定义 在事件B已发生的条件下，事件A发生的概率，记作P(A|B)。
从哪来 本知识点建立在3.4 组合数的计算之上。
*注：虽然图谱中列出了“5.2 与概率结合（二项分布）”，但条件概率的核心逻辑是样本空间的缩减，其基础是古典概型中的计数原理（组合数）。二项分布通常依赖于独立重复试验，而条件概率往往处理非独立或信息更新后的状态，因此直接逻辑基础是组合计数。*
为什么 条件概率的本质是样本空间的动态收缩。
当我们知道事件B已经发生时，原本的全样本空间 $\Omega$ 就不再是关注对象，所有不属于B的情况都被排除。此时，我们只在B构成的子空间内观察。
如果A和B同时发生（即 $A \cap B$），那么在B发生的背景下，A发生的“相对可能性”就是 $A \cap B$ 占 $B$ 的比例。
用公式表达：$P(A|B) = \frac{P(A \cap B)}{P(B)}$。
这就像是在一个装有红球和白球的袋子里，你摸出一个球发现是白的（事件B），此时再问“它是带条纹的白球（事件A）”的概率，分母就不再是总球数，而是白球总数。
适合类型：直观形象型、生活化思维强的学生**
**讲法：过滤漏斗模型**
想象一个巨大的漏斗，上面倒入所有可能的情况（全样本空间）。
1. 漏斗中间有一层筛网，只允许“事件B发生”的情况通过。
2. 通过筛网后，剩下的就是新的“世界”。
3. 在这个新世界里，有多少比例属于“事件A”？
**例子
全班50人，30人戴眼镜（B），其中10人近视（A）。
问：已知某人戴眼镜，他近视的概率是多少？
不是 10/50，而是 10/30。因为“戴眼镜”这个条件已经把不戴眼镜的20人“过滤”掉了，分母变成了30。
适合类型：逻辑严密型、喜欢公式推导的学生**
**讲法：频率极限定义法**
从频率的角度理解。
假设我们重复进行 $N$ 次试验。
- $N_B$ 是事件B发生的次数。
- $N_{AB}$ 是事件A和B同时发生的次数。
当 $N \to \infty$ 时，$P(B) \approx N_B/N$，$P(AB) \approx N_{AB}/N$。
那么，在B发生的 $N_B$ 次中，A发生了 $N_{AB}$ 次。
所以 $P(A|B) = \lim_{N \to \infty} \frac{N_{AB}}{N_B} = \frac{N_{AB}/N}{N_B/N} = \frac{P(AB)}{P(B)}$。
**核心逻辑
条件概率就是
联合概率除以条件概率。
适合类型：空间思维强、擅长几何直观的学生**
**讲法：几何面积比模型**
在二维平面上，用面积表示概率。
- 整个矩形代表样本空间 $\Omega$，面积为1。
- 区域B代表事件B，面积为 $P(B)$。
- 区域 $A \cap B$ 代表A和B的交集，面积为 $P(AB)$。
条件概率 $P(A|B)$ 就是：**在B这个区域内，A所占的面积比例**。
即：$\frac{\text{Area}(A \cap B)}{\text{Area}(B)}$。
**视觉冲击
如果A和B不相交，面积为0，概率为0；如果A包含B，则概率为1。