我们讨论了以下问题：给定未知概率分布的随机样本$\mathbf{X}=（X_1，X_2，\cdots，X_n）$，在观测数据$\mathbf{X}$的基础上，估计一些预先指定的随机变量$R（\mathbf{X}，F）$的抽样分布。（标准折刀理论给出了$R（mathbf{X}，F）=θ（that{F}）-θ（F），θ$some参数的近似平均值和方差。）介绍了一种称为“bootstrap”的通用方法，该方法在各种估计问题上都能令人满意地工作。折刀显示为引导的线性近似方法。本文通过一系列实例进行了阐述：样本中值的方差、线性判别分析中的错误率、比率估计、回归参数估计等。