確率論はギャンブルに限った話ではない。それは不確実性の数学的定式化である。その出発点は、 実験。すべての実験には、 標本空間（$S$）が存在する。これはすべての可能な結果を網羅した集合である。$S$ を特定の文脈における「普遍集合」として捉えてほしい。この宇宙から、 事象（$E$）特定の条件や結果を表す部分集合として抽出する。物理現象から集合論の言語へと移行するこのプロセスこそが、現実の混沌に厳密な数学的手法を適用可能にするのだ。
結果の普遍集合（$S$）
標本空間は、実験を繰り返すたびに必ず ちょうど一つの 結果 $\omega \in S$ が得られるように定義されなければならない。$S$ の構造は、実験設計によって以下の通り異なる。
- 離散有限型： コインを投げる、または子どもの性別を判別するなど。 例1： 新生児の場合、$S = \{g, b\}$（g：女の子、b：男の子）となる。
- 離散無限（可算）型： あるタスクに成功するまでに必要な試行回数を数える。
- 連続型： 電子部品の寿命を測定する。$S = \{x: 0 \le x < \infty\}$。
事象（$E$）の定義
ある 事象 は単に標本空間の部分集合（$E \subseteq S$）である。実際に実験の結果が $E$ の要素であれば、その事象は「起こった」という。たとえば、2つのサイコロを振るときの結果の集合 $S$ に対して、「合計7が出る」という事象は、順序対の特定の部分集合となる。
複雑さの差異
例2： 7人の参加者がいる馬場競走では、$S$ はすべての $7!$ 通りの順位（5,040通りの順序）を表す。つまり $S = \{\text{すべての } (1, 2, 3, 4, 5, 6, 7) \text{ の } 7! \text{ 通りの順列}\}$ となる。
例3： 2枚のコインを裏表で表すと、4通りの結果が得られる：$S = \{(H, H), (H, T), (T, H), (T, T)\}$。
例4： 2つのサイコロを振ると、6×6のグリッドで36個の異なる点が得られる：$S = \{(i, j): i, j = 1, 2, 3, 4, 5, 6\}$。
手法上のニュアンス：取り出し方
$S$ の構造はサンプリング方法に大きく影響される：
- 復元抽出： 選択肢の集合が試行間で常に一定（例：カードを引いて記録し、戻す）。
- 非復元抽出： 各選択が次の結果の空間を変更する（例：ポーカーの手札を配る）。
🎯 核心原則
標本空間 $S$ は基盤である。すべての結果は $S$ の要素であり、すべての事象 $E$ は $S$ の一部である。空間が二値か無限連続かによって、確率を測定するためのツールが決まる。