Bootstrap повторно сэмплирует данные с возвращением, пересчитывает статистику и оценивает её вариативность/CI без сильной параметрической модели.
Разбор
- Percentile и BCa интервалы — разные калибровки.
- Зависимость наблюдений ломает простой bootstrap.
- Малый n → нестабильные оценки хвостов.
- Полезен для метрик ML (F1 и т.п.), где аналитики нет.
Итог
Bootstrap — эмпирический заменитель sampling distribution.