贝叶斯定理应用中P(C|G^c)取值的疑问
嘿，我来帮你捋清楚这个容易混淆的点！
首先咱们再明确一下各个事件的定义，避免概念混淆：
- $G$：嫌疑人有罪
- $C$：嫌疑人是秃头（也就是题目里说的“特征适用于嫌疑人”）
你的疑问核心是：既然已经知道嫌疑人是秃头了，为什么$P(C|G^c)$还要取0.2？其实这里你混淆了**“我们观察到的证据（嫌疑人是秃头）”和“在无罪假设下，嫌疑人具备该特征的概率”**这两个不同的概念。
咱们拆解贝叶斯公式的逻辑：
我们的目标是计算在已知嫌疑人是秃头（$C$发生）的前提下，他有罪的概率$P(G|C)$。为了算出这个值，我们需要用全概率公式展开分母$P(C)$（也就是“任意一个人，不管有罪无罪，是秃头的概率”）：
$$
P(C) = P(C|G)P(G) + P(C|Gc)P(Gc)
$$
这里的$P(C|Gc)$，它的含义是：**假设嫌疑人是无罪的（$Gc$成立），那么他是秃头的概率**。因为如果嫌疑人无罪，他就只是普通人群中的一员——而题目明确说了20%的人口是秃头，所以这个概率自然就是0.2。
你可能会觉得“我们已经知道嫌疑人是秃头了，这个概率还有意义吗？”其实这个项的作用是帮我们衡量「无罪群体中出现秃头的比例」，从而和「有罪群体必然是秃头（$P(C|G)=1$）」的情况做对比，最终算出在所有秃头的人里，有罪的人占比多少——这正是我们要的$P(G|C)$。
举个更直观的例子：假设总共有1000个人，其中600个是最初怀疑的嫌疑人（对应$P(G)=0.6$），400个是其他无辜的人（$P(G^c)=0.4$）。有罪的人必然是秃头，所以600个嫌疑人都是秃头；无辜的人里20%是秃头，也就是400×0.2=80个秃头。那么所有秃头的人一共有600+80=680个，其中真正有罪的是600个，所以$P(G|C)=600/680≈0.882$，和公式计算的结果一致。
这样是不是就清楚为什么$P(C|G^c)$要取0.2了？
备注：内容来源于stack exchange，提问作者talopl
