更新: 没看证据前，你对各原因的信念是先验 P(Aᵢ)（比如两台机器的产量占比）;看到证据 B（抽到次品）后，用 P(Aᵢ|B)=P(Aᵢ)P(B|Aᵢ)/P(B) 更新成后验。证据越「偏向某个原因」（该原因下 B 的概率越高），那个原因的后验就涨得越多。这就是「用数据修正猜测」的数学骨架，理解它，一整类反推题都一句话拆穿:后验 ∝ 先验 × 似然。

② 独立与互斥不能共存（除非有零概率事件）: 设 P(A)>0、P(B)>0。若互斥则 P(AB)=0，而独立要求 P(AB)=P(A)P(B)>0，矛盾——所以两个正概率事件不可能既独立又互斥。只有当至少一个事件概率为 0（几乎不可能发生）时，两者才能「勉强」同时成立（此时 0=0）。把「互斥⇒不独立」当成正概率下的定理记牢，选择题里「A、B 互斥所以独立」一律判错。

③ 四个公式其实是一棵树: 根 P(B|A)=P(AB)/P(A) → 移项得乘法 → 沿一组互斥完备原因把乘法项加起来得全概率 → 把某一项除以全概率总和得贝叶斯 → 当条件不改变概率时退化为独立。别把它们当四个孤立公式背，抓住「缩小分母」这一个动作，四个都是它的变身。

④ 树状图是万能脚手架: 任何多步随机试验都能画成树:每层一步，边上写条件概率，路径相乘、汇合相加。乘法公式=沿一条路径乘;全概率=把通向同一结果的多条路径加;贝叶斯=某条路径÷所有到达该结果的路径和。会画树，就不怕题干信息乱。