3.8 小结¶
学完这一章，小率终于发现：概率不是“把不确定的事情说得很神秘”，而是把不确定性拆成可以检查的几个问题。
要不要带伞，先看事件和概率刻度；玩骰子桌游，先列样本空间；天气和跑步记录里，看到“且”就数同时发生；抽扑克牌，看到“已知”就换分母；水果摊的坏果率，要按来源拆开再加回去；咖啡店抽奖，判断独立要看条件概率有没有改变；最后再回到天气和跑步，用贝叶斯定理反推来源。
这些故事看起来不同，但背后的动作很一致：先把“可能发生什么”说清楚，再把“我们知道了什么”说清楚，最后再计算。
3.8.1 一页速查表¶
| 概念 | 公式 | 使用提示 |
|---|---|---|
| 概率边界 | \(0\le P(A)\le 1\) | 概率不能小于 0，也不能大于 1 |
| 必然事件 | \(P(\Omega)=1\) | 样本空间一定发生 |
| 补集 | \(P(A^c)=1-P(A)\) | 求“不发生”或“至少一次”时常用 |
| 容斥 | \(P(A\cup B)=P(A)+P(B)-P(A\cap B)\) | “或”包含重叠，重叠要减一次 |
| 联合概率 | \(P(A\cap B)\) 或 \(P(A,B)\) | 两件事同时发生 |
| 条件概率 | \(P(A\mid B)=P(A\cap B)/P(B)\) | 已知 \(B\) 后，只在 \(B\) 里看 \(A\) |
| 乘法公式 | \(P(A\cap B)=P(B)P(A\mid B)\) | 沿概率树一路相乘 |
| 全概率公式 | \(P(A)=\sum_i P(B_i)P(A\mid B_i)\) | 按来源拆开，再加回总概率 |
| 贝叶斯定理 | \(P(B_i\mid A)=\frac{P(B_i)P(A\mid B_i)}{\sum_jP(B_j)P(A\mid B_j)}\) | 看到结果后，反推来源 |
| 独立 | \(P(A\cap B)=P(A)P(B)\) | 知道一个事件，不改变另一个事件概率 |
3.8.2 核心知识地图¶
这张图可以按一条线读：
- 先确定样本空间 \(\Omega\)。
- 再把问题翻译成事件 \(A,B\)。
- 如果出现“或”“不”，就用集合运算。
- 如果出现“且”“同时”，先想到联合概率 \(P(A\cap B)\)。
- 如果出现“已知”，就用条件概率。
- 如果结果来自多个来源，就用全概率。
- 如果想直接相乘，先检查独立性。
- 如果看到结果后反推来源，就用贝叶斯。
3.8.3 做概率题时先问这五句话¶
-
所有可能结果是什么？
如果连样本空间都没写清楚，后面的概率很可能是在空中算。 -
题目问的是哪个事件？
“至少一个”“恰好一个”“全部都是”“不发生”是不同事件。 -
有没有条件？
看到“已知”“在……中”“如果已经发生”，就检查分母是不是变了。 -
是求结果，还是看到结果后反推原因？
前者常用全概率，后者常用贝叶斯。 -
两个事件能不能直接相乘？
只有独立时，\(P(A\cap B)=P(A)P(B)\) 才能直接用。
3.8.4 概率题决策树¶
题目问什么？
├─ 求 “A 或 B”？
│ ├─ A、B 互斥 → 直接相加
│ └─ A、B 有重叠 → 用容斥公式
├─ 求 “A 且 B”？
│ ├─ 独立 → P(A)P(B)
│ └─ 不独立或有顺序变化 → P(A)P(B|A)
├─ 出现 “已知 / 在……中 / 如果已经发生”？
│ └─ 用条件概率，先缩小样本空间
├─ 有多个来源、多个袋子、多个水果类别？
│ └─ 用全概率，按来源拆开再相加
└─ 看到结果后反推原因？
└─ 用贝叶斯定理，别忘了所有可能来源
3.8.5 复盘问题：跑步以后，为什么不能直接说下雨概率是 20%？¶
小率的复盘问题
过去 100 天里，下雨天占 20%，下雨时小率跑步的概率也是 20%。如果已经知道小率今天跑步了，为什么今天下雨的概率不是 20%，而是 \(4/61\)？
均哥的回答
因为问题方向换了。\(P(\text{跑步}\mid\text{下雨})=4/20=0.20\)，问的是“下雨时跑步”；而 \(P(\text{下雨}\mid\text{跑步})=4/61\)，问的是“已经跑步后反推下雨”。后者的分母是全部跑步的 61 天，不只是下雨的 20 天。
这个问题是本章最值得反复回看的例子。它把联合概率、条件概率、全概率和贝叶斯定理都串起来了：
- 联合概率告诉我们“下雨且跑步”是 4 天。
- 条件概率提醒我们方向不能反。
- 全概率告诉我们跑步来自“下雨、刮风、晴天”三条路。
- 贝叶斯定理把这些路径合在一起，更新“跑步后天气来源”的判断。
3.8.6 术语对照表 Glossary¶
| 中文 | English | 符号 |
|---|---|---|
| 随机试验 | Random Experiment | - |
| 样本空间 | Sample Space | \(\Omega\) |
| 事件 | Event | \(A,B\) |
| 并集 | Union | \(A\cup B\) |
| 交集 | Intersection | \(A\cap B\) |
| 补集 | Complement | \(A^c\) |
| 联合概率 | Joint Probability | \(P(A\cap B)\) |
| 条件概率 | Conditional Probability | \(P(A\mid B)\) |
| 全概率公式 | Law of Total Probability | \(\sum_i P(B_i)P(A\mid B_i)\) |
| 贝叶斯定理 | Bayes' Theorem | \(P(B_i\mid A)\) |
| 独立 | Independence | \(P(A\cap B)=P(A)P(B)\) |
3.8.7 练一练¶
练习 3.1 · 天气预报
天气预报说“傍晚降雨概率 70%”。请说明这个数字不应该被理解成哪两种常见错误。
参考答案
不应简单理解为“今天 70% 的时间会下雨”，也不应简单理解为“70% 的地区会下雨”。更稳妥的理解是：在当前证据和模型判断下，傍晚降雨事件发生的可能性较高。
练习 3.2 · 两枚骰子
同时掷两枚骰子，求“点数和大于 8”的概率。
参考答案
有利结果 10 个，总结果 36 个，所以概率为 \(10/36=5/18\)。
练习 3.3 · 扑克牌条件方向
一副 52 张扑克牌中，“已知是红牌，问是不是 K”和“已知是 K，问是不是红牌”是否等价？为什么？
参考答案
不等价。前者是 \(P(K\mid 红牌)=2/26=1/13\)，后者是 \(P(红牌\mid K)=2/4=1/2\)。两个问题的分母不同。
练习 3.4 · 天气和跑步的联合概率
过去 100 天里，下雨 20 天，其中下雨且跑步 4 天。请写出“下雨且跑步”的联合概率，并说明分母是谁。
参考答案
\(P(\text{下雨且跑步})=4/100=0.04\)。分母是全部 100 天，而不是下雨的 20 天。
练习 3.5 · 水果摊全概率
水果摊有西瓜 50 个、香蕉 30 个、橙子 20 个；坏果数分别是 10、3、4。随机拿一个水果，拿到坏果的概率是多少？
参考答案
\(0.50\times(10/50)+0.30\times(3/30)+0.20\times(4/20)=0.17\)，即 17%。
练习 3.6 · 硬币和珠袋
固定珠袋中红珠比例为 0.4。先抛公平硬币，再从这个固定珠袋中抽珠。硬币正面事件和抽到红珠事件是否独立？
参考答案
独立。因为硬币结果不会改变珠袋，\(P(红珠\mid 正面)=P(红珠)=0.4\)。
练习 3.7 · 互斥不是独立
一次只抽一颗珠子。事件 \(R\) 表示抽到红珠，事件 \(L\) 表示抽到蓝珠。若红珠和蓝珠都可能被抽到，\(R\) 和 \(L\) 是否独立？
参考答案
不独立。它们互斥，知道抽到蓝珠后，抽到红珠的概率变成 0；这改变了原来的 \(P(R)\)。
小率的笔记本
- 先写样本空间，再写事件。
- 看见“或”，检查是否重叠；看见“且”，先想到联合概率。
- 看见“已知”，优先想到条件概率。
- 看见“多个来源”，优先想到全概率。
- 看见“结果反推原因”，优先想到贝叶斯。
- 独立不是“看起来没关系”，而是条件概率不改变。