一句话定义
条件概率是在已知某个条件已经发生后，重新限定样本空间来计算事件概率。
机制 / 原理
条件概率的核心是分母变了。P(A|B) 不是问 A 在全体中多常见，而是问在 B 已经发生的人里面，A 有多常见。许多直觉错误来自忘记条件：检测阳性后的患病概率、已购买用户的复购概率、已下雨天的迟到概率，都不是原始总体概率。
经典实验 / 例子
医学检测中，P(阳性|患病) 是检测敏感度，P(患病|阳性) 是阳性后的真实患病概率。两者看起来只换了顺序，含义却完全不同，因为分母不同。
生活中的例子
“访问网站的人中有 3% 购买”和“购买者中有 70% 来自广告”不是同一个问题。前者条件是访问者，后者条件是购买者。
常见误区
常见误区是把 P(A|B) 和 P(B|A) 混为一谈。条件顺序一变，分母就变，概率含义也变。