自助法

自助法（bootstrap）是一個用重抽樣來衡量不確定性、而不需繁重公式的技巧：你從自己的資料中一再地「可放回」地抽出新樣本，每次重算估計值，再觀察它變動了多少。那份散布就近似於你永遠無法直接觀察的抽樣分配。

它的魅力在於通用——對於沒有漂亮公式的雜亂統計量（中位數、相關、比值），它也能給出標準誤和信賴區間。誠實的限制是：它只能重複利用樣本裡已有的資訊，所以無法修正有偏或太小的樣本，而且對最大值這類極端量也很吃力。