bootstrap方差

Bootstrap（拉链）方法是一种统计学中的 resampling 方法，主要用于估计样本分布或进行假设检验。在数据分析中，Bootstrap方差通常指的是通过多次抽样（with replacement，即有放回地抽取样本）来估计原数据集参数（比如均值、标准差等）的变异性。

具体来说，Bootstrap过程如下：
1. 从原始数据集中随机选择n个样本（大小与原数据集相同），形成一个新的“小样本”。
2. 对这个小样本计算所需的统计量（如均值、方差）。
3. 重复上述步骤B次，每次用不同的随机抽样，得到B个统计量的估计值。
4. Bootstrap方差就是这些估计值的样本方差，它反映了原数据参数估计的不确定性。

Bootstrap方差有助于我们了解当我们从有限样本中推断总体参数时，可能存在的误差范围。此外，Bootstrap在许多情况下（如当总体分布未知或不满足某些假设时）比传统的假设检验更为稳健。