概念卡：Bootstrap

综合实践 · 01_专业概念地图/概念卡_Bootstrap.md

概念卡：Bootstrap

一句话定义

Bootstrap 是从样本中反复有放回抽样，用来估计统计量不确定性的方法。

它解决什么问题

它在理论分布难以推导时，帮助估计标准误、置信区间和结果稳定性。

典型使用场景

• 估计均值或中位数置信区间。
• 检查模型指标稳定性。
• 小样本或复杂统计量的不确定性评估。

需要知道的关键词

• Resampling
• Replacement
• Standard Error
• Confidence Interval
• Empirical Distribution

和导师方向的关系

应用统计和极值建模中，经常需要说明估计结果的不确定性，Bootstrap 是常用低门槛工具。

交流时可以怎么说

如果统计量的理论标准误不好推导，可以考虑用 Bootstrap 估计不确定性。

Bootstrap 依赖样本能代表总体，样本偏差会影响重抽样结果。

可以追问的问题

• 样本是否能代表总体？
• 重抽样单位是什么？
• 时间序列或网络数据能否直接普通 Bootstrap？

给 AI 的提示词

请解释 Bootstrap 的直觉和步骤。要求给 Python 例子估计均值置信区间，并说明它的局限。

我的理解边界

• 已理解：Bootstrap 是从样本有放回重抽样。
• 还不确定：依赖数据的 Bootstrap。
• 下次需要补：block bootstrap。