Введение пространства L2,w при построении проекционной оценки плотности вероятности
Автор: Браништи В.В.
Журнал: Сибирский аэрокосмический журнал @vestnik-sibsau
Рубрика: Математика, механика, информатика
Статья в выпуске: 1 т.17, 2016 года.
Бесплатный доступ
В статье рассмотрена задача восстановления функции плотности вероятности непрерывной случайной величины из конечного независимого образца. Автор исследует построение проективной оценки функции плотности вероятности в случае, когда плотность вероятности f (x) не квадратично интегрируема, i. е. функция f (x) находится вне функционального гильбертова пространства L 2. В этом случае условие сходимости оценки плотности к истинной плотности не выполняется даже с использованием оптимальных коэффициентов. Функции плотности вероятности, находящиеся вне пространства L 2, встречаются даже в модельных распределениях, например, в распределении хи-квадрат с числом свобод k = 1. Для решения этой задачи вводится функциональное пространство L 2, w, которое расширение пространства L 2. Свойства введенного пространства исследованы в работе. Один показывает, что для любой положительной измеримой по Лебегу функции w (x) она также является гильбертом. Более того, различимость элементов остается верной при расширении от L 2 до L 2, w. Утверждение о том, что функция плотности вероятности любой непрерывной случайной величины принадлежит некоторому пространству L 2, w, доказано. Кроме того, определение разделимости вводимого пространства оказывается важным, поскольку только в этом случае последовательность проективных оценок сходится к истинной плотности. Автор доказал, что любое пространство L 2, w kind, которое содержит L 2, является сепарабельным, поэтому в этом пространстве можно построить проективное оценивание функции плотности вероятности. Полученные теоретические результаты были испытаны на серии численных экспериментов. Результаты включены в документ. В этой статье представлены результаты, которые касаются оценки функции плотности вероятности распределенной случайной величины хи-квадрата, а также переменной, имеющей плотность вероятности, которая находится вне L 2 и содержит две точки, где она сходится к + ¥. Результаты позволяют сделать вывод о том, что предложенный метод можно использовать при оценке плотности вероятности, даже в тех случаях, когда эта плотность находится вне L 2.
Функция плотности вероятности, проекционная оценка, гильбертово пространство, сепарабельность, статистическое оценивание
Короткий адрес: https://sciup.org/148177853
IDR: 148177853
Текст научной статьи Введение пространства L2,w при построении проекционной оценки плотности вероятности
Введение. Для решения задач классификации, распознавания, диагностики технических систем и др., возникающих в том числе в аэрокосмической отрасли, большое значение имеет качество восстановления неизвестной функции плотности вероятности непрерывных случайных величин. Зачастую закон распределения исследуемых случайных величин имеет сложную структуру: плотность вероятности разрывна, многоэкстремальна и т. д. В таких условиях часто применяются непараметрические методы оценивания функции плотности вероятности, основанные на оценках М. Розенблатта и Э. Парзена [1-3]. Также большое распространение получила проекционная оценка, предложенная Н. Н. Ченцовым [4]. Предполагается, что оцениваемая функция плотности вероятности fx) принадлежит гильбертову пространству L2 функций, интегрируемых по Лебегу с квадратом на всей числовой прямой [5]. В этом случае функция fx) представима в виде f (x) = «офо (x) - «1Ф1 (x) - «2Ф2 (x) - ... (1)
где { ф k } - полная ортонормальная система функций (базис) пространства L 2; коэффициенты a k находятся по формуле:
-X a k = ( f ', ф k ) = j f ( x ) ф k ( x ) dx .
-X
Проекционная оценка f N (x ) функции fx ) представляет собой N -ю частичную сумму ряда (1):
f N ( x ) = « о ф о ( x ) - « 1 Ф 1 ( x ) - ... - a N ф N ( x ). (2)
Если восстанавливаемая функция f e L 2, то при неограниченном увеличении N оценка (2) сходится к истинной плотности fx ) в среднем квадратичном:
Я1 f N - f l 1=0.
В [6] указано, что если, кроме того, функция fx ) является непрерывной и имеет ограниченное изменение, то оценка (2) сходится равномерно. Там же рассматривается оценка (2), в которой в качестве функций ф k ( x ) взяты многочлены Эрмита. Работа [6] была выполнена при поддержке агентства NASA.
В работах [7; 8] рассмотрены некоторые обобщения оценки (2), имеющие вид
N fN (x) = ^X j a j ф j (x), j=o где весовые коэффициенты Xj выбираются из дополнительных соображений.
Однако требование f e L 2 не выполняется уже для некоторых модельных законов распределения. Например, распределение % 2 с числом степеней свободы 1 (т. е. распределение случайной величины, представ
ляющей собой квадрат нормально распределённой случайной величины с параметрами ц = 0 и о = 1) имеет плотность вероятности [9]
При этом
f ( x ) =
x
V 2л
1 0,
- 1
. 2
x > 0,
С1 гЛ .
f 2( x ) dx = —
dx
= -X,
x
т. е. f £ L 2, следовательно, проекционная оценка плотности вероятности не сходится к fx ) в метрике пространства L 2.
В работе предлагается построение сепарабельных гильбертовых пространств, являющихся расширениями пространства L 2, в которых имеется возможность строить проекционные оценки функций плотности вероятности, не входящих в L 2.
Определение и основные свойства пространства L 2 , w . Пусть w ( x ) - положительная измеримая функция. Определим пространство L 2 , w как множество действительных функций, для которых
-X j f 2(x)w(x)dx < -x . (4)
-X
Для любых двух функций f, g e L 2 , w определено число
-X
( f , g ) w = j f ( x ) g ( x ) w ( x ) dx . (5)
-X
Действительно, для действительных функций fx ) и g ( x ) выполняется неравенство
I f ( x ) g ( x )| w ( x ) < 2 ( f 2 ( x ) w ( x )
- g 2( x ) w ( x ) ) .
Поэтому из (4) следует, что интеграл в (5) принимает конечное значение. Очевидно, двухместный функционал (5) удовлетворяет аксиомам скалярного произведения. Причём условие (4) означает конечность нормы функции f, индуцированной этим скалярным произведением. Следовательно, пространство L 2 , w является гильбертовым. При w ( x ) = 1 пространство L 2 , w совпадает с пространством L 2. Подбирая различные функции w ( x ), получим различные пространства L 2 , w , причём справедливо следующее утверждение.
Утверждение 1 . Если w 1 ( x ) < w 2( x ), то
L 2, w 2 £ L 2, w .
В частности, при w ( x ) < 1 пространство L 2 , w включает в себя пространство L 2.
Доказательство. Утверждение следует из того, что если для функции f(x ) выполнено условие
-x
J f 2 ( x ) w 2 ( x ) dx < -x ,
-x то
-x-x
J f 2( x ) w 1 ( x ) dx < J f 2( x ) w 2( x ) dx < +x .
-x-x
Утверждение 2. Если для функций w 1 ( x ) и w 2( x ) существуют такие константы m и M , что
,W
Vx е (-x; +x), 0 < m < —1--< M < +x, w2( x )
то пространства равны
L 2, w = L 2, w 2 .
Доказательство. Из условия теоремы следует, что w1 (x) < Mw2 (x), w2 (x) < — w1 (x). m
Тогда
-x-x
J f 2( x ) w 1 ( x ) dx < J f 2( x ) Mw 2( x ) dx =
-x
= M J f 2(x) w2(x)dx,(6)
-x
-x—x
J f 2( x ) w 2 ( x ) d < J f 2( x ) — w i ( x ) dx = m
, -x
= — J f 2( x ) w 1 ( x ) d m
-x
Из (6) следует включение L 2 , w c L 2 , w , из (7) -включение L 2 w c L 2 w . Утверждение доказано.
Из утверждения 2 следует, что для фактического расширения пространства (т. е. для L2 w с L2 w ) необходимо, чтобы inf wytxl = 0, x w2( x )
или, что то же самое, w? (x) sup — = -x.
x w i ( x )
Заметим далее, что при таком расширении сохраняется различимость элементов, как показывает следующее утверждение.
Утверждение 3. Пусть w 1 ( x ) и w 2( x ) - две измеримые положительные функции, f - функция, принадлежащая обоим пространствам L 2 w и L 2 w . Тогда
IIД > 0 ^1 К2 > 0
Доказательство. Пусть, напротив, при некоторых w 1 ( x ) и w 2( x ) существует такая функция f G L Ц ^ L2w2 , Лля котор°Й
II4,> 0, (8)
но
II Я 2 = 0
Тогда
J f 2( x ) w 2 ( x ) dx = 0. -x
Так как подынтегральная функция неотрицательна, то отсюда следует, что она равна 0 почти всюду. Но w 2( x ) всюду положительна, поэтому почти всюду равна 0 функция f 2( x ), из чего следует, что
J f 2( x ) w 1 ( x ) dx = 0.
-x
Получаем противоречие с (8), что доказывает утверждение.
Из утверждения 3 следует, в частности, что если две функции fx ) и g ( x ) принадлежат обоим пространствам L 2 w и L2 w , то они в этих пространствах одновременно различаются или нет:
II f - g ll w >0 ^1 l f - g l2 > 0.
Оказывается, для любой функции плотности вероятности fx ) можно построить такое расширение L 2 , w пространства L 2, которое будет содержать функцию f(x ).
Утверждение 4. Пусть f(x) - функция плотности вероятности некоторой непрерывной случайной величины. Тогда существует такая положительная измеримая функция w(x), что выполняется включение f е L2,w .
Доказательство. Как функция плотности вероятности, f(x ) интегрируема на всей числовой прямой, причём
J f ( x ) dx = 1.
-x
Тогда существует (конечный или бесконечный) интеграл
I = J f 2( x ) dx .
-x
При этом если I < +», то f е L 2 , w при w ( x ) = 1. Если I = +», то функцию w ( x ) можно построить следующим образом:
I — , f ( x ) > 1, w ( x ) = U ( x ) (9)
[ 1, f ( x ) < 1.
В силу измеримости функции f ( x ) множества
X 1 = { x е Ж | f ( x ) > 1} и X 2 = { x е Ж | f ( x ) < 1} измеримы, поэтому измерима и построенная функция w ( x ). Кроме того,
J f 2( x ) w ( x ) dx = J f 2( x ) w ( x ) dx +
-x X 1
+ J f 2( x ) w ( x ) dx = J f ( x ) dx + J f 2( x ) dx ;
X 2 X 1 X 2
J f ( x ) dx < J f ( x ) dx = 1;
X i —х
J f 2( x ) dx < J f ( x ) dx < J f ( x ) dx = 1.
X 2 X 2 —х
Таким образом, получаем, что
+х
J f 2(x)w(x)dx <+х, —х поэтому f е L2,w. Утверждение доказано.
Построение функции плотности вероятности, не принадлежащей данному пространству L 2 , w . Как показывает утверждение 4, для любой функции плотности вероятности fx ) можно построить содержащее её гильбертово пространство L 2 , w . Выбирая всё меньшие функции w ( x ), можно получать всё более широкие пространства L 2 , w . Однако не существует пространства L 2 , w , которое содержало бы всё множество функций плотности вероятности любых непрерывных случайных величин. Действительно, справедливо следующее утверждение.
Утверждение 5. Пусть w ( x ) - положительная измеримая функция. Тогда существует непрерывная случайная величина, у которой функция плотности вероятности fx ) такова, что
+х
J f 2( x ) w ( x ) dx = +х .
—х
Доказательство. Пусть w ( x ) удовлетворяет условию утверждения. Тогда существует такое £ > 0, что множество
A = {x е R | w(x) > £} имеет положительную меру. Определим на этом множестве функцию ф(x), обладающую свойствами:
J ф ( x ) dx < +х , J ф 2 ( x ) dx = +х .
A A
Заметим, что множество A может иметь весьма сложную структуру, в том числе быть нигде неплотным [10].
Так как система измеримых множеств пространства действительных чисел R является о-алгеброй, то любое множество положительной меры из этой системы можно представить в виде объединения счётного множества попарно непересекающихся его подмножеств положительной меры. В частности, для множества A имеем х
A = U A i , p A i > 0, А , - П A j. = 0 при i * j .
i = 1
Ряд, составленный из мер множеств A , очевидно, сходится, причём
х
E p A = P A . (10)
n = 1
Обозначим через у n остаток ряда (10) после n -го члена:
х
У n E PA.
k = n + 1
Так как ряд (10) положительный, то согласно результату У. Дини [11, с. 319] ряд х — 1
E p a у n 2 1 n = 1
сходится, в то время как ряд х EpA У 2—1 n =1
расходится. Используя это свойство, для каждого множества A n построим функцию
Ф n ( x )
У n 2 1 ,
0,
x е A n , x £ A n
и определим функцию ф ( x ) следующим образом:
Ф ( x ) = Е ф n ( x ).
n = 1
При этом
х
J ф(x)dx = E J Ф(x)dx =
A n =1 An х х — 1
= E J ф n(x)dx = Epa у n 21 < +х;
n = 1 Д n = 1
A n
х
J ф 2 ( x ) dx = E J Ф 2 ( x ) dx =
A n=1 An х х
= E J фП (x)dx = Epa у——1 =+х.
n = 1 Д n = 1
An
Функциюfx) будем искать в виде f (x) = <
Ф( x ) ky/w (x) 0, x е A, x £ A,
где коэффициент k определим из условия нормировки:
f f ( x ) dx = 1C ф ( x ) dx = 1.
—V k Vw^x
Заметим, что интеграл в последнем выражении сходится, так как
Г Ф( x) 7 / 1f/\7., I . dx < —;= I ф(x)dx < +х.
! Vw(x) V£ A
Тогда получаем k = J A
Ф ( x ) -J w ( x )
dx .
Таким образом, функция f ( x ) является функцией плотности вероятности некоторой случайной величины. При этом
'x 1 m 2 ( x )
f f ( x ) w ( x ) dx = —- f----- w ( x ) dx =
-X k 2 А w ( x )
+х
V f е L 2 ( f , g ) w = J f ( x ) g ( x ) w ( x ) dx = 0
-x
= т m (x)dx = +».
k A
Утверждение доказано.
Сепарабельность пространства L 2 , w . Как показывает утверждение 5, не существует некоего универсального гильбертова пространства, пригодного для оценивания любой мыслимой функции плотности вероятности. Кроме того, при рассмотрении пространства L 2 , w очень важным является установление его сепарабельности, так как в этом случае у этого пространства гарантировано существование счётного базиса и возможность представления любого элемента пространства в виде (1). Таким образом, если функция плотности вероятности принадлежит сепарабельному пространству L 2 , w , то её проекционная оценка сходится к ней. Рассмотрим следующую теорему.
Теорема. Пусть L 2 с L 2 w . Тогда пространство L 2 плотно в пространстве L 2 w .
Для доказательства этой теоремы сформулируем следующую лемму.
Лемма. Пусть h ( x ) - измеримая функция, ортогональная пространству L 2:
V f е L 2 ( f , h ) = 0.
Тогда h ( x ) равна 0 почти всюду.
Доказательство. Пусть, напротив, h ( x ) ортогональна пространству L 2 и отлична от 0 на некотором множестве А положительной меры:
ц А = ц { x е R | h ( x ) * 0} > 0.
Разобьём множество А на два подмножества
А 1 = { x е R | h ( x ) > 0}, А 2 = { x е R | h ( x ) < 0}..
Очевидно, что мера хотя бы одного из них положительна. Тогда из А 1 или А 2 можно выделить ограниченное подмножество положительной меры. Обозначим это подмножество через B . Очевидно, на множестве B функция h ( x ) сохраняет знак. Определим функцию f ( x ) следующим образом:
[ 1, x е B , x ) = 5 .
[ 0, x £ B .
Функция fx ) принадлежит пространству L 2 , и, кроме того,
( f , h ) = J f ( x ) h ( x ) dx = J h ( x ) dx * 0.
-x B
Получаем противоречие с ортогональностью функции h ( x ) пространству L 2. Лемма доказана.
Доказательство теоремы. Пусть, напротив, L 2 не является плотным в L 2 , w . Известно, что для того, чтобы линейное многообразие М было плотным в гильбертовом пространстве H , необходимо и достаточно, чтобы в H не существовало ненулевого элемента, ортогонального всем элементам из М [12]. Отсюда следует, что в L 2 , w существует ненулевой элемент g , ортогональный пространству L 2:
Из доказанной леммы применительно к h ( x ) = = g ( x ) w ( x ) следует, что функция g ( x ) w ( x ) равна 0 почти всюду. Так как w ( x ) > 0, то почти всюду равна 0 функция g ( x ), что противоречит тому, что g - ненулевой элемент пространства L 2 , w . Теорема доказана.
Из доказанной теоремы следует, что пространство L 2 плотно в любом содержащем его пространстве L 2 , w . Тогда из сепарабельности L 2 следует сепарабельность любого такого L 2 , w . В совокупности с утверждением 4 получаем, что для любой функции плотности вероятности можно построить проекционную оценку, сходящуюся в некотором пространстве L 2 , w .
Результаты численных экспериментов. Построим проекционную оценку плотности вероятности некоторых случайных величин, не принадлежащих пространству L 2. Для этого с помощью формулы (9) построим весовую функцию w ( x ) и для соответствующего пространства L 2 , w построим ортонормиро-ванный базис методом ортогонализации Грамма-Шмидта [13]. Коэффициенты a k в выражении (2) оценим по формуле [14]
a k =- E m k ( x i )w ( x i ). " i = 1
Длину ряда N получим минимизацией значения wn -2jt»mk-i^mmk- k-0,....n, (12)
n k = 0 k = 0
где m mk = ak =-jm k(xi)w(xi), n i=1
2 1 nbi„ smk = —7 Дтk(xi)w(xi)- mmk ) , n -1 i=1
которое является (с точностью до постоянного слагаемого) несмещённой оценкой функционала качества
Q {f}= M f - f
w оценки плотности вероятности [15].
Промер 1. Для функции (3) плотности вероятности случайной величины, подчинённой закону распределения / , функция w(x) имеет вид z х V2^xг1, x е (0;0,139),
( x ) = 5 , , v,
1, clr-1.
Оценку будем строить на луче [0; +x), для чего в качестве системы линейно независимых функций возьмём последовательность е-x хр-x т2р-x х"р-x e , ^ve , ^v e , •••, ^v e , •••
После применения процесса Грамма-Шмидта был построен базис, несколько первых элементов которого имеют вид m0 (x) «1,482e-x, mi(x) ~ (-1,611 + 2,954x)e-x, m2(x) « (1,73 - 6,138x + 2,945x2)e-x, ...
Оценка плотности вероятности строилась по независимой выборке случайной величины объёма n = 300. Оценки a k коэффициентов, а также их оптимальные значения занесены в табл. 1.
В табл. 2 приведены значения IT N .
Из табл. 2 видно, что минимальное значение W N достигается при N = 15. График соответствующей оценки приведён на рис. 1.
Качество оценивания при этом составляет
' - /|[ . 0,045.
Пример 2. Рассмотрим непрерывную случайную величину, заданную следующей плотностью вероятности:
Квадрат этой функции не суммируем в окрестности двух точек x = 0 и x = 1, следовательно, / 6 L 2. Построим содержащее эту функцию пространство L 2 , w . Для этого введём весовую функцию
4 V X ,
x е

w ( x ) = <

x е

1, cir'I.
Построим проекционную оценку функции плотности вероятности в интервале (0; 2). Для построения базиса возьмём линейно независимую систему
1 4Х |
0 < x < 1, |
|
f ( x ) = 1 |
-тЦ |
, 1 < x < 2, (13) |
4 V x -1 |
||
0, |
cir'I. |
. л n л
1, cos x , cos л x , ..., cos x ,
2 2
и по независимой выборке этой случайной величины объёма n = 300 построим проекционную оценку плотности вероятности. Результат численного эксперимента приведён на рис. 2.
Таблица 1
Оценки (11) коэффициентов и их оптимальные значения при восстановлении плотности вероятности (3)
k |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
a k |
0,633 |
-0,135 |
0,166 |
-0,117 |
0,104 |
-0,097 |
0,085 |
-0,066 |
0,051 |
-0,038 |
a k |
0,636 |
-0,133 |
0,148 |
-0,1 |
0,088 |
-0,075 |
0,067 |
-0,061 |
0,056 |
-0,052 |
k |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
a k |
0,033 |
-0,034 |
0,034 |
-0,031 |
0,028 |
-0,025 |
0,023 |
-0,029 |
-0,029 |
-0,03 |
a k |
0,048 |
-0,045 |
0,042 |
-0,04 |
0,038 |
-0,036 |
0,034 |
-0,043 |
-0,043 |
-0,043 |
Таблица 2
Значения оценки (12) функционала качества при восстановлении плотности вероятности (3)
N |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
W N |
-0,416492 |
-0,442569 |
-0,455039 |
-0,464734 |
-0,473139 |
-0,479536 |
-0,483056 |
-0,484753 |
-0,485328 |
N |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
W N |
-0,485565 |
-0,485918 |
-0,486332 |
-0,486598 |
-0,486696 |
-0,486703 |
-0,48666 |
-0,48659 |
-0,486517 |

Рис. 1. Результат восстановления функции плотности вероятности случайной величины, подчинённой закону распределения % 2 при k = 1

Рис. 2. Результат восстановления функции плотности вероятности случайной величины, подчинённой закону распределения (13)
Качество оценивания при этом составило
I f - f l С - 01о2.
Наличие разрыва второго рода внутри области оценивания значительно ухудшило качество аппроксимации по сравнению с примером 1.
Заключение. Из доказанных свойств пространства L 2 , w следует, что для функции плотности вероятности любой непрерывной случайной величины можно построить проекционную оценку, сходящуюся в этом пространстве при определённом выборе весовой функции w ( x ). Численные эксперименты подтвердили, что предложенный способ оценивания плотности вероятности может быть использован в случаях, когда квадрат оцениваемой функции f ( x ) не суммируется, т. е. f 6 L 2.
Список литературы Введение пространства L2,w при построении проекционной оценки плотности вероятности
- Rosenblatt M. Remarks on some nonparametric estimates of a density function//The Annals of Mathematical Statistics. 1956. Vol. 27, 3. P. 832-837.
- Parzen E. On estimation of a probability density function and mode//The Annals of Mathematical Statistics. 1962. Vol. 35, 3. P. 1065-1076.
- Лапко А. В., Лапко В. А. Непараметрические модели и алгоритмы обработки информации: учеб. пособие/Сиб. гос. аэрокосмич. ун-т. Красноярск, 2010. 220 с.
- Ченцов Н. Н. Оценка неизвестной плотности распределения по наблюдениям//ДАН СССР. 1962. Т. 147, 1. С. 45-48.
- Колмогоров А. Н., Фомин С. В. Элементы теории функций и функционального анализа. 6-е изд. М.: Наука, 1989. 624 с.
- Schwartz S. Estimation of probability density by an orthogonal series//The Annals of Mathematical Statistics. 1967. Vol. 38, 4. P. 1261-1265.
- Watson G. Density estimation by orthogonal series//The Annals of Mathematical Statistics. 1967. Vol. 40, 4. P. 1496-1498.
- Wahba G. Data-based optimal smoothing of orthogonal series density estimates//The Annals of Statistics. 1981. Vol. 9, 1. P. 146-156.
- Кобзарь А. И. Прикладная математическая статистика: для инженеров и научных работников. М.: Физматлит, 2006. 816 с.
- Натансон И. П. Теория функций вещественной переменной. 3-е изд. М.: Наука, 1974. 480 с.
- Фихтенгольц Г. М. Курс дифференциального и интегрального исчисления. 8-е изд. М.: Физматлит, 2003. Т. 2. 864 с.
- Люстерник Л. А., Соболев В. И. Элементы функционального анализа. 2-е изд. М.: Наука, 1965. 520 с.
- Ленг С. Алгебра. М.: Мир, 1968. 564 с.
- Новосёлов А. А. Об оптимальном выборе структуры функции плотности вероятности и регрессии: препринт. Красноярск: ВЦ СО АН СССР, 1979. 31 с.
- Браништи В. В. О параметрическом оценивании функции плотности вероятности//Научно-технический вестник Поволжья. 2014. № 1. С. 13-16.
- Rosenblatt M. Remarks on some nonparametric estimates of a density function. The Annals of Mathematical Statistics, 1956, Vol. 27, No. 3, P. 832-837.
- Parzen E. On estimation of a probability density function and mode. The Annals of Mathematical Statistics, 1962, Vol. 35, 3, P. 1065-1076.
- Lapko A. V., Lapko, V. A. Neparametricheskie modeli i algoritmy obrabotki informatsii . Krasnoyarsk, SibSAU Publ., 2010, 220 p.
- Čencov N. N. Evaluation of an unknown distribution density from observations. Soviet Math, 1962, Vol. 3, P. 1559-1562.
- Kolmogorov A. N., Fomin S. V. Elementy teorii funktsiy i funktsional’nogo analiza . 6th ed. Moscow, Nauka Publ., 1989, 624 p.
- Schwartz S. Estimation of probability density by an orthogonal series. The Annals of Mathematical Statistics, 1967, Vol. 38, No. 4, P. 1261-1265.
- Watson G. Density estimation by orthogonal series. The Annals of Mathematical Statistics, 1967, Vol. 40, No. 4, P. 1496-1498.
- Wahba G. Data-based optimal smoothing of orthogonal series density estimates. The Annals of Statistics, 1981, Vol. 9, No. 1, P. 146-156.
- Kobzar’ A. I. Prikladnaya matematicheskaya statistika: Dlya inzhenerov i nauchnykh rabotnikov . Moscow, Fizmatlit Publ., 2006, 816 p.
- Natanson I. P. Teoriya funktsiy veshchestvennoy peremennoy . 3rd ed. Moscow, Nauka Publ, 1974, 480 p.
- Fikhtengol’ts G. M. Kurs differentsial’nogo i integral’nogo ischisleniya . 8th ed. Moscow, Fizmatlit Publ., 2003, 864 p.
- Lyusternik L. A., Sobolev V. I. Elementy funktsional’nogo analiza . 2nd ed. Moscow, Nauka Publ., 1965, 520 p.
- Lang S. Algebra. New York, Springer, 2005, 917 p.
- Novoselov A. A. Ob optimal’nom vybore struktury funktsii plotnosti veroyatnosti i regressii . Krasnoyarsk, Computation Center of Siberian Department of USSR Academy of Sciences Publ., 1979, 31 p.
- Branishti V. V. . Nauchno-tekhnicheskiy vestnik Povolzh’ya, 2014, No. 1, P. 13-16 (In Russ.).