Conditional probability

欢迎来到条件概率章节！

你好！这一章将带你领略概率论中最有趣的部分——处理相互关联的事件。别被这个名字吓到，其实它的核心思想非常直观。

条件概率探讨的是：“在已知某件事已经发生的前提下，另一件事发生的可能性是多少？”

当你处理不放回抽样（without replacement）的情况时，比如抽牌或从袋子里取小球，这一概念尤为重要。

---

1. 预备知识回顾：独立事件 vs. 相关事件

1.1 独立事件

独立事件（Independent Events）是指两个或多个事件中，其中一个事件的结果不会影响其他事件发生的概率。

例子：抛两次硬币。第一次抛出正面并不会改变第二次抛出正面的概率（概率始终是 0.5 或 \(\frac{1}{2}\)）。

要计算两个独立事件 A 和 B 同时发生的概率，只需将它们各自的概率相乘：

公式（独立事件）：
$$P(A \text{ and } B) = P(A) \times P(B)$$

1.2 相关事件（为何需要条件概率）

相关事件（Dependent Events，即不放回组合事件）是指两个或多个事件中，第一个事件的结果会改变后续事件发生的概率。

这种概率的变化正是条件概率所解决的问题！

类比：想象有一盒 10 块巧克力。如果你先拿走了你最喜欢的那块（黑巧克力），那么你朋友拿到黑巧克力的概率就降低了，因为总数变少了，剩下的黑巧克力也变少了。 第二次选择的概率取决于第一次选择的结果。

关键点总结

如果物品是不放回抽取的，事件就是相关的，此时必须使用条件概率。如果是有放回抽取，事件则是独立的。

---

2. 理解条件概率

2.1 定义条件

当我们谈论条件概率时，是在一个缩小或修正过的样本空间内计算概率。

我们要寻找的是在事件 B 已经发生的前提下，事件 A 发生的概率。

记号：
写作：\(P(A | B)\)。
读作：“在 B 发生的条件下 A 的概率。”

2.2 “宇宙缩小”类比法

把所有可能的结果想象成你的“宇宙”。当你被给出一个条件（事件 B）时，新的“宇宙”就缩小到只剩下事件 B 中的结果。

• 原始样本空间 (U) 被忽略。
• 新的样本空间仅包含事件 B。
• 我们只关注事件 A 中与事件 B 重叠的部分。

不用担心这里需要死记硬背复杂的公式；在 IGCSE 考试中，你通常可以通过调整分子和分母的数字来自然地计算出条件概率，特别是在使用树状图或表格时。

---

3. 使用树状图计算条件概率

树状图是解决相关事件（不放回）问题最常用的工具。条件概率直接写在第二层分支上。

步骤示例：弹珠（不放回）

一个袋子里有 5 个红球（R）和 3 个蓝球（B）。连续两次不放回地抽取弹珠。

第一步：第一次抽取的概率

弹珠总数 = 8。

• \(P(\text{1st is R}) = \frac{5}{8}\)
• \(P(\text{1st is B}) = \frac{3}{8}\)

第二步：第二次抽取的概率（条件步骤）

现在，总数减少到了 7。第二次抽取的具体概率完全取决于第一次的结果。

情境 1：已知第一次抽到红球（R）
袋子里现在有 4 个红球和 3 个蓝球（总数 7）。

• \(P(\text{2nd is R } | \text{ 1st is R}) = \frac{4}{7}\) （红球少了一个）
• \(P(\text{2nd is B } | \text{ 1st is R}) = \frac{3}{7}\) （蓝球数量不变）

情境 2：已知第一次抽到蓝球（B）
袋子里现在有 5 个红球和 2 个蓝球（总数 7）。

• \(P(\text{2nd is R } | \text{ 1st is B}) = \frac{5}{7}\) （红球数量不变）
• \(P(\text{2nd is B } | \text{ 1st is B}) = \frac{2}{7}\) （蓝球少了一个）

写在第二层分支上的概率就是条件概率。

2.3 计算组合概率（路径法）

要计算整条路径的概率（例如：先红后蓝），你需要将路径上的概率相乘：

$$P(R \text{ then } B) = P(1\text{st R}) \times P(2\text{nd B} | 1\text{st R})$$
$$P(R \text{ then } B) = \frac{5}{8} \times \frac{3}{7} = \frac{15}{56}$$

你知道吗？

如果你将从同一个点分叉出来的所有分支概率相加，总和必须等于 1！这是检查答案的好方法。

---

4. 使用表格和韦恩图计算条件概率

条件概率不仅用于“不放回”场景，也常用于分析表格或韦恩图中的调查数据。原则保持不变：条件限制了总结果数。

4.1 使用双向表（频数表）

假设 50 名学生接受了关于是否养狗 (D) 或养猫 (C) 的调查。

	养狗 (D)	不养狗 (D')	总计
养猫 (C)	15	10	25
不养猫 (C')	5	20	25
总计	20	30	50

问题： 求一名学生养猫的概率，已知这名学生养狗。

我们需要寻找 \(P(C | D)\)。

方法：

1. 确定条件（新分母）： 学生养狗 (D)。
   查看“养狗 (D)”列的总计：20 名学生。这就是你的新样本空间总数。
2. 确定有利结果（分子）： 在这 20 名养狗的学生中，有多少人养猫？
   查看（C 和 D）的交叉格：15 名学生。
3. 计算：
   $$P(C | D) = \frac{\text{养猫且养狗的学生人数}}{\text{养狗的学生总人数}}$$ $$P(C | D) = \frac{15}{20} = \frac{3}{4}$$

4.2 使用韦恩图

如果上述数据用韦恩图表示，关键仍然是意识到条件事件会限制你的分母。

如果你被要求计算 \(P(A|B)\)，你只需要看圆圈 B 内部的数字。

计算公式为：
$$P(A | B) = \frac{n(A \cap B)}{n(B)}$$

其中：

• \(n(A \cap B)\) 是交集（A 且 B）中的元素个数。
• \(n(B)\) 是限制条件事件（B）中的元素总数。

如果一开始觉得很难，别担心。多练习去锁定由“已知”短语所界定的群体——那个群体就是你的新总数！

---

快速回顾：条件概率关键要点

• 条件概率处理的是已知一个事件发生会影响另一个事件概率的情况。
• 关键提示语是“已知”或“不放回”。
• 核心技巧是缩小样本空间（分母会发生变化）。
• 在树状图的“不放回”问题中，第二层分支上的概率就是条件概率（总数和被抽取的物品数量都要减 1）。
• 在表格/韦恩图中，分母变为已知发生的那个事件的总数。