我们考虑一个线性模型，其中系数（截距和斜率）是随机的，并且独立于回归变量。系数定律是非参数的。在没有进一步限制的情况下，非参数辨识要求回归变量具有支持度，即整个空间。在实践中几乎从未出现过这种情况。当系数可以有紧凑的支持时，可以处理变化有限的回归变量。这与回归模型中常见的无界误差项不兼容。在本文中，回归变量可以有一个适当子集的支持，但斜率没有重尾。对于宽范围的光滑性，得到了估计随机系数密度联合密度的极大极小风险的下界。有些允许多项式和近似参数的收敛速度。我们提出了一个极小极大最优估计量和一个数据驱动的自适应估计规则。A类$\mathsf{<trans\; data-src="R">对</trans>}$软件包可用于实现此估计器。