核心問題

得到新資訊之後，原本的機率是否還一樣？

條件機率模式的核心是：機率不是固定不變的，它會隨著新資訊而改變。很多人在判斷機率時，會停留在最初的直覺，例如男女各半、紅黑各半、三扇門剩兩扇所以各半。但一旦加入「已知其中一人是男性」、「主持人打開的是山羊」、「檢測結果為陽性」這些條件，原本的樣本空間就改變了。

條件機率是機率思維中最重要、也最容易誤判的部分。它提醒我們：新資訊不是附加說明，而是會重組整個判斷基礎。

觀念說明

條件機率的基本問題是：「在已知某件事發生的情況下，另一件事發生的機率是多少？」它不是問原本機率，而是問「條件成立後」的機率。

條件機率的關鍵，是重新界定「現在還可能的情況有哪些」。

經典案例一：電梯裡的男女

附件中提到一個條件機率案例：已知到某層樓的訪客男女比例各半，電梯裡有兩人，其中一位男性先下。那下一位下電梯的人比較可能是男性還是女性？

直覺上很多人會說男女各半，所以仍然是二分之一。但如果我們把兩人組合列出來，可能有四種：男男、男女、女男、女女。現在已知其中一位是男性，就排除了女女，剩下男男、男女、女男三種情況。這三種情況裡，另一位是男性的可能性高於直覺想像。

這個案例說明，條件資訊會改變樣本空間。若仍用原本的男女各半判斷，就忽略了新資訊。

經典案例二：醫療檢測

假設某疾病在人群中的盛行率很低，只有1%。某檢測準確率很高，例如陽性判斷準確率為99%。如果一個人檢測陽性，他是否幾乎一定有病？直覺上會這樣想，但正確判斷還要看基準率。

如果一萬人中只有100人真的有病，即使檢測能抓出大多數患者，也可能在9900位健康者中產生一些偽陽性。當疾病本來很少見時，陽性結果不一定代表患病機率接近99%。這就是條件機率與基準率共同作用的典型情境。

商務上，詐騙偵測、信用評分、品管抽樣也有類似問題：警訊出現後，風險上升，但上升到多少，要看原本基準率與檢測準確度。

經典案例三：信用評分

銀行或出口商評估客戶信用時，不能只看一般違約率。假設某市場平均違約率是3%，但某客戶出現付款延遲、財務報表惡化、頻繁更換供應商等訊號，違約機率就不應再用3%估計，而要根據新資訊重新更新。

這就是條件機率在商務中的應用。信用評分不是貼標籤，而是根據新證據不斷調整風險判斷。企業如果忽略條件資訊，就可能把高風險客戶當成一般客戶，導致壞帳。

國際商務應用