在大学概率论课程中，学生通常会学习到以下知识点：
随机事件与概率：
包括随机事件的概念、概率的定义和性质，以及古典概型和几何概型等。
条件概率与独立性：
条件概率的定义和计算方法，事件的独立性和全概率公式的应用。
随机变量与分布函数：
随机变量的概念和分类（离散型和连续型），分布函数的定义和性质，以及常见分布的概率密度函数。
期望与方差：
期望值的定义和计算方法，方差的定义和性质，以及协方差和相关系数的计算。
大数定律与中心极限定理：
大数定律的描述和中心极限定理的概述。
贝叶斯定理：
贝叶斯定理的应用和全概率公式的结合使用。
马尔科夫链与马尔科夫链蒙特卡洛方法：
马尔科夫链的基本概念和马尔科夫链蒙特卡洛方法的应用。
概率的频率解释与贝叶斯解释：
频率派概率和贝叶斯概率的区别和应用。
二维随机变量及其概率分布：
包括二维离散型和连续型随机变量的联合概率分布、边缘分布和条件分布。
概率密度函数与分布函数：
对于一维和二维随机变量，分布函数和概率密度函数的定义和性质。
常见分布：
如泊松分布、指数分布、伯努利分布、正态分布、均匀分布、超几何分布和几何分布等，以及它们的数字特征。
这些知识点构成了大学概率论的基本框架，并在各个学科领域有着广泛的应用。建议学生重点掌握这些内容，以便在实际问题中能够灵活运用。