自助法
自助法（bootstrap）用已有样本近似统计量的抽样分布。给定 个观测，把它们当作经验分布，再有放回地抽取 个，计算新样本的统计量；重复许多次，便得到一组重抽样统计量。抽样是有放回的，所以某个原始值可出现多次，另一个可能一次也没出现。
三个数的手算
原样本为 ，均值 。一次重抽样可能得到 ，均值 2；另一次得到 ，均值 。每次都从原有三个值中独立选三次。收集大量重抽样均值后，可用其分布估计均值的标准误，或按合适的区间方法构造置信区间；几次示例抽样本身不够做可靠估计。
它近似了什么
经验分布在原样本每个观测上放质量 。若原样本是 i.i.d. 且能代表目标总体，经验分布会随样本增长接近总体分布；从经验分布重抽样，便近似“重新从总体抽样”。这解释了方法，也指出限制：样本有选择偏差时，自助法会重复这个偏差；时间序列存在相关性时，逐点独立重抽样破坏依赖结构，应考虑分块等专门方法。
对极端分位数、样本很小或参数位于边界的问题，普通百分位数区间可能覆盖率不佳。实际报告应写清统计量、原始样本、重抽样规则、次数与区间算法，不能只写“使用了 bootstrap”。