视频字幕
条件概率是指在事件B已经发生的情况下，事件A发生的概率，记作P(A|B)。条件概率的计算公式为P(A|B)等于P(A交B)除以P(B)，其中P(B)必须大于0。在图中，整个矩形代表样本空间S，蓝色圆表示事件B，红色圆表示事件A，紫色部分是A和B的交集。条件概率P(A|B)就是在B已发生的情况下，A发生的概率，即紫色区域占蓝色圆的比例。
让我们通过一个简单的例子来直观理解条件概率。在这个样本空间中，有16个等可能的基本事件，用16个点表示。红色区域表示事件A，包含9个点；蓝色区域表示事件B，包含8个点；而紫色区域是A和B的交集，包含4个点。条件概率P(A|B)是指，在已知事件B发生的情况下，事件A发生的概率。具体计算时，我们需要用A和B的交集概率除以B的概率。在这个例子中，P(A交B)等于4/16，P(B)等于8/16，所以P(A|B)等于4/8，即1/2。这意味着，在B已经发生的8个点中，有4个点同时也属于事件A，比例为二分之一。
让我们看一个条件概率的实际应用例子。在一个班级中，60%的学生喜欢数学，80%的学生喜欢物理，50%的学生同时喜欢数学和物理。问题是：如果一个学生喜欢物理，他喜欢数学的概率是多少？我们设事件A表示学生喜欢数学，事件B表示学生喜欢物理。已知P(A)等于0.6，P(B)等于0.8，P(A交B)等于0.5。我们需要求的是条件概率P(A|B)。根据条件概率公式，P(A|B)等于P(A交B)除以P(B)，即0.5除以0.8，等于5/8，也就是0.625。这意味着，在喜欢物理的学生中，有62.5%的学生也喜欢数学。
贝叶斯定理是条件概率的一个重要应用，它描述了如何利用新的信息来更新概率。贝叶斯定理的公式是：P(A|B)等于P(B|A)乘以P(A)除以P(B)。在这个公式中，P(A|B)是后验概率，表示在观察到事件B后，事件A的概率；P(B|A)是似然度，表示在A为真的情况下观察到B的概率；P(A)是先验概率，表示A的初始概率；P(B)是边缘概率，表示B的总概率。在树状图中，我们可以看到事件的分支过程。如果我们想计算P(A|B)，即在观察到B后A的概率，我们需要找到A和B同时发生的概率，然后除以B发生的总概率。B的总概率可以分解为：在A发生时B发生的概率，加上在A不发生时B发生的概率。这就是贝叶斯定理的直观解释。
让我们总结一下条件概率的关键点。条件概率P(A|B)表示在事件B已经发生的条件下，事件A发生的概率。条件概率的计算公式是P(A|B)等于P(A交B)除以P(B)，其中P(B)必须大于0。直观地理解，条件概率可以看作是在B的所有可能结果中，有多少比例的结果同时也是A发生的结果。贝叶斯定理是条件概率的一个重要应用，它允许我们根据新的信息来更新概率。条件概率在统计学、机器学习、医学诊断、风险评估等众多领域都有广泛的应用。通过理解和应用条件概率，我们可以更好地分析复杂的概率问题，做出更准确的预测和决策。