$d\mu =f d\nu$ olsun. $I_{k,n} = [k2^{-n},(k+1)2^{-n})$ ve $$f_n(x) = \frac{\mu(I_{k,n})}{\nu(I_{k,n})}\hspace{3mm}\Longleftrightarrow\hspace{2mm} x\in I_{k,n}$$ tanımlayalım. $(f_n)$ dizisi $f$'ye $\nu$-h.h.h. yakınsar.
Eğer $\mu$ bir $X$ rassal değişkeninin, $\nu$ de bir $Y$ rassal değişkeninin olasılık yoğunluk ölçüleri ise, $$\mu(I_{k,n}) = \mathbb{E}(\chi_{I_{k,n}}(X))\hspace{3mm}ve\hspace{3mm} \nu(I_{k,n}) = \mathbb{E}(\chi_{I_{k,n}}(Y))$$ olur. Burada $\mathbb{E}(.)$ beklenen değer; $\chi_I$, $I$ kümesinin üzerinde 1, dışında 0 değeri alan fonksiyondur. $\mathbb{E}(\chi_{I_{k,n}}(X))$'i tahmin (estimate) etmenin en birinci yolu, $X$'in sonlu adette örnek yolunu (sample path) alıp, $\chi_{I_{k,n}}(X)$ 'ların ortalamasını hesaplamaktır: $X_1,\dots, X_m$ örnek yollar ise, $$\frac{1}{m}\sum_{i=1}^m \chi_{I_{k,n}}(X_i)$$ $\mu(I_{k,n})$'nin bir tahminidir (estimator). Benzer şekilde $\nu(I_{k,n})$'nin tahmini hesaplanıp, oranlarıyla $f$ için bir tahmin inşa edilebilir.
Linkteki makalede, yukarıda anlatılanın ilerisinde ve daha detaylı bilgi mevcuttur: https://projecteuclid.org/euclid.aos/1032894451