考研数字统计主要考察以下内容：
概率论与数理统计
随机事件及其运算、概率的定义与性质、条件概率、贝叶斯定理。
随机变量及其分布（离散型和连续型）。
多维随机变量及其联合分布、边缘分布和条件分布、随机变量的独立性、随机变量函数的分布。
大数定律和中心极限定理。
数理统计的基本概念、参数估计（矩估计、极大似然估计）。
假设检验、方差分析、回归分析。
线性代数
矩阵的概念、行列式、矩阵的运算、逆矩阵、分块矩阵、线性方程组。
向量空间、基与坐标、子空间、线性相关性、线性无关组、维数、矩阵的秩。
欧几里得空间、内积和范数、正交矩阵、特征值与特征向量、相似矩阵、二次型。
微积分
函数的极限、连续性、导数、微分、中值定理、不定积分、定积分、反常积分。
多元函数微积分学（偏导数、全微分、极值问题、多重积分、曲线积分和曲面积分）。
数值分析、运筹学、优化理论
这些内容在统计学研究和应用中也非常重要。
非参数统计方法
了解非参数统计的基本思想和常用方法，如符号检验、曼-惠特尼U检验等。
贝叶斯统计
了解贝叶斯统计的基本原理和方法，如贝叶斯参数估计、贝叶斯假设检验等。
时间序列分析
了解时间序列的基本概念、ARIMA模型、季节性分解等。
编程语言、数据结构与算法、数据库系统、计算机网络
这些课程对于理解大数据的采集、存储、处理和分析等过程以及掌握相应的技术工具和框架都非常重要。
建议考生全面复习上述内容，特别是概率论与数理统计、线性代数和微积分等核心科目，同时也要关注一些实际应用相关的知识点，如非参数统计方法和贝叶斯统计。
