高等数学 / 系统课时
条件概率
条件概率
条件概率解决“已经知道一件事发生后,另一件事有多大可能发生”的问题。关键不是增加一个额外条件,而是把原来的样本空间缩小到已知事件内部,再在这个新范围中计算比例。
学习目标
- 理解条件概率公式及其样本空间变化
- 会根据已知事件重新确定分母
- 能区分条件概率、联合概率与独立事件
从缩小样本空间开始
设事件 已经发生,那么所有不属于 的结果都被排除。此时研究事件 ,真正有效的结果是同时属于 和 的部分,即 。条件概率定义为
其中要求 。分母是已知事件 的概率,因为条件发生后, 就成为新的样本空间。

扑克牌示例
从一副 52 张标准扑克牌中随机抽取 1 张。已知抽到的是红牌,求它是红桃的概率。
原始样本空间有 52 张牌,但“已知是红牌”后,只剩 26 张红牌,其中 13 张是红桃。因此
也可以用定义验证:抽到红桃的概率是 ,抽到红牌的概率是 ,所以
这说明条件概率的核心是重新确定分母,而不是只在原概率后面附加一个条件。
与联合概率的关系
由定义可得乘法公式:
它表示“先发生 ,再在 已发生的条件下发生 ”。同理,也可以写成
两个表达式计算的是同一个交集概率,但条件方向不同。通常 与 不相等,不能交换。
条件概率与独立性
若事件 与 独立,知道 是否发生不会改变 的概率,因此。
此时联合概率满足 。反过来,如果条件发生后概率明显变化,就说明两个事件存在依赖关系。判断独立性时,应比较条件概率与原概率,而不是只看两个事件能否同时发生。
常见错误
最常见的错误是仍用原样本空间作为分母。例如在扑克牌示例中使用 52 作为分母,就忽略了“已知红牌”已经排除了全部黑牌。另一个错误是混淆条件方向:疾病检测中的“患病时检测阳性”与“检测阳性时确实患病”是两个不同概率,后者通常还需要贝叶斯公式计算。
按自己的节奏,确认真正理解。