定义 将复杂事件分解为互斥子事件，利用条件概率求和计算总概率的公式。
从哪来 本知识点建立在 3.4 组合数的计算 与 5.2 与概率结合（二项分布） 的基础之上。
为什么 全概率公式本质是“分类讨论”思想在概率中的体现。当直接计算事件 A 的概率困难时，若存在一组互斥且完备的事件 $B_1, B_2, \dots, B_n$（即样本空间被完全划分），则 A 必然发生在某个 $B_i$ 中。根据加法公式 $P(A) = P(AB_1) + P(AB_2) + \dots + P(AB_n)$，再结合乘法公式 $P(AB_i) = P(B_i)P(A|B_i)$，即可将复杂问题转化为若干简单子问题的概率乘积之和。
讲法
适合：逻辑抽象能力强，偏好代数推导的学生
从集合论角度切入。画出韦恩图，展示事件 A 被分割成 $A \cap B_1, A \cap B_2, \dots$ 等互不重叠的部分。强调 $P(A)$ 等于这些部分概率之和，再引入条件概率定义 $P(A|B_i) = \frac{P(AB_i)}{P(B_i)}$，通过代数变形直接推导出公式。重点在于理解公式的代数结构而非具体情境。
讲法
适合：形象思维好，喜欢生活实例的学生
使用“信封模型”或“工厂质检”情境。例如：三个工厂生产零件，合格率不同，随机抽取一个零件，求它是合格品的概率。让学生先算出每个工厂合格零件的数量占比（即 $P(B_i)P(A|B_i)$），然后相加。强调“先分来源，再算结果，最后汇总”的直观过程，避免一开始就陷入符号推导。
适合：计算能力弱，需要结构化步骤的学生**
提供“三步走”模板：
1. **找划分
确定互斥且完备的 $B_i$（如：来源、状态、阶段）。
2.
算分支：对每个 $B_i$，计算 $P(B_i)$ 和 $P(A|B_i)$。
3.
求总和：$\sum P(B_i)P(A|B_i)$。
强调必须列出表格，明确每一列对应哪个 $B_i$，防止漏项或错配条件概率。