拔靴法又称Bootstrapping 　　所谓的拔靴法就是利用有限的样本资料经由多次重复抽样，重新建立起足以代表母体样本分配之新样本。 　　Bootstrapping 是通过具有估计值特性的样本数据来描述该特性,它不断地从真实数据中进行抽样,以替代先前生成的样本。此法样本数越大越好,对于估计结果的准确性更为有利。与解析方法相比,bootstrapping 的优点在于,它无需对分布特性做严格的假定就能进行推断分析,这是因为它使用的分布就是真实数据的分布。