目录
以下是我在学习概率论基础模块时整理的学习笔记，以 "样本空间的变化" 为主线，拆解了条件概率、全概率、贝叶斯公式等核心概念的底层逻辑，也记录了我对事件独立性、几何概型等易混点的理解。希望这份笔记，能给正在学习概率论的你起到一点参考作用。
一、条件概率与乘法公式
（1）条件概率的核心思想：缩小样本空间
基于条件概率的本质是缩小样本空间的理解，我们可以里面推导出几个常用变形：
当然，他们可以这样理解：我首先求出事件B在全局中发生的概率，则全局样本空间Ω都满足B事件发生的概率（B占Ω的比例固定），那么从全局Ω中取出一个小块，即A事件的区域。那么B肯定依旧满足全局下的概率，只不过现在Ω缩放成A区域了。于是只需要把全局的B事件发生概率按照A的比例进行缩放即可，即AB的交集占A的比例。
所以我们以后在看到条件概率的时候，可以大胆把条件先移除，让"|"前面的内容在全局范围内自由变换（依据"大一统口诀"和概率通用加减法公式），最后等效变换完成后再对每一项添加"|A"即可。
（2）乘法公式：恢复样本空间成Ω下的概率
我们以后在看到一道题目的时候，首先看看题干中给的是条件概率，还是全局概率。然后从条件概率公式是将全局化为局部；乘法公式是将局部化为全局的角度去分析。
二、全概率公式与贝叶斯公式
（1）全概率公式：用"划分"拆解复杂事件
（2）贝叶斯公式：由复杂事件的结果，反推某个原因的概率
（3）如何找到"划分"？
前面我们一直在强调"划分"的重要性，必须要明确的知道全局样本空间Ω是怎么划分成一个个小原因事件A的，才能往后面求复杂事件B的概率。通常可以从以下两个方面入手：
- 从 "结果" 反推 "原因"：想清楚有哪些可能的事件会导致 B 发生，这些就是划分。
- 从 "过程" 分阶段：如果试验可以分成两个阶段，第一阶段的所有可能结果，就可以作为划分。
三、事件的独立性与伯努利试验
（1）事件的独立性
在验证了事件的独立性后，无论是A'还是A本身都和B无关。如果是三个事件的独立性成立下，则任意两个的加、减、乘、非都与第三个事件也独立。
（2）伯努利试验
四、古典概型与几何概型
（1）古典概型
古典概型即最简单、最古老的概率类型。常见的有放回摸球试验、抛硬币事件等等。
（2）几何概型
几何概型是古典概型的推广，它的核心是利用数形结合的思想，将数字上的概率问题转换成几何图形的面积、长度、体积。用这些量去求它占总量的比例即可。
举个例子：圆的方程x2+y2=2ax可以整理为(x−a)2+y2=a2，表示一个圆心在(a,0)、半径为a的圆，在计算和圆相关的几何概型时，就可以用这个圆的面积和样本空间的面积做比。