ShMaxG, спасибо за ответ.
Я посмотрел, там как-то все очень не строго, не аккуратно. Не ясно было долго, то ли

случайны, то ли нет. Автор рисует после игрека вертикальную палочку, которая обычно означает условное распределение. Но у него это не условное распределение, это просто способ отграничить переменные от параметров. В недоумение тогда вводит запись

. Кроме того, то у него

случайные, то являются точками пространства. Я бы не стал учиться по такому материалу.
Там просто выше говорится (в параграфе "Условное распределение на таргет, непрерывный случай"), что

это условное распределение.
Не знаю просто к каким источникам в таком случае лучше обращаться. Я открыл "Kevin P. Murphy, Probabilistic Machine Learning: An Introduction", но там всё очень похоже на то что написано в учебнике ШАДа. Мне в принципе не очень нравятся обозначения вида

, так как в случае непрерывных

и

это бессмыслица же, учитывая что Kevin Murphy приводит примеры с дискретными случайными величинами, в то время как никакого отдельного определения для непрерывных случайных величин нет.
Что в
лекции Ветрова (которую я хотел посмотреть, чтобы распутаться, ан нет)

называют правдоподобием.
-- 05.04.2023, 21:08 --Надо различать случайные величины от их реализаций. Если

означают случайные величины, то функция правдоподобия запишется как

, где

,

.
А что в данном случае мы понимаем под

В моей нотации да,

это случайные величины из выборки, а не их реализации.
-- 05.04.2023, 21:47 --По поводу обозначений в книге Боровкова, правильно ли я понимаю, что (на странице 23) мы обозначаем выборку как набор случайных величин как

, а реализацию этого случайного вектора наоборот обозначаем как

То есть большая

и прямые

это реализация выборки, а маленькая

(которая одновременно должна быть и курсивом и полужирная, но я пока не понял как этого добиться) и наклонные

это сама выборка? Первый раз просто встречаю такое соглашение.
И говоря "переменные величины", обозначаемые курсивом, мы имеем виду собственно говоря, случайные величины?