“检测阳性就一定是生病吗？”“抽到红球后下一个红球的概率变了吗？”这类问题的核心是条件概率：已知一部分信息后，概率会改变。这篇文章讲条件概率的基本逻辑，以及它为什么重要。
条件概率是什么
条件概率是在“已知某事件发生”的前提下，另一事件发生的概率，记作 P(A|B)：已知 B 后 A 的概率。比如一个袋子里 3 红 2 蓝，先抽一个不放回，已知抽到红球，再抽红球的概率就从 3/5 变成 2/4。新信息改变概率，这是条件概率的本质。
医疗检测的经典例子
一种疾病患病率 1%，检测准确率 99%。检测阳性的人真的患病吗？直觉说 99%，实际算出来远低于此：10000 人里 100 人患病（99 人阳性），9900 人健康（99 人假阳性），阳性里真正患病的约 50%。条件概率告诉我们：检测阳性 ≠ 确诊，还要结合患病率和复查。这个例子提醒我们，看到概率信息时先问“已知什么、条件是什么”。
独立事件的条件概率
如果两个事件独立（互不影响），条件概率等于原概率：公平硬币前 10 次正面，第 11 次正面的概率仍是 1/2。独立是条件概率的“特殊情况”：信息不改变概率。分清“独立”和“相关”，是避免赌徒谬误的关键。
生活中的判断
面试通过的人里有多少能胜任？客户投诉里有多少是真问题？天气预报说 70% 下雨，出门带不带伞？这些问题都涉及条件概率：基于已有信息更新判断。用本站的随机和概率知识培养条件思维，你会更少被“表面的概率数字”误导。
贝叶斯思维
条件概率的高级应用是贝叶斯思维：用新证据更新旧判断。先有“先验概率”（基于经验），看到新信息后更新成“后验概率”。这不是数学游戏，而是科学和决策的底层逻辑：好决策者不断用证据修正判断，而不是死守最初的看法。条件概率教会我们：信息是判断的一部分，学会更新，判断才准确。