定义 在事件B已发生的条件下，事件A发生的概率，记为P(A|B)，本质是样本空间缩小后的频率估计。
从哪来 本知识点建立在3.4 组合数的计算之上。因为条件概率的核心计算逻辑是“新样本空间中的有利情况数 / 新样本空间总数”，而准确计算这两个“数”往往需要用到组合数公式（如从剩余元素中选取特定元素），这是量化条件概率的基础工具。
为什么 概率的本质是“有利结果数”与“所有可能结果数”的比值。当已知事件B发生时，原本的全样本空间Ω被限制在B所代表的子集内。此时，对于事件A而言，只有那些既属于A又属于B的部分（即A∩B）才是“有利结果”，而所有可能的结果变成了B。因此，P(A|B) = P(A∩B)/P(B)。这并非凭空定义，而是基于“已知信息改变样本空间”这一逻辑必然性。
适合类型：直观型、视觉型学生**
**讲法：筛子模型**
想象一个装满球的箱子，红球代表A，蓝球代表B，红蓝双色球代表A∩B。
1. 问：随机抓一个球是红球的概率？（这是P(A)）
2. 现在告诉你：“我抓到的球肯定是蓝球”（已知B发生）。
3. 此时，箱子里非蓝球的球都被移走了，你只能从剩下的蓝球堆里抓。
4. 问：在这个“只剩蓝球”的新堆里，抓到红球（其实是红蓝双色球）的概率是多少？
**核心逻辑
分母从“所有球”变成了“蓝球”，分子从“红球”变成了“红蓝球”。这就是条件概率的几何直观。
适合类型：逻辑型、抽象思维强的学生**
**讲法：集合包含关系推导**
1. 回顾概率定义：P(A) = |A|/|Ω|。
2. 引入条件：已知B发生，意味着样本空间Ω被“截断”为B。
3. 在新样本空间B中，事件A要发生，必须落在A与B的交集区域。
4. 因此，新的“有利数”是|A∩B|，新的“总数”是|B|。
5. 结论：P(A|B) = |A∩B|/|B|。
**核心逻辑
强调样本空间的动态变化，从全集Ω收缩到子集B，概率是相对量，依赖于参照系（样本空间）。
适合类型：应用型、喜欢解题技巧的学生**
**讲法：除法公式拆解**
直接给出公式 P(A|B) = P(A∩B) / P(B)，并强调其计算步骤：
1. **找交集
先算出A和B同时发生的概率（通常用组合数或独立事件乘法）。
2.
找条件：算出B发生的概率（作为分母）。
3.
做除法：将两者相除。
核心逻辑：将条件概率转化为两个独立概率计算的比值，降低思维负担，适合快速解题训练。