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 BB 已经发生,那么所有不属于 BB 的结果都被排除。此时研究事件 AA,真正有效的结果是同时属于 AA 和 BB 的部分,即 A∩BA\cap B。条件概率定义为

P(A∣B)=P(A∩B)P(B)P(A\mid B)=\frac{P(A\cap B)}{P(B)}

其中要求 P(B)>0P(B)>0。分母是已知事件 BB 的概率,因为条件发生后,BB 就成为新的样本空间。

条件概率中样本空间从全集缩小到事件B

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

P(红桃∣红牌)=1326=12P(\text{红桃}\mid\text{红牌})=\frac{13}{26}=\frac{1}{2}

也可以用定义验证:抽到红桃的概率是 13/5213/52,抽到红牌的概率是 26/5226/52,所以

P(红桃∣红牌)=13/5226/52=12P(\text{红桃}\mid\text{红牌}) =\frac{13/52}{26/52} =\frac{1}{2}

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:

P(A∩B)=P(B)P(A∣B)P(A\cap B)=P(B)P(A\mid B)

它表示“先发生 BB,再在 BB 已发生的条件下发生 AA”。同理,也可以写成

P(A∩B)=P(A)P(B∣A)P(A\cap B)=P(A)P(B\mid A)

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 P(A∣B)P(A\mid B) 与 P(B∣A)P(B\mid A) 不相等,不能交换。

条件概率与独立性

若事件 AA 与 BB 独立,知道 BB 是否发生不会改变 AA 的概率,因此。

P(A∣B)=P(A)P(A\mid B)=P(A)

此时联合概率满足 P(A∩B)=P(A)P(B)P(A\cap B)=P(A)P(B)。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。

目录与阅读设置

阅读设置

17

记录一个想法

条件概率

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通