定义 将事件分解为互斥完备子事件，利用条件概率加权求和计算总概率的公式。
从哪来 基于3.4 组合数的计算（用于计算各子事件发生的样本数或概率权重）以及5.2 与概率结合（二项分布）（理解独立重复试验中各状态的概率分布逻辑，为理解“全概率”中各分支的独立性或互斥性提供背景）。
为什么 全概率公式的本质是“分类讨论”在概率论中的代数表达。
1. 完备性：如果事件 $B$ 的发生必然伴随着某个原因 $A_1, A_2, \dots, A_n$ 之一发生，且这些原因互斥且穷尽所有可能（即 $\sum P(A_i)=1$），那么 $B$ 的概率就是所有“原因 $A_i$ 导致 $B$”的概率之和。
2. 乘法原理：$P(A_i \cap B) = P(A_i)P(B|A_i)$ 表示“先发生 $A_i$，再在 $A_i$ 条件下发生 $B$”的联合概率。
3. 加法原理：因为 $A_i$ 互斥，所以 $A_i \cap B$ 也互斥，故可直接相加。
简言之：$P(B) = \sum P(A_i)P(B|A_i)$ 是把复杂事件 $B$ 拆解为若干简单路径，分别计算路径概率后求和。
生活类比法**（适合**形象思维强、抽象逻辑较弱**的学生）
**场景
你想知道明天带伞的概率。
逻辑：
1. 先问：明天天气是什么？（互斥完备事件：下雨 $A_1$、不下雨 $A_2$）
2. 再问：如果下雨，我带伞的概率是多少？（条件概率 $P(B|A_1)$）
3. 如果不下雨，我带伞的概率是多少？（条件概率 $P(B|A_2)$）
4. 总概率 = 下雨概率×下雨时带伞概率 + 不下雨概率×不下雨时带伞概率。
核心：强调“先分情况，再算每种情况下的结果，最后加起来”。
树状图可视化法**（适合**视觉学习者、空间感较好**的学生）
**操作
1. 画一棵树，根节点是“开始”。
2. 第一层分支是 $A_1, A_2, \dots, A_n$（原因/状态），标注 $P(A_i)$。
3. 第二层从每个 $A_i$ 分出 $B$ 和 $\bar{B}$，标注 $P(B|A_i)$。
4. 目标事件 $B$ 对应所有通向 $B$ 的路径。
5. 每条路径的概率是分支概率乘积，总概率是所有通向 $B$ 的路径概率之和。
核心：让公式 $P(B) = \sum P(A_i)P(B|A_i)$ 变成“数路径”的直观操作。
代数推导法**（适合**逻辑严密、擅长符号运算**的学生）
**推导
1. 设 $A_1, A_2, \dots, A_n$ 是样本空间 $\Omega$ 的一个划分（互斥且并集为 $\Omega$）。
2. 则 $B = B \cap \Omega = B \cap (\bigcup A_i) = \bigcup (B \cap A_i)$。
3. 因为 $A_i$ 互斥，所以 $B \cap A_i$ 也互斥。
4. 由概率可加性：$P(B) = \sum P(B \cap A_i)$。
5. 由乘法公式：$P(B \cap A_i) = P(A_i)P(B|A_i)$。
6. 得证：$P(B) = \sum P(A_i)P(B|A_i)$。
核心：强调公式是集合论与概率公理的直接推论，非经验公式。