如何理解概率论中的条件概率

以前老是理解不了条件概率，直到近期在学习循环神经网络时，语言模型会用到条件概率，终于豁然开朗。
条件概率从字面意思来理解，P(B|A)，即在A条件发生时，B发生的概率。注意条件概率成立的前提是A与B有关联，如果A与B没有关联，即P（AB）= 0，此时P（B|A）= p(AB)/P(A), 概率也为0。
当A与B有关联时，则A与B有交集，举个容易理解的例子，例如事件A表示：年龄大于30的男生患艾滋病的概率P(A)。
事件B表示：年龄小于40的男生患艾滋病的概率P(B)。
事件A发生时，事件B发生的概率P(B|A) = P(AB)/P(A)。
那么P(AB)表示年龄大于30且小于40的男生患艾滋病的概率。

P(A), P(AB)如何获取，统计获取。如果统计的是某省，就以某省全体男生作为样本集，统计的是某个国家，就以某个国家的全体男生作为样本集。
P（B|A）这样的条件概率则通过计算获取。

在真实的世界中，条件概率永远是通过计算获取，不可能出现P(AB), P(A)未知，而条件概率P(B|A)已经知晓，除非是练习题。