EDIT: la mia risposta precedente non ha risposto alla domanda reale. Quello che segue è il mio tentativo di ottenere una risposta più mirata.
Come viene letta la notazione ?X∼ N( μ , σ2)
Altre risposte ti dicono già cosa significa la notazione, ovvero che è una variabile casuale normalmente distribuita con una media e varianza . La risposta di Dilip fornisce anche una buona spiegazione di quali altre possibili interpretazioni ci sono quando la notazione è meno chiara di , ad esempio per i parametri generali , vale a dire. .μ σ 2 σ 2 { a , b } X ∼ N ( a , b )Xμσ2σ2{ a , b }X∼ N( a , b )
Ogni volta che vedo questa notazione nel testo, tendo a leggerlo in modo che abbia un senso grammaticale. Direi che questo è il modo ragionevole di trattare la notazione. Pertanto, la risposta alla tua domanda è che, sapendo cosa significa matematicamente la notazione, la leggi semplicemente in qualsiasi modo si adatti al testo. Ecco due esempi:
(1) Sia ...X∼ N( a , b )
(2) Considera tre variabili casuali indipendenti,X∼ N( 0 , 1 ) , Y∼ N( 1 , 2 ) , Z∼ Ex p ( λ ) .
In (1) l'ho letto come (es.) "Sia distribuito normalmente con media a e varianza b ...", e in (2) l'ho letto come "... è normale normale ...".XXX
X segue una distribuzione normale?
Sì, funziona anche questo. Molte persone lo dicono in questo modo, anche se potresti voler includere la media e la varianza che caratterizzano la distribuzione.
O X è una distribuzione normale?
No, non è corretto. Vedi questa mia vecchia risposta per un resoconto di cosa sia una distribuzione.
O forse X è approssimativamente normale ..
No, anche questo è errato. Esistono altri modi per indicarlo. Come sottolineato nei commenti, è uno di questi.~⋅
E se ci sono diverse variabili che seguono (o qualunque siano le parole) la stessa distribuzione? Come è scritto?
Se sono tutti indipendenti, un modo semplice per scrivere questo è , dato che hai variabili (iid sta per indipendente e identicamente distribuito). Se non sono indipendenti, puoi dire che sono probabilmente dipendenti, ma (marginalmente) distribuiti identicamente come . Oppure potresti dover invece dichiarare la loro distribuzione congiunta - ciò dipende dallo scopo che hai per considerare le variabili casuali.n X i , i = 1 , 2 , … , n N ( μ , σ 2 )Xio~I i dN( μ , σ2) , i = 1 , 2 , … nnXio,i=1,2,…,nN(μ,σ2)
Se sono congiuntamente normali, è facile scrivere che per caratterizzare completamente la loro distribuzione articolare usando un vettore medio e una matrice di covarianza .μ ΣX : = ( X1, ... , Xn)'∼ N( μ , Σ )μΣ
In generale, si può definire una qualsiasi funzione di distribuzione multivariata e poi scrivere che .X ∼ FFX ∼F