考生在备考暨南大学概率论与数理统计考博时，应注重理论深度与实践应用的结合，建议采用以下分层复习策略。基础阶段需系统梳理学科知识框架，重点突破核心定理证明与公式推导能力。以《概率论与数理统计》浙大版教材为基准，建议每天固定3小时进行概念性学习，通过思维导图将随机事件、概率分布、参数估计等六大模块串联成网状知识体系。特别注意贝叶斯定理、大数定律证明、卡方检验等高频考点，要求每个定理掌握至少三种证明思路。

进阶阶段需建立题型分类训练体系，针对历年真题统计出题规律。近五年真题显示，约35%题目涉及参数估计与假设检验，28%考察随机过程与极限定理，需专项突破。建议使用《数理统计教程》（贾俊平）配合《概率论与数理统计考研试题精解》，每周完成5套模拟题并建立错题数据库。重点强化非参数检验、贝叶斯估计等薄弱环节，通过手写解题步骤培养逻辑严谨性。

冲刺阶段应实施"真题反推+热点预测"双轨策略。将2018-2023年真题按题型分类汇编，总结命题老师偏好。同时关注近三年统计领域热点问题，如高维数据下的假设检验、非独立同分布序列的收敛性等前沿方向。建议组建3人学习小组，每周进行2次模拟答辩，重点训练定理证明的板书展示能力和复杂模型的应用转化能力。

时间管理方面建议采用"3-2-1"节奏：前3个月夯实基础，中间2个月强化突破，最后1个月模拟冲刺。每日学习需遵循"45分钟专注+15分钟复盘"的番茄工作法，重点章节可采用"三遍学习法"——第一遍通读理解，第二遍定理推导，第三遍综合应用。注意保持每周8小时数学证明专项训练，避免陷入纯计算题训练导致理论薄弱。

答题技巧方面，建议建立"三段式答题模板"：概念解析（30%）、公式推导（40%）、应用举例（30%）。特别强调在证明题中采用"条件分解-关键步骤-结论验证"的三段式结构，例如证明强大数定律时，先分解依概率收敛定义，再展示马尔可夫不等式应用，最后验证依概率收敛的充分条件。同时需注意答题规范性，定理证明需完整标注前提条件，统计量推导要明确分布假设。

最后需建立动态调整机制，每周日进行学习效果评估，根据错题率调整复习重点。建议重点关注近三年新增考点，如2022年新增的随机过程应用题占比提升至22%，需补充《应用随机过程》相关内容。同时注意关注导师研究方向，若涉及生物统计或金融工程方向，需额外补充相应领域的统计方法应用案例。