一、多维随机变量
多维随机变量在考研中的考试内容有多维随机变量及其分布函数，二维离散型随机变量的概率分布、边缘分布和条件分布，二维连续型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，常见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。具体考试要求：
1.理解多维随机变量的分布函数的概念和基本性质.
2.理解二维离散型随机变量的概率分布和二维连续型随机变量的概率密度，掌握二维随机变量的边缘分布和条件分布.
3.理解随机变量的独立性和不相关性的概念，掌握随机变量相互独立的条件，理解随机变量的不相关性与独立性的关系.
4.掌握二维均匀分布和二维正态分布，理解其中参数的概率意义.
5.会根据两个随机变量的联合分布求其函数的分布，会根据多个相互独立随机变量的联合分布求其简单函数的分布.
二、数理统计
1.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).
2.了解棣莫弗—拉普拉斯中心极限定理(二项分布以正态分布为极限分布)、列维—林德伯格中心极限定理(独立同分布随机变量序列的中心极限定理)，并会用相关定理近似计算有关随机事件的概率.
建议考生能够理解其本质，多加练习，掌握知识点在题目的应用。
再来看看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，分位数，正态总体的常用抽样分布。
考试要求：
1.了解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，其中样本方差定义为
2.了解产生 变量、 变量和 变量的典型模式;了解标准正态分布分位数，会查相应的数值表.
3.掌握正态总体的样本均值、样本方差、样本矩的抽样分布.
4.了解经验分布函数的概念和性质.
建议理解清楚每一个概念，弄清楚相关题型的解题思路。
三、数字特征
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.
3.了解切比雪夫不等式.
以上就是随机变量数字特征的考试内容和要求。综合考试大纲和对历年真题的分析研究，我们作如下总结：
数字特征是概率论的重要内容，也是出现频率很高的考点。在考试中，本章一般与随机变量部分结合出题。主要知识点有随机变量的期望、方差、距等概念，二维随机变量的期望、方差、协方差等概念，有关数字特征的各种公式，常见随机变量的数字特征，相关系数，独立性与不相关性。在各种数字特征中，数学期望是最本质的概念，其他的数字特征都可以看做是特殊的数学期望。学习本章的主要任务是熟悉各种数字特征的概念，掌握其计算公式，理解其实际意义。除此之外，还要掌握各种常用公式，记住常见的随机变量的期望和方差，在解题时适当地运用它们，可以简化计算过程，独立性和不相关也是这一章节的重点，要引起注意。