在研究具体的随机现象时我们通常着重关注以下要素：

一个随机现象中可能发生的不能再细分的结果被称为 样本点。所有样本点的集合称为 样本空间，通常用 来表示。

一个 随机事件 是样本空间 的子集，它由若干样本点构成，用大写字母 表示。

对于一个随机现象的结果 和一个随机事件 ，我们称事件 发生了 当且仅当 。

例如，掷一次骰子得到的点数是一个随机现象，其样本空间可以表示为 。设随机事件 为「获得的点数大于 」，则 。若某次掷骰子得到的点数 ，由于 ，故事件 没有发生。

由于我们将随机事件定义为了样本空间 的子集，故我们可以将集合的运算（如交、并、补等）移植到随机事件上。记号与集合运算保持一致。

特别的，事件的并 也可记作 ，事件的交 也可记作 ，此时也可分别称作 和事件 和 积事件。

研究具体的随机现象时我们需要明确哪些事件是我们感兴趣的。根据随机事件的定义，显然有 （记号 表示由 的所有子集组成的集合族），但 却不是必须的。这在样本空间 有限时可能有些难以理解，毕竟 尽管更大了但仍然有限。而当 为无穷集时， 的势变得更大，其中也难免会出现一些「性质不太好」且我们不关心的事件，这时为了兼顾这些事件而放弃一些性质就显得得不偿失了。

尽管 不是必须的，这并不代表 的任一子集都能成为事件域。我们通常会对一些事件进行运算得到的结果事件的概率感兴趣，因此我们希望事件域 满足下列条件：

简言之，就是事件域 对在补运算、和可数并下是封闭的，且包含元素 。

可以证明满足上述三个条件的事件域 对可数交也是封闭的。

以掷骰子为例，当样本空间记为 时，以下两个集合能够成为事件域：

但以下两个集合则不能

在概率论早期实践中，由于涉及到的随机现象都比较简单，具体表现为样本空间 是有限集，且直观上所有样本点是等可能出现的，因此人们便总结出了下述定义：

如果一个随机现象满足：

那么对于每个事件 ，定义它的概率为

其中 表示对随机事件（一个集合）大小的度量。

后来人们发现这一定义可以直接推广到 无限的一部分情景中，于是就有了所谓 几何概型。

上述基于直观认识的定义在逻辑上有一个很大的漏洞：在定义「概率」这一概念时用到了「可能性」这一说法，产生了循环定义的问题。同时「等可能」在样本空间无限时会产生歧义，由此产生了包括 Bertrand 悖论 在内的一系列问题。

经过不断探索，苏联数学家柯尔莫哥洛夫于 1933 年在他的《概率论基础》一书中第一次给出了概率的公理化定义：

概率函数 是一个从事件域 到闭区间 的映射，且满足：

对于任意随机事件 ，有

我们在一开始提到，研究具体的随机现象时我们通常关注样本空间 、事件域 以及概率函数 。我们将三元组 称为一个概率空间。

概率只有在确定的概率空间下讨论才有意义。我们前面提到的 Bertrand 悖论归根结底就是因对样本空间 的定义不明确而产生的。