摘要

本教程主要有三个目的：

（1）展示“bootstrapping”技术和permutation test技术的巨大潜能，其在帮助学习统计学上具有极大意义。如理解：采样分布、标准差、标准误差、置信区间、空分布、P－value。

（2）进一步的，去理解bootstrapping技术和permutation test技术背后的工作原理，去学习他们哪些情况下并不适用。

（3）将这两种方法与t检验等经典方法做对比，体现出，bootstrap方法在大数据背景下的优势。重采样技术可以提供误差诊断方法，提供更精确的结果。