1. 课程导入与Bootstrap思想
在统计推断中，我们经常遇到一个尴尬的局面：手里只有一份样本，却想回答“如果我再抽一次样本，估计值会波动多大”这样的问题。传统参数方法依赖正态性、方差齐性等假设，一旦样本量小、分布偏斜或统计量复杂（如中位数、相关系数、R²），公式推导就变得困难甚至不可靠。Bootstrap（自助法）正是为解决这类问题而生的一种计算密集型重采样方法：它不要求我们假设总体分布的具体形式，而是把已有样本当作总体的“替身”，通过有放回地反复抽样，模拟出估计量的抽样分布，进而构造置信区间。
理解Bootstrap，关键要抓住一个反直觉但极其重要的思想：样本是总体的经验分布。当我们只有一份容量为 n 的样本时，最合理的做法是认为总体中每个观测值出现的概率约为 1/n。于是，从这份样本中有放回地抽取 n 个新观测，就相当于“从经验总体中再抽样”。每一次重采样得到的样本，其统计量（均值、中位数等）都会略有不同；重复 B 次（常见 B=1000 或 10000），我们就得到 B 个统计量，构成一个经验分布。这个分布的标准差就是标准误的Bootstrap估计，其分位数则可以直接用来构造百分位置信区间。
为了把这一思想与后续章节的工具链对应起来，我们先看一张整体路线图。下图展示了从原始样本出发，经过重采样、统计量计算、分布汇总，最终落到置信区间的完整信号链，同时也标出了本课程后续要展开的关键环节。
从图中可以看到，Bootstrap并不是一个孤立的技巧，而是一条从“样本”到“区间”的完整数据流。它的输入是原始样本和统计量函数，中间经过 B 次重采样与计算，输出是经验分布和置信区间。理解这条链路，后续学习百分位法、BCa法时就不会迷失在公式里，而是始终清楚每一步在做什么。
为什么Bootstrap能工作：一个直观的类比
设想你想知道“全国成年男性平均身高”的抽样误差，但只测量了 100 人。传统做法是假设身高服从正态分布，用 s/√n 估计标准误。Bootstrap 的做法则是：把这 100 人的身高写在小纸条上放进箱子，每次摸出一个记录后放回，摸 100 次得到一个“新样本”，算一次均值；重复 1000 次，得到 1000 个均值。这 1000 个均值的标准差，就近似于“如果真正重复抽样 1000 次”的标准差。其合理性来自大数定律与经验过程理论：当 n 足够大时，经验分布 F̂ₙ 依概率收敛于真实分布 F，因此从 F̂ₙ 重采样得到的统计量分布也收敛于真实抽样分布。这一结论对均值成立，对中位数、分位数等许多统计量也在温和条件下成立，这正是Bootstrap适用范围广的理论根基。
需要提醒的是，Bootstrap并非万能。对于极端值敏感的重尾分布、样本量过小（如 n<20）、统计量本身不光滑（如最大值、最小值），或者存在强序列相关的时间序列数据，朴素Bootstrap可能给出有偏甚至错误的区间。这些边界条件我们会在后续章节结合诊断方法逐一讨论，但一开始就建立“有假设、有适用边界”的意识，比盲目套用更重要。
课程任务路线与工具准备
本课程共 30 章，整体遵循“思想—机制—区间—诊断—实战”的递进路线。第 1 部分建立重采样直觉与抽样分布概念；第 2 部分深入百分位法、基本Bootstrap法与BCa法的构造细节，并比较其覆盖率的差异；第 3 部分处理偏差校正、样本量选择、B 的取值与随机种子等工程问题；第 4 部分通过均值、中位数、回归系数、AUC 等真实统计量案例完成端到端演练。每章都会给出可复现的代码片段与结果判读依据，而不是停留在概念层面。
工具方面，建议提前准备以下环境，后续示例将主要基于 R 与 Python 双语言呈现，读者可任选其一跟做：
- R 环境：安装 R ≥ 4.2 与 RStudio，核心包为
boot（提供boot()、boot.ci()），辅助包ggplot2用于绘制Bootstrap分布直方图。 - Python 环境：Python ≥ 3.9，安装
numpy、pandas、scipy、matplotlib；重采样核心是np.random.choice(data, size=n, replace=True)。 - 数据与脚本：每章配套一份小规模示例数据（如 50~200 行的身高、收入或二分类结局数据），以及可独立运行的脚本，便于修改参数观察结果变化。
下面给出一个最小可运行示例，帮助你在进入后续章节前先“跑通一次”Bootstrap，建立手感。示例使用一组人为设定的 30 个观测值，计算均值的 95% 百分位置信区间，参数 B=2000，随机种子固定以保证可复现。注意：以下数值为教学示例，并非真实调查数据。
import numpy as np
# 教学示例数据：30 个观测值（非真实调查数据）
data = np.array([12.1, 11.8, 13.4, 12.9, 12.5, 11.2, 13.8, 12.0, 12.7, 13.1,
11.5, 12.3, 13.6, 12.2, 11.9, 12.8, 13.0, 11.7, 12.4, 13.3,
12.6, 11.4, 13.2, 12.1, 12.9, 11.6, 13.5, 12.0, 12.8, 13.1])
rng = np.random.default_rng(20240501) # 固定随机种子
B = 2000
boot_means = np.empty(B)
for b in range(B):
sample = rng.choice(data, size=len(data), replace=True)
boot_means[b] = sample.mean()
se_boot = boot_means.std(ddof=1)
ci_low, ci_high = np.percentile(boot_means, [2.5, 97.5])
print(f"原始样本均值: {data.mean():.3f}")
print(f"Bootstrap 标准误: {se_boot:.3f}")
print(f"95% 百分位置信区间: [{ci_low:.3f}, {ci_high:.3f}]")运行后你会得到三个关键输出：原始样本均值、Bootstrap 标准误、以及 95% 置信区间。判断结果是否合理，可以从两个角度观察：其一，Bootstrap 标准误应与传统公式 s/√n 的结果量级接近（在分布不太偏斜时）；其二，置信区间应大致以样本均值居中，若明显偏移，往往提示分布偏斜或统计量本身有偏，这正是后续引入 BCa 校正的动机。建议你亲手修改 B 为 200、500、5000，观察区间端点与标准误的波动，体会“B 越大，结果越稳定，但计算成本越高”的权衡。