Дамы и Господа!
Возникла необходимость обработки малых многомерных выборок, т.е. когда объем выборки

меньше размерности

этого пространства. Полная задача такая: есть некоторая выборка

векторов размерности

и объема

, при этом

. Нужно оценить, насколько реально, что некоторый вектор

взят из той же совокупности, что и выборка

. Работаем в рамках нормальных приближений.
Если бы было

, то можно было бы оценить центр

и ковариационную матрицу

по выборке, тогда, если

и

взяты из совокупности с многомерным нормальным распределением и одинаковыми центрами и ковариациями, то

подчиняется распределению Фишера с

и

степенями свободы.
Для случая

выборочная ковариационная матрица окажется вырожденной. Но можно принять, что ковариационная матрица является диагональной (волевым решением). Тогда получается
основной вопрос: как найти доверительный интервал для

, если известно, что истинная ковариационная матрица диагональная, соответственно, ее оценка

тоже диагональная (внедиагональные элементы зануляются)?