不可能事件概率一定为0，但概率为0的事件并不一定是不可能。0（因为该点概率密度值有界），即该点所对应的事件发生的概率为0，但这个事件仍然是可能发生的，因为这个事件在事件域内。也就是说，概率为0的事件并不一定不会发生。必然事件概率一定为1，但概率为1的事件并不一定是必然事件。但对于古典概型来说，概率为0的事件一定是不可能发生的，概率为1的事件一定是必然事件。
随机事件
随机事件（简称事件）是由某些基本事件组成的，例如，在连续掷两次骰子的随机试验中，用Z，Y分别表示第一次和第二次出现的点数，Z和Y可以取值1、2、3、4、5、6，每一点（Z，Y）表示一个基本事件，因而基本空间包含36个元素。
“点数之和为2”是一事件，它是由一个基本事件（1，1）组成，可用集合{（1，1）}表示，“点数之和为4”也是一事件，它由（1，3），（2，2），（3，1）3个基本事件组成，可用集合{（1，3），(3，1)，（2，2)}表示。
可能事件
如果把“点数之和为1”也看成事件，则它是一个不包含任何基本事件的事件，称为不可能事件。
必然事件
P(不可能事件)=0。在试验中此事件不可能发生。如果把“点数之和小于40”看成一事件，它包含所有基本事件，在试验中此事件一定发生，称为必然事件。
随机事件
在一定的条件下可能发生也可能不发生的事件，叫做随机事件。
互斥事件
不可能同时发生的两个事件叫做互斥事件。
对立事件
即必有一个发生的互斥事件叫做对立事件。
贝叶斯定理
贝叶斯定理（英语：Bayes' theorem）是概率论中的一个定理，描述在已知一些条件下，某事件的发生概率。比如，如果已知某种健康问题与寿命有关，使用贝叶斯定理则可以通过得知某人年龄，来更加准确地计算出某人有某种健康问题的概率。
通常，事件A在事件B已发生的条件下发生的概率，与事件B在事件A已发生的条件下发生的概率是不一样的。然而，这两者是有确定的关系的，贝叶斯定理就是这种关系的陈述。贝叶斯公式的一个用途，即透过已知的三个概率而推出第四个概率。贝叶斯定理跟随机变量的条件概率以及边际概率分布有关。
作为一个普遍的原理，贝叶斯定理对于所有概率的解释是有效的。这一定理的主要应用为贝叶斯推断，是推论统计学中的一种推断法。这一定理名称来自于托马斯·贝叶斯。
