重複抽樣估計法直接把手上的樣本視為母體(這基於抽樣邏輯的論點) 然後在這樣本上進行重複抽樣 就能得到一個分配 這個分配會近似於母體分配(基於approximation論點) 而統計推論得以進行 這和傳統的虛無假設推論不一樣 因為傳統作法往往需要事先假設母體分配為常態分配 而如果不符合常態分配假設 在決定虛無假設的機率上會有偏誤 而重複抽樣法不這樣做

據此 不管是重複抽樣估計法或是傳統虛無假設法 樣本是否能夠代表母體都是相當重要的 換句話說 研究者要在抽樣階段仔細一點 才能在爾後的推論階段錯誤少一點 以重複抽樣估計法而言 如果一開始的樣本不具代表性 那麼接下來種種計算只會製造出更多的偏誤(bias) 

如果樣本達到三十(保守派的要求) 那麼重複抽樣的基礎會比較穩固 而要得到穩固的區間估計 重複抽樣的次數建議為1000

至於為甚麼跟靴子(尤其是古典美國牛仔的皮靴)有關係? Nice question....