在没有概率论之前，没有量子力学之前，可能许多人认为事物要么发生，要么不发生。用概率论来看，概率值要么是0或者1，概率论出现后，我们知道世界上还有随机的，不确定的事情。概率值可能位于0和1之间。但是在大多数人的眼中，在许多概率论的应用中，概率值是被当作确定的值来看待的。有时候可能觉得只是我们不知道而已，但是，那里有一个确定的值等着我们去发现。

同样的情况会发生在条件概率身上。

概率不可避免的要替代的，有时候我们会用其中的一个子集的概率来当作全局的概率，或者用更大范围的条件下的概率取代其一个子集，即条件更加详细、完备的情况下的概率。有时候一个集合中的各个元素的某事件发生的概率并不是一样的，但是，限于各种条件，只能进行有限的抽样检查，那么此时也是用局部的概率取代整体的概率，即使，集合中的各个元素对于某事件的发生都是等概率的，抽样检查得到的统计概率也是不可靠的，因为抽样检查的结果本身就是随机的。

这导致了我们得到的概率往往是在不完备（比如条件少了）、不确切（比如有差异的、不等同的条件）、不可靠（比如不可靠的方法获得概率）的条件下得出的，假使真的有一个确定的概率，但是，我们不知道，在有限的条件下，相对于我们的已知条件，此时的概率是一个随机变量，以我们得到的概率值为中心的随机变量。或许有人坚信，这个概率值是确定的，你怎么能够把它当作随机变量呢？它应该就是那个真正的值，你不能用一个假冒的来代替啊。我从两个角度来说明我们有必要在适当的时候把它当作随机变量，第一，可能它是确定的，但是，我们在完全没有更多的信息的情况下，权宜地采用这种相对的信息也是不得已的，我们有时候没有必要千真万确。第二是概率值本身具有随机不确定性。比如我们可能认为如果所有的当前状态都已经确定、明确的话，可能明天下雨与否是确定的，但是蝴蝶效应告诉我们，一个蝴蝶的不确定的举动，会导致这个事情不确定，但是下雨所造成的不确定，可能造成某些事件的概率发生变动，只要这个事件的概率与明天是否下雨不独立，显然，蝴蝶的随机动向，导致了明天的暴风雨与否不再确定，然后由导致某同学明天迟到的概率发生了改变。而我们认为蝴蝶纯粹是自己的刹那决定导致它的动向发生改变，当然，如果我们觉得蝴蝶可能比较机械的话，可以用人来代替蝴蝶，人的动向显然有时候具有随机性，有时候完全是在于大脑中的一个念头和决定，导致完全随机的后果。如果我们认为人也是机械的话，我们还可以用一个薛定谔的猫的例子来说明这种随机性，这个薛定谔的猫生死与否可能导致一系列的不同后果，不同的后果又导致某一事件发生的概率不一样。

可能有人会认为，概率总是可以确定的，我们可以将它分为各种的条件来讨论，我们可能最终划分的这些条件下此事件的概率是确定的情况，这样就可根据全概率公式计算出整体的概率来。但是，我们不知道有时候条件概率本身也可能是随机变量（见下面的分析），同时，这些小划分的条件发生的概率本身可能是随机变量。

那我们也来谈谈条件概率的不确定性，我们最初可能是一个决定论者，觉得某个事件要么可能决定一个事件发生与否，到了后来，有了概率论，知道这个事件不一定完全决定这个事件是否发生，但是可以影响其概率，并且这个条件概率是确定的。但是我们可以看条件概率的一直特别情况，比如两个完全不相关的人a和b，a刷牙时间和b的刷牙时间是独立的，a在21点前后半小时以内刷牙的条件下，b在21点前后半小时以内刷牙的概率依然是可变的，这其中有许多因素来导致概率发生变化，包括蝴蝶效应导致的暴风雨的影响。