统计学系列条目
概率论
概率 概率公理 决定论 非决定论 随机性
概率空间 概率测度 样本空间 随机试验 伯努利试验 事件 互补事件 互斥 基本事件（英语：Elementary_event） 结果 单元素
随机变量 期望 条件概率 概率分布 离散型均匀分布 伯努利分布 二项式分布 几何分布 负二项分布 超几何分布 泊松分布 连续型均匀分布 正态分布 对数正态分布 多元正态分布 指数分布 Gamma分布 Beta分布 帕累托分布 联合分布 边缘分布
随机过程 伯努利过程 随机游走 维纳过程 马尔可夫过程 伊藤过程
统计独立性 条件独立 全概率公式 大数定律 贝叶斯定理 布尔不等式
文氏图 树形图
查 论 编

全概率定理(Law of total probability)，假设{ B_n : n = 1, 2, 3, ... } 是一个概率空间的有限或者可数无限的分割（既 B_n为一完备事件组），且每个集合B_n是一个可测集合，则对任意事件A有全概率公式：

${\displaystyle \Pr(A)=\sum _{n}\Pr(A\cap B_{n})\,}$

又因为

${\displaystyle \Pr(A\cap B_{n})=\Pr(A\mid B_{n})\Pr(B_{n}),}$

此处Pr(A | B)是B发生后A的条件概率，所以全概率公式又可写作：

${\displaystyle \Pr(A)=\sum _{n}\Pr(A\mid B_{n})\Pr(B_{n}).\,}$

全概率公式将对一复杂事件A的概率求解问题转化为了在不同情况或不同原因 B_n下发生的简单事件的概率的求和问题。

在离散情况下，上述公式等于下面这个公式。但后者在连续情况下仍然成立：

${\displaystyle \Pr(A)=E(\Pr(A\mid N))}$

此处N是任意随机变量。

这个公式还可以表达为：

"A的先验概率等于A的后验概率的事前期望。

• 双重期望定理
• 全方差定理
• law of total cumulance