題主所說的情況1與2是一種因果問題，而3只是一種簡單的交集。
藉此機會整理一下全機率公式與貝葉斯公式。
如題，題主將事件A設為車禍，事件B設為堵車。可事件的起因是多種多樣的，依然將車禍設成事件B，把造成車禍的因素設為A1，A2，A3……並且這些事件是獨立的。
比如造成堵車的因素有:車禍，設為A1;上下班，設為A2;以及其他原因，設為A3。他們在某個時間段內獨立發生的機率分別為:0.1，0.2，0.2。 但是即使這些事件發生了，也不一定會造成堵車，於是我們再設，這些事情發生後，造成堵車的機率分別為:0.8，0.6，0.3。
為直觀顯示，列表如下(字醜勿噴…):
是我們可以算出:發生車禍，並造成堵車的機率為: 0.1*0.8=0.08;遇到上下班，併發生車禍的機率為: 0.2*0.6=0.12;其他事件發生，並造成車禍的機率為: 0.7*0.1=0.07將上面求得的機率相加: 0.08+0.12+0.07=0.27 即在這個時間段內，發生車禍的機率為0.27。
這就是發生車禍的全機率。
現在我們觀測到了堵車的發生，想知道這堵車的起因(車禍，上下班，或是其他)這就要用到貝葉斯公式。
式中的分母為前述中的全機率。
圖解如下
於是，已經觀測到堵車發生時，這場堵車是由車禍造成的機率為
0.08/0.27=0.296
於是，題主所述的情況1與2是一種知因索國與知果索因。因與果之間是有聯絡的，直白一點的說，如果發生了車禍，那麼出現堵車的機率會更大。
而情況三就只是一種機率的疊加，已經默認了兩個事件是獨立發生的，比如同一時間內，A地發生車禍的同時，B地區出現堵車的機率。
題主所說的情況1與2是一種因果問題，而3只是一種簡單的交集。
藉此機會整理一下全機率公式與貝葉斯公式。
如題，題主將事件A設為車禍，事件B設為堵車。可事件的起因是多種多樣的，依然將車禍設成事件B，把造成車禍的因素設為A1，A2，A3……並且這些事件是獨立的。
比如造成堵車的因素有:車禍，設為A1;上下班，設為A2;以及其他原因，設為A3。他們在某個時間段內獨立發生的機率分別為:0.1，0.2，0.2。 但是即使這些事件發生了，也不一定會造成堵車，於是我們再設，這些事情發生後，造成堵車的機率分別為:0.8，0.6，0.3。
為直觀顯示，列表如下(字醜勿噴…):
是我們可以算出:發生車禍，並造成堵車的機率為: 0.1*0.8=0.08;遇到上下班，併發生車禍的機率為: 0.2*0.6=0.12;其他事件發生，並造成車禍的機率為: 0.7*0.1=0.07將上面求得的機率相加: 0.08+0.12+0.07=0.27 即在這個時間段內，發生車禍的機率為0.27。
這就是發生車禍的全機率。
現在我們觀測到了堵車的發生，想知道這堵車的起因(車禍，上下班，或是其他)這就要用到貝葉斯公式。
式中的分母為前述中的全機率。
圖解如下
於是，已經觀測到堵車發生時，這場堵車是由車禍造成的機率為
0.08/0.27=0.296
於是，題主所述的情況1與2是一種知因索國與知果索因。因與果之間是有聯絡的，直白一點的說，如果發生了車禍，那麼出現堵車的機率會更大。
而情況三就只是一種機率的疊加，已經默認了兩個事件是獨立發生的，比如同一時間內，A地發生車禍的同時，B地區出現堵車的機率。