概率論的重點：
1. 隨機變量及其分布：掌握離散隨機變量、連續隨機變量的基本性質，以及各種分布函數的概念和特征。
2. 大數定律與中心極限定理：了解大數定律和中心極限定理的概念和證明方法，對於隨機過程的穩定性和收斂性有深刻的認識。
3. 馬爾科夫鏈和隨機遊走：理解馬爾科夫鏈和隨機遊走等隨機過程的基本概念、模型及應用，並學習求解和評價這些模型的方法。
概率論的難點：
1. 概率的初步認識：對於初學者來說，理解概率的概念和公式可能比較困難。
2. 隨機變量與分布：掌握不同類型的隨機變量及其分布並不容易，需要理解壹些抽象的數學概念。
3. 數學推導和計算：概率論中通常需要進行大量的數學推導和計算，涉及到高等數學知識，需要有紮實的數學功底。
數理統計的重點：
1. 參數估計與假設檢驗：理論地推導各種參數估計方法，掌握常見的假設檢驗原理和方法。
2. 方差分析與回歸分析：學習方差分析原理及其在試驗設計中的應用，了解回歸分析和相關分析的基本思想以及特點。
3. 非參數統計方法：明白什麽是非參數統計方法及其基本思想和應用領域。
數理統計的難點：
1. 抽樣誤差與實證研究設計：抽樣誤差會對統計結果產生顯著的影響，而合適的實驗或者數據采樣設計能夠有效地減少抽樣誤差。
2. 數據處理與模型構建：統計分析需要大量的數據處理工作，包括數據預處理、缺失值填充、異常值處理等，同時模型構建細節也涉及壹系列難題，如變量的選擇、模型的評價等。
3. 統計軟件使用：統計分析通常需要使用壹些專業的統計軟件進行。熟練掌握相應統計軟件的操作和編程語言也是壹個難點。