Statistics 带替换的自举

我正在读一篇论文，对他们描述的引导方法感到困惑。案文说：

与每个叠加通量密度相关的不确定性如下： 通过bootstrap方法获得，在此过程中，随机子样本 随着震源的更换，选择并重新堆叠。人数 每个子样本中的震源数等于原始震源数 在堆栈中。此过程重复10000次，以便 确定产品特性中的代表性排列 人口正在堆积

---

假设我有50个值。我找到这些值的平均值。根据这个方法，我会从最初的50个群体中得到一个子样本，找到平均值，然后重复10000次。现在，如果我的子样本不与原始样本完全相同，因此也没有完全相同的平均值，那么我如何得到一个等于堆栈中原始源数量的子样本呢

您可以重用值。因此，如果我将ABCDE作为我的值，我可以使用AABCD等进行引导。我可以使用两次值，这是关键

，因为你的子样本不会与你用替换绘制的完全相同。因此，如果你重复10000次，你会得到一些子样本的平均值大大降低，而另一些则更高，因为你会分别得出不成比例的低值和高值。但我没有值可以替换-我只有50个值，你可以用一个例子来解释吗？但我没有值可以替换我只有这50个值，替换抽样意味着你随机抽取一个数据，然后象征性地把它放回去，然后再抽取另一个数据。既然你把它放回原处，它就可以再次被选中。在数据数量有限的情况下，一些数据将被多次选择，而另一些数据则根本不会被选择；这使得每个引导样本的意思不同。以上是一个很好的解释。如果您想了解更多关于技术方面的信息，可能会很有用。