概率论不仅仅是关于赌博；它是对不确定性的数学形式化。它始于 实验。每个实验都有一个 样本空间（$S$），即所有可能结果的完备集合。可将 $S$ 视为特定情境下的“全集”。从这个宇宙中，我们划分出 事件（$E$）——代表我们感兴趣的具体条件或结果的子集。这种从物理现象向集合论语言的转变，使我们能够用严谨的数学工具应对现实世界的混沌。
结果的全集（$S$）
样本空间必须被定义为：每次实验的结果都恰好是 唯一一个 结果 $\omega \in S$。我们根据实验设计的不同，区分 $S$ 的不同结构：
- 离散有限型： 抛硬币或判断孩子的性别。 示例 1： 对于新生儿，$S = \{g, b\}$。
- 离散无限（可数）型： 统计完成某项任务所需的尝试次数。
- 连续型： 测量电子元件的寿命。$S = \{x: 0 \le x < \infty\}$。
定义事件（$E$）
一个 事件 就是样本空间的一个子集（$E \subseteq S$）。如果实验的实际结果是 $E$ 中的元素，则称该事件“发生”。例如，若 $S$ 是掷两个骰子的结果集合，则“掷出点数和为 7”的事件是有序对的一个特定子集。
复杂性差异
示例 2： 在有 7 名参赛者的赛马比赛中，$S$ 代表所有 $7!$ 种排列（共 5,040 种可能的完赛顺序）。此处，$S = \{\text{所有 } 7! \text{ 种 } (1, 2, 3, 4, 5, 6, 7) \text{ 的排列}\}$。
示例 3： 抛两枚硬币会产生四个结果：$S = \{(H, H), (H, T), (T, H), (T, T)\}$。
示例 4： 掷两个骰子会产生一个 6×6 的 36 个不同点的网格：$S = \{(i, j): i, j = 1, 2, 3, 4, 5, 6\}$。
方法论细节：抽样方式
$S$ 的结构受抽样方法的显著影响：
- 有放回抽样： 每次试验中可用的选择集合保持不变（例如，抽一张牌、记录结果后放回）。
- 无放回抽样： 每次选择都会改变后续结果的空间（例如，发一副扑克牌的手牌）。
🎯 核心原则
样本空间 $S$ 是基础。每一个结果都是 $S$ 的元素，每一个事件 $E$ 都是 $S$ 的一部分。无论该空间是二元的还是无限连续的，都决定了我们用来衡量其概率的工具。