R 如何使用引导法估计0.1%的标准误差？

我计算了波士顿数据集中medv列的第十个百分位的估计值。 我想用bootstrap计算0.1%的标准误差。我写了这个函数来计算它，但是它没有给我正确的值

你能告诉我一种使用自举法计算某个百分位的标准误差的方法吗

注意：我知道程序包“boot”，但我想使用一个自定义函数

library(MASS)
data(Boston)
μ.hat0.1 <- quantile(medv, c(0.1))  

set.seed(20218)
boot <- function(times, data=Boston$medv) {
  boots <- rep(NA, times)
  for (i in 1:times) {
    boots[i] <- quantileSE(sample(data, length(data), replace=TRUE),p=0.1)
  }
  boots
}
mean(boot(times=1000))

库（MASS）
数据（波士顿）
μ、 hat0.1

library(MASS)
data(Boston)
μ.hat0.1 <- quantile(Boston$medv, c(0.1))  

set.seed(20218)
sd(replicate(1000,quantile(sample(Boston$medv,replace=TRUE),p=0.1)))
[1] 0.5209839

库（MASS）
数据（波士顿）
μ、 hat0.1此代码未给出正确的answer@Mo.Muse这个答案给出了第10百分位的标准误差，你确定这是你的问题吗？你为什么说这不是正确的答案？你能提供什么是“正确”答案以及你是如何得到它的吗？是的，我的问题是关于第10百分位的标准误差。正确答案约为0.488873。我是用boot函数得到的，但我想用一个自定义函数来计算它。@Mo.Muse但是你是怎么得到这个数字的？这个数字也是通过模拟得到的吗？如果是这样，您就不能期望相同的结果，即使使用相同的种子，因为实现可能会有很大的不同。如果我将步数增加到100万，结果将变为0.5021308，这似乎与我的想法相近。我使用了1000个引导样本来获得这个数字。