设随机变量X和Y的数学期望都是2，方差分别为1和4，而相关系数为0.5，则根据切比雪夫不等式，有P (|X ?Y| ≥ 6) ≤（??? ）．

设随机变量X的数学期望和方差分别为E(X)=μ,D(x)=σ^2,用切比雪夫不等式估计P{｜X一μ｜<3σ）. 随机变量X的数学期望为10，方差为25，而Y＝aX＋b满足E（Y）＝0，D（Y）＝1，则常数a，b的取值为（　　）。 设随机变量X的概密度为则的数学期望是（ ）。 设随机变量X的概率密度为的数学期望是（） 一维随机变量的数字特征，包括离散型随机变量的数学期望与方差等 设随机变量X与Y相互独立，方差分别为6和3，则D(2X-Y)=( )。 中国大学MOOC: 设随机变量X和Y相互独立，方差分别为4，2，则3X – 2Y的方差为（ ）． 设相互独立的两个随机变量$X$和$Y$的数学期望均存在，记$U=\max{(X,Y)},V=\min{(X,Y)}$，则$E(UV)=$ 已知随机变量X～N(0，1)，则随机变量Y=2X-1的方差为（ ） 下列说法正确的是: 任意随机变量的数学期望一定存在。|可能取值为有限个的随机变量的数学期望一定存在|离散型随机变量的数学期望一定存在|连续型随机变量的数学期望一定存在 设随机变量X的数学期望为EX=m，方差为DX=s2，则由切比雪夫不等式，有P 若随机变量X，Y相互独立且期望都存在，则E(XY)=E(X)E(Y) （ ） 随机变量的大小可以用它的数学期望来表示，而随机变量取值的分散程度可以用它的方差来表示。 随机变量的大小可以用它的数学期望来表示，而随机变量取值的分散程度可以用它的方差来表示（） 离散型随机变量的数学期望可能不存在，连续型随机变量的数学期望一定存在（） 设随机变量X服从正态分布N(-1，9)，则随机变量Y=2-X服从( ). 随机变量X服从均匀分布U（-1，3）。则随机变量x的均值和方差分别是（ ）。 随机变量x服从均匀分布U(-1，3)，则随机变量x的均值和方差分别是（ ）。 随机变量x服从均匀分布u（-1，3）。则随机变量x的均值和方差分别是（） 设随机变量X~N（μ,1），Y~N（μ,4），若a=p{X≥μ},b=p{Y≤μ+2}，则（ ）。