条件概率谜题：基于血型匹配证据，计算嫌疑人A的有罪概率

这是个典型的贝叶斯概率问题，咱们一步步拆解就能得到清晰的结果：

先明确事件定义 #

• G_A：嫌疑人A是罪犯
• G_B：嫌疑人B是罪犯（题目明确只有一人作案，所以这两个事件互斥且穷尽，初始概率 P(G_A) = P(G_B) = 0.5）
• X_c：罪犯的血型属于人群占比10%的类型（调查确认的已知条件）
• X_A：嫌疑人A的血型匹配该类型（同样是已知条件）

核心目标 #

我们需要计算的是：在已知罪犯血型为X、且A血型匹配X的前提下，A是罪犯的概率，也就是 P(G_A | X_c ∧ X_A)。

推导过程 #

用贝叶斯定理结合全概率公式来计算：

1. 首先，在已知X_c的前提下，A和B的初始嫌疑概率仍然是0.5——因为两人初始嫌疑相等，且“罪犯血型为X”这个信息对两人来说，概率都是各自血型为X的概率（都是10%），所以这个信息没有改变他们的初始概率。
2. 加入X_A（A血型匹配X）的信息后：
   • 如果A是罪犯（G_A成立），那么X_A必然成立（因为罪犯就是A，血型为X），所以 P(X_A | G_A, X_c) = 1
   • 如果B是罪犯（G_B成立），A的血型和罪犯无关，所以A血型匹配X的概率就是人群中的占比，即 P(X_A | G_B, X_c) = 0.1

代入全概率公式计算：

P(G_A | X_c ∧ X_A) = [P(X_A | G_A, X_c) * P(G_A | X_c)] / [P(X_A | G_A, X_c)*P(G_A | X_c) + P(X_A | G_B, X_c)*P(G_B | X_c)]

把数值代入：

= [1 * 0.5] / [(1 * 0.5) + (0.1 * 0.5)] = 0.5 / 0.55 = 10/11 ≈ 90.9%

结论 #

嫌疑人A为罪犯的概率是 10/11（约90.9%）。本质原因是：如果A是罪犯，血型匹配是必然事件；而如果B是罪犯，A血型匹配只是一个低概率的随机事件，这个证据大幅提升了A的嫌疑程度。

内容的提问来源于stack exchange，提问作者Gerry