定义 在已知事件 B 发生的条件下，事件 A 发生的概率，记作 P(A|B)。
从哪来 本节为概率论起点，无前置知识点，直接基于“随机事件”与“样本空间”的基本概念构建。
为什么 条件概率的本质是样本空间的缩减。
当我们得知事件 B 已经发生时，原本的全样本空间 $\Omega$ 中，不属于 B 的那些结果就不再可能发生了。因此，我们需要把观察范围缩小到 B 内部。
此时，A 发生的概率不再是 A 占全空间的比例，而是 A 中“同时也属于 B”的部分（即 $A \cap B$）占 B 的比例。
公式 $P(A|B) = \frac{P(A \cap B)}{P(B)}$ 正是这一逻辑的数学表达：分子是“既满足 A 又满足 B”的概率，分母是“满足 B”的概率（作为新的总基数）。
适合类型：直观形象型学生（喜欢生活类比）**
**讲法：摸球实验**
准备一个不透明袋子，里面有 3 个红球、2 个蓝球。
1. 问：摸到红球的概率是多少？（3/5）
2. 现在告诉你：“我刚才摸到了一个球，它是**彩色的**（假设红蓝都算彩色，或者设定袋子里只有红蓝两色，这里为了简化，设定袋子里有 3 红 2 蓝，且已知摸到的是**非蓝球**，即已知是红球，这例子不好，换一个）。”
**修正例子
袋子里有 3 个红球（其中 1 个是金球），2 个蓝球。
1. 问：摸到金球的概率？（1/5）
2. 现在告诉你：“我摸到了一个
红球。”
3. 问：在这个前提下，这个球是金球的概率是多少？
- 学生直觉：因为已经是红球了，蓝球不用看了。剩下的候选只有 3 个红球。
- 其中金球只有 1 个。
- 所以概率是 1/3。
- 对比：原来的 1/5 变成了 1/3。这就是条件概率——
分母变了（从 5 个球变成了 3 个红球）。
讲法
适合类型：逻辑推导型学生（喜欢公式结构）
讲法：集合视角
1. 画出韦恩图，大圆是样本空间 $\Omega$。
2. 画两个相交的圆 A 和 B。
3. 强调：$P(A|B)$ 不是 $P(A)$ 除以 $P(B)$，而是 $P(A \cap B)$ 除以 $P(B)$。
4. 逻辑链条：
- 已知 B 发生 $\rightarrow$ 样本空间缩小为 B。
- 在 B 中，A 发生意味着落在 $A \cap B$ 区域。
- 概率 = (目标区域面积) / (新总区域面积) = $P(A \cap B) / P(B)$。
- 重点辨析：$P(A|B)$ 和 $P(B|A)$ 的区别。前者分母是 B，后者分母是 A。
讲法
适合类型：应用导向型学生（喜欢解决实际问题）
讲法：医学检测误判
1. 背景：某疾病患病率 1%。检测准确率 99%（患病者测出阳性 99%，健康者测出阴性 99%）。
2. 问题：如果一个人检测呈阳性，他患病的概率是多少？
3. 引导：
- 很多人直觉是 99%。
- 但我们要算的是 $P(\text{患病} | \text{阳性})$。
- 假设 10000 人：
- 患病 100 人，其中 99 人阳性。
- 健康 9900 人，其中 1% 误报阳性 = 99 人。
- 总阳性人数 = 99 + 99 = 198 人。
- 真正患病的阳性 = 99 人。
- 概率 = 99 / 198 = 50%。
- 结论：条件概率揭示了“基础比率”（患病率）对结果的巨大影响。