随机变量X具有概率密度 fX(x)=x/8 0

xy属于正态分布,那么x+y服从N（1,2）,所以1正确

随机变量X~B(6,1/3),
则n=6,p=1/3,q=2/3,
那么V(X)=npq=4/3

若ξ是一个连续型随机变量,其密度函数是p(x),又函数y=f(x)为严格单调函数,其反函数x=g(y)有连续导数,则η=f(ξ)也是连续型随机变量,其密度函数为:Ψ(y)==p[g(y)]|g′(y)|,当γyβ时;0,当y≤α或y≥β时.(1)其中:α=min{f(-∞),f(+∞)},β=max{f(-∞),f(+∞)}.

我猜你想问这个：
随机事件A服从B（n,p）,要求n次试验事件A发生的概率
利用对立事件的关系,P(n次试验事件A发生的概率)=1-P(n次试验事件A都不发生的概率)
P(n次试验事件A都不发生的概率)=每次事件A都不发生=（事件A不发生）^n
结果就是 1-（1-p）^n
就是这么推出来的,

　表示随机现象（在一定条件下,并不总是出现相同结果的现象称为随机现象）各种结果的变量（一切可能的样本点）.例如某一时间内公共汽车站等车乘客人数,电话交换台在一定时间内收到的呼叫次数等等,都是随机变量的实例.
　　一个随机试验的可能结果（称为基本事件）的全体组成一个基本空间Ω .随机变量X是定义在基本空间Ω上的取值为实数的函数,即基本空间Ω中每一个点,也就是每个基本事件都有实轴上的点与之对应.例如,随机投掷一枚硬币 ,可能的结果有正面朝上 ,反面朝上两种 ,若定义X为投掷一枚硬币时正面朝上的次数 ,则X为一随机变量,当正面朝上时,X取值1；当反面朝上时,X取值0.又如,掷一颗骰子 ,它的所有可能结果是出现1点、2点、3点、4点、5点和6点 ,若定义X为掷一颗骰子时出现的点数,则X为一随机变量,出现1,2,3,4,5,6点时X分别取值1,2,3,4,5,6.
　　有些随机现象需要同时用多个随机变量来描述.例如 ,子弹着点的位置需要两个坐标才能确定,它是一个二维随机变量.类似地,需要n个随机变量来描述的随机现象中,这n个随机变量组成n维随机向量 .描述随机向量的取值规律,用联合分布函数.随机向量中每个随机变量的分布函数,称为边缘分布函数.若联合分布函数等于边缘分布函数的乘积,则称这些单个随机变量之间是相互独立的.独立性是概率论所独有的一个重要概念.
　　在不同的条件下由于偶然因素影响,其可能取各种不同的值,具有不确定性和随机性,但这些取值落在某个范围的概率是一定的,此种变量称为随机变量.随机变量可以是离散型的,也可以是连续型的.如分析测试中的测定值就是一个以概率取值的随机变量,被测定量的取值可能在某一范围内随机变化,具体取什么值在测定之前是无法确定的,但测定的结果是确定的,多次重复测定所得到的测定值具有统计规律性.随机变量与模糊变量的不确定性的本质差别在于,后者的测定结果仍具有不确定性,即模糊性.

抓住分布函数的定义：
F(x)=P{X

E(X-c)^2=E[(X-EX)+(EX-c)]^2=E[(X-EX)^2]+2E[(X-EX)(EX-c)]+(EX-c)^2
=E[(X-EX)^2]+2[(EX-EX)(EX-c)]+(EX-c)^2
=E[(X-EX)^2]+(EX-c)^2
≥E[(X-EX)^2]=DX
当c=EX时,DX=E(X-c)^2