Parce que la statistique amorcée est une abstraction supplémentaire loin de votre paramètre de population. Vous avez votre paramètre de population, votre exemple de statistique, et seulement sur la troisième couche, vous avez le bootstrap. La valeur moyenne bootstrapée n'est pas un meilleur estimateur pour votre paramètre de population. C'est simplement une estimation d'une estimation.
Comme la distribution bootstrap contenant toutes les combinaisons bootstrap possibles est centrée autour de la statistique d'échantillon, tout comme la statistique d'échantillon est centrée autour du paramètre de population dans les mêmes conditions. Ce document ici résume ces choses tout à fait bien et il est l' un des plus facile que je pouvais trouver. Pour des preuves plus détaillées, suivez les articles auxquels ils font référence. Des exemples notables sont Efron (1979) et Singh (1981)n → ∞
La distribution bootstrap de suit la distribution de θ - θ qui le rend utile dans l'estimation de l'erreur - type d'une estimation de l' échantillon, dans la construction des intervalles de confiance, et dans l'estimation du biais d'un paramètre. Cela n'en fait pas un meilleur estimateur du paramètre de la population. Il offre simplement une alternative parfois meilleure à la distribution paramétrique habituelle pour la distribution de la statistique.θB- θ^θ^- θ
la source