您在桌游中掷两颗骰子。掷出两个六的几率是多少？或者，您在分析客户数据，需要知道用户点击广告或完成购买的概率。
这些情境涉及复合概率，它用于计算多个事件同时或分别发生的可能性。如果这听起来有些晦涩，不用担心：我会用清晰的示例把概念讲得通俗易懂。
什么是复合概率？
复合概率用于计算涉及两个或以上事件时的发生可能性。简单概率只聚焦于单一事件（比如抛一次硬币），而复合概率处理的是多个事情可能发生的情形。
在统计学中，这些情境有特定名称：AND 场景称为联合概率（两个事件同时发生的概率），OR 场景称为并集（至少一个事件发生的概率）。
可以把复合概率看作一个对初学者友好的总括性术语，帮助您在深入这些更技术化的概念前，先学会两类计算。
复合概率事件的类型
AND/OR 的区分能告诉您该用哪条公式，但事件之间的另一种关系会改变公式的具体用法。在准确计算复合概率之前，您需要理解事件之间如何相互关联，尤其是一个事件是否会影响另一个事件。
相互独立事件
当一个事件不影响另一个事件时，它们相互独立。先抛硬币，再掷骰子。抛到正面并不会改变掷出四点的机会。每个事件都有自己恒定的概率。
经典示例包括掷多颗骰子、抛多枚硬币，或有放回地抽牌（每次抽后把牌放回去）。在数据科学中，分析彼此独立的用户会话或互不相关的 A/B 测试分组时，也会看到独立性。
相互依赖事件
当第一个事件会改变第二个事件的概率时，这些事件是相互依赖的。从一副牌中抽一张，再不放回地抽第二张。由于牌堆构成发生变化，第二次抽牌的概率不同了。
无放回抽样、序贯决策过程，或事件存在因果联系时，就会出现依赖关系。第二次购买的概率取决于客户是否进行了第一次购买。这种依赖性会直接影响您的计算。
计算复合概率的法则
既然您已经了解了事件关系，我们就可以开始实际计算了。
前面讲到的独立或依赖关系会直接决定您使用公式的哪个版本。具体取决于您遇到的是 AND 还是 OR 情境，以及在这些情境下，事件是独立还是依赖。
用于选择正确复合概率公式的决策流程图。作者制图。
乘法法则
乘法法则用于 AND 情境（当您要求两个事件都发生）。对独立事件，乘以各自的概率：P(A ∩ B) = P(A) × P(B)。掷出四点且抛到正面？就是 (1/6) × (1/2) = 1/12。
对依赖事件，您需要条件概率：P(A ∩ B) = P(A) × P(B|A)。意思是“事件 A 的概率乘以在 A 发生的条件下事件 B 的概率”。无放回地抽到两张 A？第一张 A 的概率是 4/52，但第二张 A 变为 3/51，因为牌堆变小了。相乘得：(4/52) × (3/51) = 1/221。
加法法则（当事件可重叠时）
加法法则用于 OR 情境（当您要求至少一个事件发生）。如果事件互斥（不能同时发生），直接相加：P(A or B) = P(A) + P(B)。在一颗骰子上掷出 2 或 3，意味着 1/6 + 1/6 = 1/3。
当事件可以重叠时，需要减去交集以避免重复计数：P(A or B) = P(A) + P(B) - P(A ∩ B)。从一副牌中抽到国王或红心？共有 4 张国王和 13 张红心，但红心国王被重复计算了一次，因此：4/52 + 13/52 - 1/52 = 16/52。
复合概率的分步示例
我们通过具体示例来看看这些法则如何应用。复合概率是一个总称，涵盖了独立与依赖事件的情境。
独立事件示例
您把一枚公平硬币抛两次。两次都为正面的概率是多少？由于抛掷相互独立，每次的概率为 1/2。用乘法法则：P（第一次正面 且 第二次正面）= 1/2 × 1/2 = 1/4。连续两次正面的概率为 25%。
依赖事件示例
一个袋子里有 5 颗蓝色弹珠和 3 颗红色弹珠。无放回地抽两次。两次都抽到蓝色的概率是多少？第一次为 5/8。取出一颗蓝色后，袋中剩 7 颗弹珠，其中 4 颗是蓝色，所以 P（第二次蓝｜第一次蓝）= 4/7。因此：P（两次皆蓝）= 5/8 × 4/7 = 20/56 = 5/14，约为 35.7%。
无放回抽取弹珠时依赖事件的树状图可视化。作者制图。
涉及 “AND” 与 “OR” 的示例
这里要仔细读题。掷一颗标准骰子。掷出小于 3 的数或偶数的概率是多少？小于 3 的数：{1, 2}。偶数：{2, 4, 6}。它们在 2 处重叠，所以不能直接相加。用加法法则：P（小于 3）= 2/6，P（偶数）= 3/6，P（两者皆是）= 1/6。因此：2/6 + 3/6 - 1/6 = 4/6 = 2/3。
显示事件重叠的维恩图。作者制图。
注意，“or” 表示需要加法，而 “and” 表示需要乘法。概率题目的语言会告诉您该用哪条规则。
复合概率常见错误
把依赖事件当作独立事件是最常见的错误。如果您在无放回抽牌时仍按牌堆不变去相乘，答案就会错。务必问自己：第一个事件是否改变了第二个事件的条件？
当题目需要乘法时却去相加，多源于把 “and” 误解为 “or”。若题目询问事件 A 且事件 B 的概率，需要相乘（在独立或使用条件概率的前提下）。相加对应的是完全不同的情形。
误解 “and” 与 “or” 会引发混淆，因为日常语言不如数学语言精确。“明天下雨或下雪的几率有多大？”表示至少有一种发生（用加法）。“明天下雨且下雪的几率有多大？”表示两者同时发生（用乘法）。
在序贯情境中忘记在每次结果后调整概率也很常见。抽走一张牌后，牌堆是 51 张，不是 52 张。一个顾客离开后，样本数少了一个。在每一步都要更新概率。
复合概率的应用场景
在机遇游戏中，赌场用复合概率计算庄家优势。理解多个有利结果的概率，有助于玩家做出更明智的下注决策（尽管赌场总是内置了数学上的优势）。商业与金融中的风险分析也高度依赖复合概率。市场下行且利率上升的概率是多少？这些复合情境帮助企业对冲多个风险因素同时发生的可能性。
质量控制流程使用复合概率来评估缺陷的可能性。如果两个制造环节各自有 2% 的缺陷率，复合概率会告诉您产品经过这两道工序后的总体缺陷率。医学检测会把多项检测结果用复合概率结合起来。患者可能接受多项诊断，医生需要的是综合所有结果后的患病概率，而不是孤立地看某一项检测。
我们的 Foundations of Probability in Python 课程对这类实际应用有深入讲解。
复合概率 vs. 条件概率
条件概率问的是：“已知 B 发生，A 发生的概率是多少？”您在根据新信息更新您的概率估计。复合概率问的是：“多个事件以某种组合发生的概率是多少？”
在计算依赖事件的复合概率时，两者会相互关联。您会在乘法法则中使用条件概率。P(A ∩ B) = P(A) × P(B|A) 明确展示了这种关系。条件概率 P(B|A) 帮助您计算 A 与 B 同时发生的复合概率。
可以这样理解：条件概率是您在复合概率计算中使用的工具。当事件相互依赖时，如果不考虑一个事件如何影响另一个事件，就无法计算复合概率，而这正是条件概率所刻画的。
解题练习建议
先识别涉及多少个事件，以及它们是独立还是依赖。寻找线索：题目是否提到“放回”？一个事件是否改变了下一个事件的条件？独立事件的概率保持不变，而依赖事件则需要在每次事件后更新概率。
谨慎解读 “and” 或 “or”，因为这些词决定了您的整体思路。在计算前，把已知条件写下来。列出各个事件的概率，标出任何条件概率；如果是序贯事件，可以快速画个示意图。这样的准备能避免计算时出错。
对结果做基本合理性检查。概率必须介于 0 和 1 之间。若在做乘法，答案应小于各单个概率中的最小值。如果感觉不对，先复核再继续。我们的 Probability Puzzles in R 课程提供了这些解题策略的练习。
结论
复合概率为处理多个事件的组合提供了数学框架。关键在于识别您面对的是 AND 情境（乘法法则）还是 OR 情境（加法法则），以及事件是独立还是依赖。这些区分决定了您要使用的公式。
通过练习，您会逐步形成直觉。数据科学中的真实应用（从 A/B 测试到风险建模）都基于相同原理。从简单示例入手，按部就班地推理，在更复杂的情境中不断建立信心。
%22%3E%3Cpath%20d%3D%22m-369%200h408v79h-408z%22%20fill%3D%22%237933ff%22%2F%3E%3Cpath%20d%3D%22m-148%200h306v45h-306z%22%20fill%3D%22%23974dff%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
%22%2F%3E%3C%2FclipPath%3E%3Cg%20clip-path%3D%22url(%23a)%22%3E%3Cpath%20d%3D%22m76%200h484v36h-484z%22%20fill%3D%22%23974dff%22%2F%3E%3Cpath%20d%3D%22m0%200h384v24h-384z%22%20fill%3D%22%2306bdfc%22%20transform%3D%22matrix(1%200%200%20-1%200%2060)%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
您在桌游中掷两颗骰子。掷出两个六的几率是多少？或者，您在分析客户数据，需要知道用户点击广告或完成购买的概率。
这些情境涉及复合概率，它用于计算多个事件同时或分别发生的可能性。如果这听起来有些晦涩，不用担心：我会用清晰的示例把概念讲得通俗易懂。
什么是复合概率？
复合概率用于计算涉及两个或以上事件时的发生可能性。简单概率只聚焦于单一事件（比如抛一次硬币），而复合概率处理的是多个事情可能发生的情形。
在统计学中，这些情境有特定名称：AND 场景称为联合概率（两个事件同时发生的概率），OR 场景称为并集（至少一个事件发生的概率）。
可以把复合概率看作一个对初学者友好的总括性术语，帮助您在深入这些更技术化的概念前，先学会两类计算。
复合概率事件的类型
AND/OR 的区分能告诉您该用哪条公式，但事件之间的另一种关系会改变公式的具体用法。在准确计算复合概率之前，您需要理解事件之间如何相互关联，尤其是一个事件是否会影响另一个事件。
相互独立事件
当一个事件不影响另一个事件时，它们相互独立。先抛硬币，再掷骰子。抛到正面并不会改变掷出四点的机会。每个事件都有自己恒定的概率。
经典示例包括掷多颗骰子、抛多枚硬币，或有放回地抽牌（每次抽后把牌放回去）。在数据科学中，分析彼此独立的用户会话或互不相关的 A/B 测试分组时，也会看到独立性。
相互依赖事件
当第一个事件会改变第二个事件的概率时，这些事件是相互依赖的。从一副牌中抽一张，再不放回地抽第二张。由于牌堆构成发生变化，第二次抽牌的概率不同了。
无放回抽样、序贯决策过程，或事件存在因果联系时，就会出现依赖关系。第二次购买的概率取决于客户是否进行了第一次购买。这种依赖性会直接影响您的计算。
计算复合概率的法则
既然您已经了解了事件关系，我们就可以开始实际计算了。
前面讲到的独立或依赖关系会直接决定您使用公式的哪个版本。具体取决于您遇到的是 AND 还是 OR 情境，以及在这些情境下，事件是独立还是依赖。
用于选择正确复合概率公式的决策流程图。作者制图。
乘法法则
乘法法则用于 AND 情境（当您要求两个事件都发生）。对独立事件，乘以各自的概率：P(A ∩ B) = P(A) × P(B)。掷出四点且抛到正面？就是 (1/6) × (1/2) = 1/12。
对依赖事件，您需要条件概率：P(A ∩ B) = P(A) × P(B|A)。意思是“事件 A 的概率乘以在 A 发生的条件下事件 B 的概率”。无放回地抽到两张 A？第一张 A 的概率是 4/52，但第二张 A 变为 3/51，因为牌堆变小了。相乘得：(4/52) × (3/51) = 1/221。
加法法则（当事件可重叠时）
加法法则用于 OR 情境（当您要求至少一个事件发生）。如果事件互斥（不能同时发生），直接相加：P(A or B) = P(A) + P(B)。在一颗骰子上掷出 2 或 3，意味着 1/6 + 1/6 = 1/3。
当事件可以重叠时，需要减去交集以避免重复计数：P(A or B) = P(A) + P(B) - P(A ∩ B)。从一副牌中抽到国王或红心？共有 4 张国王和 13 张红心，但红心国王被重复计算了一次，因此：4/52 + 13/52 - 1/52 = 16/52。
复合概率的分步示例
我们通过具体示例来看看这些法则如何应用。复合概率是一个总称，涵盖了独立与依赖事件的情境。
独立事件示例
您把一枚公平硬币抛两次。两次都为正面的概率是多少？由于抛掷相互独立，每次的概率为 1/2。用乘法法则：P（第一次正面 且 第二次正面）= 1/2 × 1/2 = 1/4。连续两次正面的概率为 25%。
依赖事件示例
一个袋子里有 5 颗蓝色弹珠和 3 颗红色弹珠。无放回地抽两次。两次都抽到蓝色的概率是多少？第一次为 5/8。取出一颗蓝色后，袋中剩 7 颗弹珠，其中 4 颗是蓝色，所以 P（第二次蓝｜第一次蓝）= 4/7。因此：P（两次皆蓝）= 5/8 × 4/7 = 20/56 = 5/14，约为 35.7%。
无放回抽取弹珠时依赖事件的树状图可视化。作者制图。
涉及 “AND” 与 “OR” 的示例
这里要仔细读题。掷一颗标准骰子。掷出小于 3 的数或偶数的概率是多少？小于 3 的数：{1, 2}。偶数：{2, 4, 6}。它们在 2 处重叠，所以不能直接相加。用加法法则：P（小于 3）= 2/6，P（偶数）= 3/6，P（两者皆是）= 1/6。因此：2/6 + 3/6 - 1/6 = 4/6 = 2/3。
显示事件重叠的维恩图。作者制图。
注意，“or” 表示需要加法，而 “and” 表示需要乘法。概率题目的语言会告诉您该用哪条规则。
复合概率常见错误
把依赖事件当作独立事件是最常见的错误。如果您在无放回抽牌时仍按牌堆不变去相乘，答案就会错。务必问自己：第一个事件是否改变了第二个事件的条件？
当题目需要乘法时却去相加，多源于把 “and” 误解为 “or”。若题目询问事件 A 且事件 B 的概率，需要相乘（在独立或使用条件概率的前提下）。相加对应的是完全不同的情形。
误解 “and” 与 “or” 会引发混淆，因为日常语言不如数学语言精确。“明天下雨或下雪的几率有多大？”表示至少有一种发生（用加法）。“明天下雨且下雪的几率有多大？”表示两者同时发生（用乘法）。
在序贯情境中忘记在每次结果后调整概率也很常见。抽走一张牌后，牌堆是 51 张，不是 52 张。一个顾客离开后，样本数少了一个。在每一步都要更新概率。
复合概率的应用场景
在机遇游戏中，赌场用复合概率计算庄家优势。理解多个有利结果的概率，有助于玩家做出更明智的下注决策（尽管赌场总是内置了数学上的优势）。商业与金融中的风险分析也高度依赖复合概率。市场下行且利率上升的概率是多少？这些复合情境帮助企业对冲多个风险因素同时发生的可能性。
质量控制流程使用复合概率来评估缺陷的可能性。如果两个制造环节各自有 2% 的缺陷率，复合概率会告诉您产品经过这两道工序后的总体缺陷率。医学检测会把多项检测结果用复合概率结合起来。患者可能接受多项诊断，医生需要的是综合所有结果后的患病概率，而不是孤立地看某一项检测。
我们的 Foundations of Probability in Python 课程对这类实际应用有深入讲解。
复合概率 vs. 条件概率
条件概率问的是：“已知 B 发生，A 发生的概率是多少？”您在根据新信息更新您的概率估计。复合概率问的是：“多个事件以某种组合发生的概率是多少？”
在计算依赖事件的复合概率时，两者会相互关联。您会在乘法法则中使用条件概率。P(A ∩ B) = P(A) × P(B|A) 明确展示了这种关系。条件概率 P(B|A) 帮助您计算 A 与 B 同时发生的复合概率。
可以这样理解：条件概率是您在复合概率计算中使用的工具。当事件相互依赖时，如果不考虑一个事件如何影响另一个事件，就无法计算复合概率，而这正是条件概率所刻画的。
解题练习建议
先识别涉及多少个事件，以及它们是独立还是依赖。寻找线索：题目是否提到“放回”？一个事件是否改变了下一个事件的条件？独立事件的概率保持不变，而依赖事件则需要在每次事件后更新概率。
谨慎解读 “and” 或 “or”，因为这些词决定了您的整体思路。在计算前，把已知条件写下来。列出各个事件的概率，标出任何条件概率；如果是序贯事件，可以快速画个示意图。这样的准备能避免计算时出错。
对结果做基本合理性检查。概率必须介于 0 和 1 之间。若在做乘法，答案应小于各单个概率中的最小值。如果感觉不对，先复核再继续。我们的 Probability Puzzles in R 课程提供了这些解题策略的练习。
结论
复合概率为处理多个事件的组合提供了数学框架。关键在于识别您面对的是 AND 情境（乘法法则）还是 OR 情境（加法法则），以及事件是独立还是依赖。这些区分决定了您要使用的公式。
通过练习，您会逐步形成直觉。数据科学中的真实应用（从 A/B 测试到风险建模）都基于相同原理。从简单示例入手，按部就班地推理，在更复杂的情境中不断建立信心。