条件概率与全概率

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 条件概率的定义与计算在事件 A 已经发生的条件下事件 B 发生的概率为 P(B|A) = P(AB)/P(A)，其中 P(A) > 0。
• 概率的乘法公式由条件概率定义可得 P(AB) = P(A)·P(B|A)，多个事件依次发生则逐步相乘。
• 全概率公式把样本空间按一组互斥的原因事件分解，事件 A 的概率等于各部分概率之和，即 P(A) = Σ P(Bᵢ)P(A|Bᵢ)。
• 贝叶斯公式已知结果 A 发生，求它由某个原因 Bᵢ 引起的概率用 P(Bᵢ|A) = P(Bᵢ)P(A|Bᵢ)/P(A) 计算。
• 条件概率的直观理解把条件事件当作新的样本空间重新计算比例，是理解条件概率最直观的方式。

先修：学它之前要先会

• 古典概型

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1计数原理→
2. 2概率→
3. 3古典概型

后继：学会它之后可以往哪走

• 相互独立事件

学习「条件概率与全概率」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。