4/2 法则：新手必须掌握的概率计算神技。

前言：很多人一遇到概率计算就脑袋打结：题目复杂、条件繁杂、公式太多。抓住一个核心方法，你就能在考试、数据分析、风险管理里快速给出可信答案。这就是“4/2 法则”——面向新手的概率计算框架，简单、稳健、可复用。

定义：“4/2 法则”=四步拆解 + 两次校准。

• 四步拆解：1) 明确样本空间与目标事件；2) 将问题拆成互斥且完备的事件分割；3) 识别独立与条件概率关系；4) 选择度量（频率估计、期望、风险区间）。
• 两次校准：A) 用基准频率或小规模模拟做“粗估”；B) 以全概率公式/贝叶斯定理回算“细校”，确保逻辑闭合。

核心思路：概率计算不是背公式，而是把复杂问题“先分后合、先粗后准”。借助互斥且完备的分割，配合全概率公式 P(B)=Σ P(B|A_i)P(A_i)，再用贝叶斯做反推，就能规避重复计数与漏算依赖。

案例1（骰子）：掷两次骰子，至少出现一次6的概率？

• 四步：样本空间36；事件分割为“出现6/不出现6”；独立性成立；度量选择频率。
• 粗估：用补事件法，1−(5/6)^2≈0.3056。
• 细校：按全概率合并路径一致，结论为11/36，与粗估匹配。 这例子体现了条件概率与补事件的配合能显著简化计算。

案例2（检测）：患病率1%，敏感度95%，特异度98%，问阳性后的患病概率？

• 四步：分割为“患病/不患病”；识别条件概率 P(+|病)、P(+|非病)；选择后验概率。
• 粗估（频率法）：假设10000人，真阳性95人，假阳性198人，后验约 95/(95+198)≈0.324。
• 细校（贝叶斯）：P(病|+) = 0.95×0.01 / [0.95×0.01 + 0.02×0.99] ≈ 0.324。与粗估一致，逻辑闭合。 这也说明在低患病率下，假阳性会显著影响概率计算与风险判断。

适用场景：A/B 测试点击率、转化漏斗、风控阈值、抽样统计、比赛胜率评估。关键词如“概率计算、新手入门、条件概率、全概率公式、贝叶斯”都能自然融入这一框架。

记忆口诀：四步拆解，两次校准；先分后合，先粗后准。当你把问题拆成可加总的块，并用两道独立视角（频率与公式）互证，结果更稳、更快、更容易让团队信服。