从考试的角度，大家看看历年试题就发现比较明显的规律：概率的题型相对固定，哪考大题哪考小题非常清楚。概率常考大题的地方是：随机变量函数的分布，多维分布(边缘分布和条件分布)，矩估计和极大似然估计。其它知识点考小题，如随机事件与概率，数字特征等。

　　从学科的角度，概率的知识结构与线性代数不同，不是网状知识结构，而是躺倒的树形结构。第一章随机事件与概率是基础知识，在此基础上可以讨论随机变量，这就是第二章的内容。随机变量之于概率正如矩阵之于线性代数。考生也可以看看考研试题，数一、数三概率考五道题，这五题的第一句话为“设随机变量X……”，“设总体X……”，“设X1，X2，…，Xn为来自X的简单随机样本”，无论“随机变量”、“总体”和“样本”本质上都是随机变量。所以随机变量的理解至关重要。讨论完随机变量之后，讨论其描述方式。分布即为描述随机变量的方式。分布包括三种：分布函数、分布律和概率密度。其中分布函数是通用的描述工具，适用于所有随机变量，分布律只针对离散型随机变量而概率密度只针对连续型随机变量。之后讨论常见的离散型和连续性随机变量，考研范围内需要考生掌握七种常见分布。

　　介绍完一维随机变量之后，推广一下就得到了多维随机变量。多维分布总体上分成三种：联合分布，边缘分布和条件分布。其中每种分布又细分为分布函数、分布律和概率密度。只不过条件分布函数我们不考虑。该章常考大题，常考随机变量函数的分布和边缘分布、条件分布。之后讨论随机变量的独立性。

　　分布包含着随机变量的全部信息，如果只关心部分信息就要考虑数字特征了。数字特征考小题。把公式性质记清楚，多练习即可。

　　大数定律和中心极限定理是偏理论的内容，考试要求不高。

　　数理统计是对概率论的应用。其中考大题的地方是参数估计(矩估计和极大似然估计)，考小题的点是常用统计量及其数字特征，三大统计分布，正态总体条件下统计量的特殊性质。