能帮我写一段用改进bootstrap法从威布尔分布函数中抽样的matlab程序并在最后求参数置信区间吗，举个样本更符合实际的实例。

当然可以！以下是用改进bootstrap法从威布尔分布函数中抽样的matlab程序，同时给出参数置信区间的计算方法：

%% 生成威布尔分布样本数据
lambda_true = 2.5;  % 真实参数
k_true = 1.2;
n = 1000;  % 样本量
data = wblrnd(lambda_true, k_true, n, 1);

%% 利用改进bootstrap法抽样
B = 1000;  % bootstrap重复次数
lambda_bs = zeros(B, 1);  % bootstrap估计的参数
k_bs = zeros(B, 1);
for i = 1:B
    idx = randi(n, n, 1);  % 重采样索引
    data_bs = data(idx);
    [lambda_bs(i), k_bs(i), ~, ~] = wblfit(data_bs);  % 用重采样数据拟合威布尔分布并估计参数
end

%% 计算参数置信区间
alpha = 0.05;  % 置信水平

lambda_bs_mean = mean(lambda_bs);
lambda_bs_std = std(lambda_bs);
lambda_bs_ci = [lambda_bs_mean - norminv(1-alpha/2)*lambda_bs_std, lambda_bs_mean + norminv(1-alpha/2)*lambda_bs_std];

k_bs_mean = mean(k_bs);
k_bs_std = std(k_bs);
k_bs_ci = [k_bs_mean - norminv(1-alpha/2)*k_bs_std, k_bs_mean + norminv(1-alpha/2)*k_bs_std];

fprintf('lambda的置信区间为（%.4f，%.4f）\n', lambda_bs_ci(1), lambda_bs_ci(2));
fprintf('k的置信区间为（%.4f，%.4f）\n', k_bs_ci(1), k_bs_ci(2));

其中，`wblrnd(lambda, k, m, n)`函数用于生成威布尔分布的随机样本，`wblfit(data)`函数用于拟合威布尔分布并估计参数，`randi(n, m, 1)`函数用于生成重采样索引。置信区间的计算使用正态分布近似法，`norminv(1-alpha/2)`函数用于计算正态分布分位点。在实际使用中，可以修改参数值、样本量、置信水平等参数。