P(B|A)这个是在B发生的情况下A发生的概率，
P(B|A)=P(AB)/P(B)=1
则P(AB)=P(B)这样并不能推出B包含A啊，而且在A和B是两个不相干的独立事件的时候，如果A是必然发生事件，这个式子永远成立，比如A事件是今天是11月11日，B事件是你以后生的小孩会是男孩，这个B事件发生的概率是0.5，而A事件发生的概率是1
P(B|A)=1
扩展资料：
概型
古典概型
古典概型讨论的对象局限于随机试验所有可能结果为有限个等可能的情形，即基本空间由有限个元素或基本事件组成，其个数记为n，每个基本事件发生的可能性是相同的。若事件A包含m个基本事件，则定义事件A发生的概率 。
也就是事件A发生的概率等于事件A所包含的基本事件个数除以基本空间的基本事件的总个数，这是P.-S.拉普拉斯的古典概型定义，或称之为概率的古典定义。历史上古典概型是由研究诸如掷骰子一类赌博游戏中的问题引起的。
计算古典概型，可以用穷举法列出所有基本事件，再数清一个事件所含的基本事件个数相除，即借助组合计算可以简化计算过程。
几何概型
几何概型若随机试验中的基本事件有无穷多个，且每个基本事件发生是等可能的，这时就不能使用古典概型，于是产生了几何概型。
几何概型的基本思想是把事件与几何区域对应，利用几何区域的度量来计算事件发生的概率，布丰投针问题是应用几何概型的一个典型例子 。
设某一事件A（也是S中的某一区域），S包含A，它的量度大小为μ(A)，若以P(A)表示事件A发生的概率，考虑到“均匀分布”性。
事件A发生的概率取为：P(A)=μ(A)/μ(S)，这样计算的概率称为几何概型。若Φ是不可能事件，即Φ为Ω中的空的区域，其量度大小为0，故其概率P(Φ)=0。
在概率论发展的早期，人们就注意到古典概型仅考虑试验结果只有有限个的情况是不够的，还必须考虑试验结果是无限个的情况。为此可把无限个试验结果用欧式空间的某一区域S表示，其试验结果具有所谓“均匀分布”的性质。
关于“均匀分布”的精确定义类似于古典概型中“等可能”只一概念。假设区域S以及其中任何可能出现的小区域A都是可以度量的，其度量的大小分别用μ(S)和μ(A)表示。如一维空间的长度，二维空间的面积，三维空间的体积等。
并且假定这种度量具有如长度一样的各种性质，如度量的非负性、可加性等。
参考资料来源：