定义 在事件A发生的条件下，事件B发生的概率，记作P(B|A)，其值为P(AB)/P(A)。
从哪来 它建立在5.2 与概率结合（二项分布）之上。二项分布中独立重复试验的概率计算逻辑，为理解条件概率中“样本空间缩小”后的概率重新分配提供了基础模型支撑。
为什么 条件概率的本质是样本空间的缩减。
当已知事件A发生，原本的全集Ω被限制为子集A。此时，事件B要发生，必须同时满足两个条件：既在A中，又在B中，即落在交集AB中。
因此，概率不再是AB占全集的比例，而是AB占新样本空间A的比例。
数学表达为：P(B|A) = P(AB) / P(A)。
这解释了为什么分母是P(A)而不是P(Ω)，因为A成为了新的“总体”。
适合：直观型、喜欢生活化类比的学生**
**讲法：筛子模型**
想象一个袋子里有红球和白球，球上有编号。
1. **无条件概率
问“摸到1号球”的概率，分母是袋子里所有球的总数。
2.
条件概率：现在告诉你“摸到的球是红色的”（事件A发生）。此时，白球全部被排除在考虑范围外。
3.
核心逻辑：新的“袋子”里只剩下红球。再问“摸到1号球”（事件B），分母就变成了“红球的总数”，分子是“既是红色又是1号的球数”。
结论：条件概率就是“在已知信息筛选后，剩余样本中目标事件的比例”。
适合：逻辑型、擅长集合运算的学生**
**讲法：集合包含关系**
利用集合论语言解释。
1. 概率空间是集合Ω。
2. 事件A是Ω的子集。
3. 事件B是Ω的子集。
4. 当A发生时，我们关注的不再是Ω，而是子集A。
5. 事件B在A中发生，意味着B与A有交集，即AB。
6. 因此，P(B|A)衡量的是子集AB在子集A中的“相对大小”。
**公式推导
P(B|A) = P(AB ∩ A) / P(A) = P(AB) / P(A)。强调A必须是非空集（P(A)>0）。
适合：计算型、习惯公式推导的学生**
**讲法：频率极限法**
从统计频率的角度理解。
1. 进行n次独立重复试验。
2. A发生的频率为 n_A/n，B发生的频率为 n_B/n，AB同时发生的频率为 n_AB/n。
3. 当n趋向无穷大时，P(A)≈n_A/n，P(AB)≈n_AB/n。
4. 条件概率P(B|A)定义为：在A发生的n_A次试验中，B发生的次数n_AB所占的比例。
5. 即 P(B|A) ≈ n_AB / n_A。
6. 代入概率定义：(n_AB/n) / (n_A/n) = P(AB) / P(A)。
**优势
直接连接了频率与概率，适合理解为什么分母是P(A)。