Bootstrap sampling

bootstrap可以看作非参Monte Carlo
再次重申非参不是没有参数，非参是无穷维参数空间，是无法想到合适参数模型时的默认模式。
bootstrap看作对样本经验分布作随机数生成，产生模拟样本。
Monte carlo的解释是依赖随机数生成而产生新样本对其进行模拟。bootstrap完全符合这个定义。

作者：陈无左
链接：https://www.zhihu.com/question/22929263/answer/31705696
来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

来简单讲讲Bootstrap，（Monte Carlo法在中文维基上有了还不错的解答，题主可以参考， 蒙地卡羅方法）。

Bootstrap，即“拔靴法”（不知道翻得对不对），是用小样本来估计大样本的统计方法。举个栗子来说明好了，（我不会贴一个举栗子的图片的放心！）

你要统计你们小区里男女比例，可是你全部知道整个小区的人分别是男还是女很麻烦对吧。
于是你搬了个板凳坐在小区门口，花了十五分钟去数，准备了200张小纸条，有一个男的走过去，你就拿出一个小纸条写上“M”，有一个女的过去你就写一个“S”。
最后你回家以后把200张纸条放在茶几上，随机拿出其中的100张，看看几个M，几个S，你一定觉得这并不能代表整个小区对不对。
然后你把这些放回到200张纸条里，再随即抽100张，再做一次统计。
…………
如此反复10次或者更多次，大约就能代表你们整个小区的男女比例了。

你还是觉得不准？没办法，就是因为不能知道准确的样本，所以拿Bootstrap来做模拟而已。

作者：EdisonChen
链接：https://www.zhihu.com/question/22929263/answer/23098749
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。