统计学概率数学计算器学习指南

概率树状图生成器：手把手教你一步步画出概率树

August 25, 2026·16 min read·Solvify Team

概率树状图生成器会画出一张分叉的图形，把一连串事件的所有可能结果全部列出来，在每条分支上标注对应的概率，让你沿着一条路径相乘、跨路径相加，就能求出任意复合概率而不漏掉任何一种结果。学生第一次接触树状图通常是在概率统计入门单元——抛硬币、抽扑克牌、转转盘以及多阶段应用题——而同样的分支逻辑往上可以扩展到遗传杂交、质量抽检和决策分析。本文将从零开始搭建一棵概率树，用真实数字带你走完独立事件、相依事件和条件概率三类例题，最后附上练习题，让你在相信任何工具的输出之前先能手算验证。

什么是概率树状图生成器？

概率树状图生成器是一种工具——可以是数字化的，也可以是手绘的——它把一个多阶段随机过程表示成分叉图：每个分叉点（称为节点）会分出该阶段所有可能发生的结果，而每条分支上标注的，是在此前所有事情都已发生的前提下该结果出现的概率。从左往右读，这棵树展示了事件的完整顺序；在任一阶段从上往下看，同一个节点分出的所有分支概率之和永远等于 1，因为它们涵盖了这一步的全部可能。这张图把原本需要小心记账的应用题——“不放回地连续抽出两颗红色弹珠的概率是多少？”——变成了一条可以顺着描摹并逐段相乘的直观路径。

从同一节点出发的每一组分支，概率之和必须为 1——仅凭这一条检查，就能在你动手相乘之前揪出大部分建树错误。

概率树状图生成器是怎么工作的？

无论你是在纸上画草图，还是使用概率树生成器，底层流程都完全一致：先从一个起点出发，为第一个事件的每种可能结果画一条分支，在每条分支上标注概率，然后从每条分支的末端出发，对下一个事件重复上述步骤。生成器把绘图和算术自动化了，但它仍然依赖你（或题目）在每个阶段给出正确的分支概率——一旦这些数字错了，工具会信心十足地算出错误答案，这也正是即便你以后再也不手绘树状图，也必须理解下面两条法则的原因。

1. 画出第一组分支

从起始节点出发，为第一个事件的每种结果各画一条分支，并把概率写在分支上。对一枚均匀硬币来说就是两条分支：正面（1/2）和反面（1/2）。

2. 从每个端点继续分叉

在每条分支的末端，为下一个事件添加一组新分支。如果事件之间相依，第二层的概率必须体现出已经发生的结果——绝大多数条件概率的错误都出在这里。

3. 描出路径并合并结果

树中每一条从左到右的完整路径，代表一种特定的结果序列。把同一条路径上的各分支概率相乘，得到该路径的概率；再把满足同一事件的不同路径的概率相加。

支撑所有概率树的两条核心法则

概率树里所有的运算都由两条法则完成，而且它们都直接来自概率的一般定律，并不是树状图特有的小技巧。记住这两条，你就能手算核对概率树生成器的输出，甚至完全不用工具，直接从应用题搭出一棵树。

1. 沿分支相乘（AND 法则）

要求某个特定结果序列的概率——先发生这个，再发生那个——就把这条路径上每条分支的概率相乘。对独立事件，P(A and B) = P(A) × P(B)；对相依事件，P(A and B) = P(A) × P(B given A)，而第二条分支上标注的正是这个条件概率。

2. 跨路径相加（OR 法则）

当一个事件可以通过树中不止一条路径发生时——这个序列 OR 那个序列——就把所有满足该事件的路径概率相加。像“抛两次恰好出现一次正面的概率是多少”这类问题就是这样解决的：它可以通过两条不同路径实现——先正后反，或先反后正。

沿单条路径相乘；跨不同路径相加，只要它们导向同一事件。几乎所有树状图题目，最后都归结为正确运用这两条法则。

例题精讲：抛两次硬币（独立事件）

先从最简单的树开始：把一枚均匀硬币抛两次。因为前一次抛掷对下一次毫无影响，这是一棵独立事件树，无论此前出现什么结果，每条分支的概率都固定为 1/2。

1. 建树

第一次抛掷：正面（1/2）或反面（1/2）。从其中每个结果出发再抛第二次：正面（1/2）或反面（1/2）。这样就得到四条完整路径：HH、HT、TH、TT。

2. 求 P(两次正面)

只有一条路径符合：先 H 后 H。P(HH) = 1/2 × 1/2 = 1/4 = 25%。

3. 求 P(恰好一次正面)

有两条路径符合：HT 和 TH。P(HT) = 1/2 × 1/2 = 1/4，P(TH) = 1/2 × 1/2 = 1/4。相加：P(恰好一次正面) = 1/4 + 1/4 = 1/2 = 50%。

4. 验算结果

四条路径的概率之和必须为 1：P(HH) + P(HT) + P(TH) + P(TT) = 1/4 + 1/4 + 1/4 + 1/4 = 1。验算通过，说明这棵树建对了。

例题精讲：不放回抽取弹珠（相依事件）

相依事件树才是概率树状图生成器真正发挥价值的地方，因为第二阶段的分支概率会随第一阶段的结果而改变——没有图来跟踪，这个细节非常容易出错。假设袋子里有 5 颗红弹珠和 3 颗蓝弹珠（共 8 颗），你一次取一颗、连取两颗，且取出后不放回。

1. 第一次抽取

P(Red) = 5/8，P(Blue) = 3/8。这就是从起始节点分出的两条分支。

2. 第一次抽到红色后的第二次抽取

如果第一次抽到的是红色，袋中还剩 4 红 3 蓝，共 7 颗。P(Red | first Red) = 4/7，P(Blue | first Red) = 3/7。

3. 第一次抽到蓝色后的第二次抽取

如果第一次抽到的是蓝色，袋中还剩 5 红 2 蓝，共 7 颗。P(Red | first Blue) = 5/7，P(Blue | first Blue) = 2/7。

4. 求 P(两次都是红色) 并验算

P(Red then Red) = 5/8 × 4/7 = 20/56 = 5/14 ≈ 35.71%。验算时把四条路径概率相加：(5/8×4/7) + (5/8×3/7) + (3/8×5/7) + (3/8×2/7) = 20/56 + 15/56 + 15/56 + 6/56 = 56/56 = 1，说明各分支建得正确。

题目一旦出现“不放回”，第二层分支的分母就必须与第一层不同——这一变化，正是概率树状图生成器替你直观呈现出来的东西。

例题精讲：含条件概率的三阶段树

真实作业题往往把三个甚至更多事件串在一起，而概率树生成器处理多出来的这一层，方式和处理第二层完全一样：从每个端点继续分叉，使用以此前完整路径为条件的概率。设想一名学生有 70% 的概率会为考试复习。如果复习，他有 85% 的概率通过；如果不复习，通过的概率只有 30%。再加上第三个阶段：通过的学生有 90% 的概率被邀请参加加分环节，而未通过的学生只有 10% 的概率。

1. 阶段 1：复习或不复习

P(Study) = 0.70，P(No study) = 0.30。

2. 阶段 2：以阶段 1 为条件的通过或未通过

复习分支：P(Pass | Study) = 0.85，P(Fail | Study) = 0.15。不复习分支：P(Pass | No study) = 0.30，P(Fail | No study) = 0.70。

3. 求 P(复习且通过)

沿这一条路径相乘：0.70 × 0.85 = 0.595，即 59.5%。

4. 合并两条路径，求总的 P(通过)

P(Pass) = P(Study and Pass) + P(No study and Pass) = (0.70 × 0.85) + (0.30 × 0.30) = 0.595 + 0.09 = 0.685，即 68.5%。

5. 延伸到阶段 3：P(复习、通过并进入加分环节)

把这条路径上的三条分支全部相乘：0.70 × 0.85 × 0.90 = 0.5355，约为 53.55%。

为什么用概率树生成器，而不用表格或韦恩图？

对于结果集合固定的两个事件，表格和韦恩图都很好用；但只要题目涉及三个及以上阶段，或者概率会随先前结果变化，它们就会变得笨拙。概率树生成器天然可扩展：每增加一个阶段，不过是多加一层分支，而条件概率直接写在它所适用的分支上，无需再单独制作一张条件概率表。树状图在处理顺序类问题时也更直观——“第一次成功恰好出现在第三次尝试的概率是多少？”——因为事件的先后顺序已经内建在图形从左到右的结构里，这一点是表格难以呈现的。

概率树生成器能处理超过两条分支的情况吗？

可以——树状图从未规定一个节点只能有两个结果。一个分成四等份的转盘在该阶段就有四条分支，每条标注 1/4；一颗六面骰子就有六条分支，每条标注 1/6；各结果概率不等的加权过程，则得到概率不等但总和正确的若干分支。唯一永远不变的法则是：同一节点分出的每一组分支之和必须为 1，无论分支有多少条。分支越多，需要描摹的路径越多，跨路径合并事件时需要相加的项也越多，但“沿路径相乘、跨路径相加”的逻辑分毫未变。

画概率树状图常见的错误有哪些？

树状图的绝大多数错误都来自少数几类反复出现的失误，在采信最终答案之前逐条排查，就能拦下作业和考试中的大部分错误。

1. “不放回”抽取后忘记更新概率

第二次抽取沿用第一次的分母，是相依事件树中最常见的单一错误——移走一件物品后，务必重新计算剩余总数。

2. 沿路径把相乘做成了相加

树中一条路径代表依次发生的一连串事件，因此这些分支概率必须相乘，而不是相加。相加只适用于合并彼此独立的完整路径。

3. 跳过“分支之和为 1”的检查

如果从任一节点出发的分支概率之和不等于 1，要么漏了一种结果，要么某个概率抄错了——这项检查只需几秒钟，却能避免你在一棵已经错了的树上继续往下算。

4. 把 P(A and B) 与 P(A given B) 弄混

第二阶段分支上标注的本身就是条件概率 P(B given A)——它与无条件概率 P(B) 并不是同一个数，两者混用会导致最终的乘法结果出错。

配完整解答的练习题

先自己做完这些题，再去核对任何工具的输出，然后把你的树状图和运算过程与下面的解答对照。

1. 题目 1：均匀转盘转两次

一个转盘有 3 个等份：红、蓝、绿。转两次。求 P(至少出现一次红)。解答：用对立事件更简便。P(单次不出现红) = 2/3，所以 P(两次都不出现红) = 2/3 × 2/3 = 4/9。P(至少一次红) = 1 − 4/9 = 5/9 ≈ 55.56%。

2. 题目 2：不放回抽两张牌

一副标准 52 张扑克牌中有 4 张 A。不放回地抽两张，求 P(两张都是 A)。解答：P(第一张是 A) = 4/52 = 1/13。P(第二张是 A | 第一张是 A) = 3/51 = 1/17。P(两张都是 A) = 1/13 × 1/17 = 3/663 = 1/221 ≈ 0.45%。

3. 题目 3：加权的三阶段过程

某工厂机器有 5% 的概率生产出次品。次品被检验查出的概率为 90%；非次品被误判为次品的概率为 2%。求 P(某个零件被标记为次品)。解答：P(是次品且被标记) = 0.05 × 0.90 = 0.045。P(非次品且被标记) = 0.95 × 0.02 = 0.019。P(被标记) = 0.045 + 0.019 = 0.064，即 6.4%。

如何一步步使用概率树状图生成器

无论你是在数字化的概率树生成器中录入数值，还是拿它来核对自己的手算结果，每次都遵循同样的顺序，可以让流程保持一致，也更容易发现错误。

1. 列出所有阶段和结果

按发生顺序，把序列中每一个不同的事件以及每个事件的全部可能结果都写下来。

2. 录入或写下第一阶段的概率

在继续之前先确认它们之和为 1——这是发现设置错误代价最低的地方。

3. 为后续阶段录入条件概率

对每条分支，使用“在此前路径全部已发生的前提下”该阶段结果的概率，而不是无条件概率。

4. 沿目标路径相乘，再跨匹配路径相加

找出所有满足题意的完整路径，把每条路径上的分支概率相乘，再把各路径结果相加，得到最终答案。

现实生活中什么时候该用概率树状图？

走出课堂，凡是需要把一连串不确定事件理清楚的场合，都能看到树状图的身影：医学检测（阳性结果确实是真阳性的概率，取决于检测的准确率以及该疾病实际有多常见）、遗传杂交（追踪各代中可能出现哪些等位基因组合）、质量控制（把零件为次品的概率与检验能查出它的概率串联起来），以及日常决策，比如权衡若干独立风险叠加后的总体几率。只要“接下来会发生什么”取决于“刚刚发生了什么”，树状图——无论是手绘的，还是用概率树状图生成器搭出来的——都是确保不遗漏任何结果、任何条件概率的最清晰方式。

标签: