无非就是对函数求导和积分。已知分布函数，求概率密度是求导。已知概率密度，求分布函数是积分。
概率论与数理统计自考考试重点章节如下： 1：条件概率（全概率公式、贝叶斯公式，二项概率公式主要和后面章节的东西联系在一起考） 2：随机变量分布中的： ①离散型 掌握 二项分布 、泊松分布 ②连续型 掌握均匀分布、 指数分布，记住其分布函数表达式 知道怎样求连续型随机变量的概率密度、记住均匀分布、指数分 布、正态分布的分布函数概率密度 3：多维随机变量中掌握二维随机变量，要会求其边缘概率密度，知道怎样将之前学过的一维均 匀分布和正态分布转移到二维的去理解，这个不难，看看书上的讲解就能理解。重点在后面的 ”和的分布“和”max、min“分布，具体到实际题目中做几遍就能理解了。卷积公式是重点 4：七种常见分布的数学期望和方差和分布列或概率密度，要熟记于心 5：协方差、相关系数，这块儿好好看看书；切比雪夫不等式，要记住。 6：卡方分布、t分布、F分布，记住是怎么定义的，记住表达式，及卡方分布的期望和方差。 7：参数估计中的矩估计和最大似然估计是重点，一般考概率都会出一个大题；区间估计一般会 出一到两个小题，记住几个既定的结论公式会方便很多。 概率论怎么学习？ 概率论最难以应对的是基础知识，主要涉及排列组合、导数、积分、极限这四部分。现在就这部分内容给大家分析一下。说这部分是基础，本身就说明这些知识不是概率统计研究的内容，他们只是在研究概率统计的时候不可缺少的一些工具。既然这样，在考试中就不会对这部分内容作过多的考察，也会尽量避免大家在这些方面丢分。分析到这里，就要指出一些人在学习这门课的“战术失误”。有些人花大量的力气学习微积分，甚至学习概率统计之前，将微积分重新学一遍，这是不可取的。对这部分内容，将教材上涉及到的知识选出来进行复习，理解就可以。万不能让基础知识成为概率统计的拦路虎。学习中要知道哪是重点，哪是难点。 如何掌握做题技巧？俗话说“熟能生巧”，对于数学这门课，用另一个成语更贴切——“见多识广”。对于自考生而言，学习时间短，想利用“熟能生巧”不太现实，但是“见多识广”确实在短时间内可以做到。这就是说，在平时不能一味的多做题，关键是多做一些类型题，不要看量，更重要的是看多接触题目类型。同一个知识点，可以从多个角度进行考察。有些学员由于选择辅导书的问题，同类型的题目做了很多，但是题目类型却没有接触多少。在考试的时候感觉一落千丈。那么应该如何掌握题目类型呢？我想历年的真题是我们最好的选择。 平时该如何练习？提出这个问题可能很多人会感到不可思议。有一句话说得好“习惯形成性格”。这句话应用到我们的学习上也成立。这么多年以来，有些人有很好的学习习惯，尽管他的学习基础也不好，学习时间也有限，但是他们能按照自己知道的学习规律坚持学习，能够按照老师说得去思考、前进。我们大多数人都有惰性，一个题目一眼看完不会，就赶紧找答案。看了答案之后，也就那么回事，感觉明白了，就放下了。就这样“掰了很多玉米，最后却只剩下一个玉米”。虽然很清楚最好的方法是摘一个，留一个。哪怕一路你只摘了2个，也比匆匆忙忙摘了一路，却不知道保留的人得到的多。平时做题要先多思考，多总结，做一个会一个，而且对于做过的题目要经常地回顾，这样才能掌握住知识。就我的辅导经验而言，绝大多数人还是在这个问题上出现了问题。自考/成考有疑问、不知道如何总结自考/成考考点内容、不清楚自考/成考报名当地政策，点击底部咨询官网，免费领取复习资料：
学过之后我感觉这门课程不是很难其中第二三章是重点我感觉也是难点第四章的期望与方差不很难学，考研也就是一个选择题但是不排除有和其他知识结合的可能。大数定律和中心极限定理要掌握好其应用会实际应用。假设检验和参数估计要会那几个常用且重要的概率分布比如：t分布 正态分布的变形 莱姆他分布等等 最后的检验考研考得不是很多。也要了解一下。
我四月份考了的 ，四月份前面四章考得多，尤其是第一章，反正你多看前几章就对了。
自考概率论与数理统计主要靠前面四章概率论的基础知识，分值应该在70分以上，后面几章涉及到大数定律和统计部分的内容，主要考几个知识点和公式，比如中心极限定理的公式和运用，统计部分，会考到计算题的应该是矩估计和极大似然估计，置信区间，假设检验，这部分内容主要将书本上对应的例题看懂，考试就不会有什么问题，主要还是前面四章，前面四章，如果你有教材，应该把课后练习好好做一下，做完之后，自考就没什么问题了。祝你早日通过。
概率论和数理统计都是数学中非常重要的分支，它们的重点和难点如下：概率论的重点：1. 随机变量及其分布：掌握离散随机变量、连续随机变量的基本性质，以及各种分布函数的概念和特征。2. 大数定律与中心极限定理：了解大数定律和中心极限定理的概念和证明方法，对于随机过程的稳定性和收敛性有深刻的认识。3. 马尔科夫链和随机游走：理解马尔科夫链和随机游走等随机过程的基本概念、模型及应用，并学习求解和评价这些模型的方法。概率论的难点：1. 概率的初步认识：对于初学者来说，理解概率的概念和公式可能比较困难。2. 随机变量与分布：掌握不同类型的随机变量及其分布并不容易，需要理解一些抽象的数学概念。3. 数学推导和计算：概率论中通常需要进行大量的数学推导和计算，涉及到高等数学知识，需要有扎实的数学功底。数理统计的重点：1. 参数估计与假设检验：理论地推导各种参数估计方法，掌握常见的假设检验原理和方法。2. 方差分析与回归分析：学习方差分析原理及其在试验设计中的应用，了解回归分析和相关分析的基本思想以及特点。3. 非参数统计方法：明白什么是非参数统计方法及其基本思想和应用领域。数理统计的难点：1. 抽样误差与实证研究设计：抽样误差会对统计结果产生显著的影响，而合适的实验或者数据采样设计能够有效地减少抽样误差。2. 数据处理与模型构建：统计分析需要大量的数据处理工作，包括数据预处理、缺失值填充、异常值处理等，同时模型构建细节也涉及一系列难题，如变量的选择、模型的评价等。3. 统计软件使用：统计分析通常需要使用一些专业的统计软件进行。熟练掌握相应统计软件的操作和编程语言也是一个难点。
你没买课本吗?后面都附有大纲啊,里面有分值分布,每章节的重点和难点,按上面学习教材,会事半功倍的.
概率的基本公式大全：
1、条件概率：P(B|A)=P(AB)/P(A)；
2、贝叶斯公式：P(Bi|A)=P(A|Bi)P(Bi)/∑nj=1P(A|Bj)P(Bj)；
3、全概率公式：P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)；
4、乘法定理：P(AB)=P(B|A)P(A)
《概率论与数理统计》内容包括初等概率计算、随机变量及其分布、数字特征、多维随机向量、极限定理、统计学基本概念、点估计与区间估计、假设检验、回归相关分析、方差分析等。书中选入了部分在理论和应用上重要，但一般认为超出本课程范围的材料，以备教者和学者选择。
《概率论与数理统计》着重基本概念的阐释，同时，在设定的数学程度内，力求做到论述严谨。书中精选了百余道习题，并在书末附有提示与解答。《概率论与数理统计》可作为高等学校理工科非数学系的概率统计课程教材，也可供具有相当数学准备（初等微积分及少量矩阵知识）的读者自修之用。
概率论和数理统计都是数学中非常重要的分支，它们的重点和难点如下：概率论的重点：1. 随机变量及其分布：掌握离散随机变量、连续随机变量的基本性质，以及各种分布函数的概念和特征。2. 大数定律与中心极限定理：了解大数定律和中心极限定理的概念和证明方法，对于随机过程的稳定性和收敛性有深刻的认识。3. 马尔科夫链和随机游走：理解马尔科夫链和随机游走等随机过程的基本概念、模型及应用，并学习求解和评价这些模型的方法。概率论的难点：1. 概率的初步认识：对于初学者来说，理解概率的概念和公式可能比较困难。2. 随机变量与分布：掌握不同类型的随机变量及其分布并不容易，需要理解一些抽象的数学概念。3. 数学推导和计算：概率论中通常需要进行大量的数学推导和计算，涉及到高等数学知识，需要有扎实的数学功底。数理统计的重点：1. 参数估计与假设检验：理论地推导各种参数估计方法，掌握常见的假设检验原理和方法。2. 方差分析与回归分析：学习方差分析原理及其在试验设计中的应用，了解回归分析和相关分析的基本思想以及特点。3. 非参数统计方法：明白什么是非参数统计方法及其基本思想和应用领域。数理统计的难点：1. 抽样误差与实证研究设计：抽样误差会对统计结果产生显著的影响，而合适的实验或者数据采样设计能够有效地减少抽样误差。2. 数据处理与模型构建：统计分析需要大量的数据处理工作，包括数据预处理、缺失值填充、异常值处理等，同时模型构建细节也涉及一系列难题，如变量的选择、模型的评价等。3. 统计软件使用：统计分析通常需要使用一些专业的统计软件进行。熟练掌握相应统计软件的操作和编程语言也是一个难点。
概率论与数理统计重要考点分析
1、随机事件和概率
2、随机变量及其概率分布
3、二维随机变量及其概率分布
4、随机变量的数字特征
5、大数定律和中心极限定理
6、数理统计的基本概念
7、参数估计
8、假设检验
对于上面每一部分的“基本内容与重要结论”要重点掌握（而不是一般的了解）；第二，学会题目的分析方法；第三，完成一定量的习题。
根据每个人对基本概念理解程度的不同，应以确保重点、兼顾一般的方法进行复习。为了配合考生的复习，我们根据历年考试的情况将8部分内容的考核点分为重点考核点、次重点考核点及一般考核点一一列出。
第一部分：随机事件和概率
（1）样本空间与随机事件
（2）概率的定义与性质（含古典概型、几何概型、加法公式）
（3）条件概率与概率的乘法公式
（4）事件之间的关系与运算（含事件的独立性）
（5）全概公式与贝叶斯公式
（6）伯努利概型
第二部分：随机变量及其概率分布
（1）随机变量的概念及分类
（2）离散型随机变量概率分布及其性质
（3）连续型随机变量概率密度及其性质
（4）随机变量分布函数及其性质
（5）常见分布
（6）随机变量函数的分布
第三部分：二维随机变量及其概率分布
（1）多维随机变量的概念及分类
（2）二维离散型随机变量联合概率分布及其性质
（3）二维连续型随机变量联合概率密度及其性质
（4）二维随机变量联合分布函数及其性质
（5）二维随机变量的边缘分布和条件分布
（6）随机变量的独立性
（7）两个随机变量的简单函数的分布
第四部分：随机变量的数字特征
（1）随机变量的数字期望的概念与性质
（2）随机变量的方差的概念与性质
（3）常见分布的数字期望与方差
（4）随机变量矩、协方差和相关系数
第五部分：大数定律和中心极限定理
（1）切比雪夫不等式
（2）大数定律
（3）中心极限定理
第六部分：数理统计的基本概念
（1）总体与样本
（2）样本函数与统计量
（3）样本分布函数和样本矩
第七部分：参数估计
（1）点估计
（2）估计量的优良性
（3）区间估计
第八部分：假设检验
（1）假设检验的基本概念
（2）单正态总体的均值和方差的假设检验
（3）双正态总体的均值和方差的假设检验
最近几年数学一考试重点内容的顺序是：①二维随机变量及其概率分布；②随机变量的数字特征；③随机事件和概率；④数理统计。
最近几年数学三考试重点内容的顺序是：①随机变量的数字特征；②二维随机变量及其概率分布；③随机事件和概率；④数理统计。
最近几年数学四考试重点内容的顺序是：①随机变量的数字特征；②二维随机变量及其概率分布；③随机事件和概率；④大数定律和中心极限定理。
自考概率论与数理统计主要靠前面四章概率论的基础知识，分值应该在70分以上，后面几章涉及到大数定律和统计部分的内容，主要考几个知识点和公式，比如中心极限定理的公式和运用，统计部分，会考到计算题的应该是矩估计和极大似然估计，置信区间，假设检验，这部分内容主要将书本上对应的例题看懂，考试就不会有什么问题，主要还是前面四章，前面四章，如果你有教材，应该把课后练习好好做一下，做完之后，自考就没什么问题了。祝你早日通过。
1：条件概率（全概率公式、贝叶斯公式，二项概率公式主要和后面章节的东西联系在一起考）2：随机变量分布中的： ①离散型 掌握 二项分布 、泊松分布 ②连续型 掌握均匀分布、 指数分布，记住其分布函数表达式 知道怎样求连续型随机变量的概率密度、记住均匀分布、指数分 布、正态分布的分布函数概率密度3：多维随机变量中掌握二维随机变量，要会求其边缘概率密度，知道怎样将之前学过的一维均 匀分布和正态分布转移到二维的去理解，这个不难，看看书上的讲解就能理解。重点在后面的 ”和的分布“和”max、min“分布，具体到实际题目中做几遍就能理解了。卷积公式是重点4：七种常见分布的数学期望和方差和分布列或概率密度，要熟记于心5：协方差、相关系数，这块儿好好看看书；切比雪夫不等式，要记住。6：卡方分布、t分布、F分布，记住是怎么定义的，记住表达式，及卡方分布的期望和方差。7：参数估计中的矩估计和最大似然估计是重点，一般考概率都会出一个大题；区间估计一般会 出一到两个小题，记住几个既定的结论公式会方便很多。 我也刚学完概率论这门课，下周日考试，这些是我通过老师讲课和自己复习、做题总结得出的一点点经验，希望能帮得着你~ :)
1.很平均的，从第二章开始就是重点了。2.微积分，一定要把二重积分，定积分学好，不过至少最起码的公式要记下来，毕竟概率论和数理统计不是专门考微积分，一步能解答出来的。3.我概率论与数理统计考了80多分，不过还是有个诀窍的，买个学生用计算器，能学微积分的比较好。还有检验部分感觉容易学一些，比如T分布，卡方分布等，这些都比较好学，在某个区间之类的。前面难学的就是有积分学，所以要回头看书。如果你云里雾里的班，你报个网校比较好，大概100多块的样子。如果你还有什么不懂的问题，可以加我百度HI.最后祝你考试顺利，工作顺利。
我四月份考了的 ，四月份前面四章考得多，尤其是第一章，反正你多看前几章就对了。
无非就是对函数求导和积分。已知分布函数，求概率密度是求导。已知概率密度，求分布函数是积分。
概率论和数理统计都是数学中非常重要的分支，它们的重点和难点如下：概率论的重点：1. 随机变量及其分布：掌握离散随机变量、连续随机变量的基本性质，以及各种分布函数的概念和特征。2. 大数定律与中心极限定理：了解大数定律和中心极限定理的概念和证明方法，对于随机过程的稳定性和收敛性有深刻的认识。3. 马尔科夫链和随机游走：理解马尔科夫链和随机游走等随机过程的基本概念、模型及应用，并学习求解和评价这些模型的方法。概率论的难点：1. 概率的初步认识：对于初学者来说，理解概率的概念和公式可能比较困难。2. 随机变量与分布：掌握不同类型的随机变量及其分布并不容易，需要理解一些抽象的数学概念。3. 数学推导和计算：概率论中通常需要进行大量的数学推导和计算，涉及到高等数学知识，需要有扎实的数学功底。数理统计的重点：1. 参数估计与假设检验：理论地推导各种参数估计方法，掌握常见的假设检验原理和方法。2. 方差分析与回归分析：学习方差分析原理及其在试验设计中的应用，了解回归分析和相关分析的基本思想以及特点。3. 非参数统计方法：明白什么是非参数统计方法及其基本思想和应用领域。数理统计的难点：1. 抽样误差与实证研究设计：抽样误差会对统计结果产生显著的影响，而合适的实验或者数据采样设计能够有效地减少抽样误差。2. 数据处理与模型构建：统计分析需要大量的数据处理工作，包括数据预处理、缺失值填充、异常值处理等，同时模型构建细节也涉及一系列难题，如变量的选择、模型的评价等。3. 统计软件使用：统计分析通常需要使用一些专业的统计软件进行。熟练掌握相应统计软件的操作和编程语言也是一个难点。
概率论与数理统计 一、随机事件和概率 考试内容： 随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验。 考试要求： 1、了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算。 2、理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式，以及贝叶斯(Bayes)公式。 3、理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法。。 二、随机变量及其分布 考试内容： 随机变量 随机变量的分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布 考试要求： 1、理解随机变量的概念。理解分布函数的概念及性质。会计算与随机变量相联系的事件的概率。 2、理解离散型随机变量及其概率分布的概念，掌握0-1分布、二项分布、几何分布、超几何分布、泊松(Poisson)分布 及其应用。 3、了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。 4、理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布、指数分布及其应用。 5、会求随机变量函数的分布。 三、多维随机变量及其分布 考试内容： 多维随机变量及其分布二维离散型随机变量的概率分布、边缘分布和条件分布二维连续性随机变量的概率密度、边缘概率密度和条件密度 随机变量的独立性和不相关性常用二维随机变量的分布两个及两个以上随机变量简单函数的分布 考试要求： 1、理解多维随机变量的概念，理解多维随机变量的分布的概念和性质。 理解二维离散型随机变量的概率分布、边缘分布和条件分布；理解二维连续型随机变量的概率密度、边缘密度和条件密度。会求与二维随机变量相关事件的概率。 2、理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件。 3、掌握二维均匀分布，了解二维正态分布 的概率密度，理解其中参数的概率意义。 4、会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布。 解析： 2008年数一大纲对随机变量的定义进行了一些说法上的修订： 1、这部分定义上的更正，完全是对原先大纲语言表述上的完善，没有增加任何的新的要求和知识点，反而从另一个角度讲，这种规范有利于我们在做题以及理解上的惯性，使我们较快较准地识别各种随机变量的特征，比如一看到马上反映到以为参数的泊松分布，不容易产生混淆。所以我们在解题时也能继承随机变量的这种表示风格，不要随便自我创造，增加混淆度。 四、随机变量的数字特征 考试内客： 随机变量的数学期望(均值)、方差和标准差及其性质随机变量函数的数学期望矩、协方差相关系数及其性质 考试要求： 1、理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、相关系数)的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征 2、会求随机变量函数的数学期望。 五、大数定律和中心极限定理 考试内容： 切比雪夫(Chebyshev)不等式切比雪夫大数定律伯努利(Bernoulli)大数定律辛钦(Khinchine)大数定律棣莫弗-拉普拉斯(De Moivre-laplace)定理 列维-林德伯格(Levy-Lindberg)定理 考试要求： 1、了解切比雪夫不等式。 2、了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独立同分布随机变量序列的大数定律) 3、了解棣莫弗-拉普拉斯定理(二项分布以正态分布为极限分布)和列维-林德伯格定理(独立同分布随机变量序列的中心极限定理) 六、数理统计的基本概念 考试内容 总体 个体 简单随机样本 统计量 经验分布函数 样本均值 样本方差和样本矩 分布 分布 分布 分位数 正态总体的常用抽样分布 考试要求 1、理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念。 2、了解产生分布 变量、变量和变量的典型模式；理解标准正态分布、 分布、分布和分布的 分位数，会查相应的数值表。 解析：2008年数一大纲对分位数的计算要求进行了一些修订： 1、这部分更正，没有增加任何的新的要求和知识点，反而降低了要求，因为对于分位数有上侧分位数，还有下侧分位数，这种限制明确了我们的复习范围和要求，不容易产生混淆，我们只需要掌握解题方法，针对提到的几种分布会熟练计算其上侧分位数，保证计算准确度即可。 3、掌握正态总体的抽样分布：样本均值、样本方差、样本矩、样本均值差、样本方差比的抽样分布。 4、理解经验分布函数的概念和性质，会根据样本值求经验分布函数。 七、参数估计 考试内容 点估计的概念 估计量与估计值 矩估计法 似然估计法 估计量的评选标准 区间估计的概念 单个正态总体均值的区间估计 单个正态总体的方差和标准差的区间估计 两个正态总体的均值差和方差比的区间估计 考试要求 1、理解参数的点估计、估计量与估计值的概念；了解估计量的无偏性、有效性(最小方差性)和一致性(相合性)的概念，并会验证估计量的无偏性。 2、掌握矩估计法(一阶、二阶矩)和似然估计法。 3、掌握建立未知参数的(双侧和单侧)置信区间的一般方法；掌握正态总体均值、方差、标准差、矩以及与其相联系的数字特征的置信区间的求法。 4、掌握两个正态总体的均值差和方差比及相关数字特征的置信区间的求法。 八、假设检验 考试内容 显著性检验 假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验 考试要求 1、理解“假设”的概念和基本类型；理解显著性检验的基本思想，掌握假设检验的基本步骤；会构造简单假设的显著性检验。 2、理解假设检验可能产生的两类错误，对于较简单的情形，会计算两类错误的概率。 3、掌握单个及两个正态总体的均值和方差的假设检验。