Trong bài báo này, chúng tôi giới thiệu phương pháp tái tạo mẫu Bootstraplà phương pháp tạo mẫu mới từ một mẫu gốc. Trong trường hợp phân bố của biến ngẫu nhiên gốc hoàn toàn chưa biết, cùng với việc tái tạo mẫu Bootstrap, sử dụng kết quả của Luật số lớn, một số cách ước lượng tham số tổng thể được đề xuất: khoảng tin cậy chuẩn, khoảng tin cậy Student hóa; việc đánh giá độ chệch của ước lượng cũng được nêu ra ở đây. Tuy nhiên, trong trường hợp mẫu gốc nhỏ, nhờ việc tái tạo mẫu nhiều lần, chúng tôi đề xuất phương pháp ước lượng sử dụng phân vị - dựa trực tiếp vào các giá trị ước lượng thu được từ các mẫu Bootstrap. Bằng việc sử dụng dụng phần mềm R để mô phỏng cho trường hợp mẫu nhỏ, chúng tôi nhận thấy việc ước lượng bằng phương pháp sử dụng phân vị dựa trên mẫu tái tạo Bootstrap khá hiệu quả, các khoảng tin cậy gần sát với khoảng tin cậy thực.
In this paper, we introduce the Bootstrap method which generates a new sample from an original one. In the case that the distribution of the original random variable is completely unknown, along with using the Bootstrap method and the results of the Law of Large Numbers, several estimation methods for population parameters are proposed, such as standard confidence intervals, studentized confidence intervals; the assessment of the bias of the estimators is also presented. However, in the case of a small original sample, depending on repeated resampling, we propose an estimation method that uses quantiles derived from the estimators obtained through Bootstrap samples. By using R software to simulate small sample, we found that the quantile based estimation method using Bootstrap resampling is quite effective and the confidence intervals closely approximate the real ones.