能否利用Bootstrap置信区间计算单个观测值的95%置信区间？

答案是：不能用常规Bootstrap方法对单个观测值计算有意义的95%置信区间，原因如下：

1. Bootstrap的核心逻辑是通过从现有样本中重复有放回采样，模拟统计量的抽样分布来估计置信区间。但当样本量n=1时，每次重采样只能得到唯一的那个观测值——比如你代码里的x=98，理论上所有重采样结果的均值都应该是98，对应的置信区间上下限也应该和原均值一致，但你给出的结果[3.000, 96.000]明显不符合预期，大概率是代码执行过程中出现了错误（比如变量x被意外覆盖、采样逻辑出错）。

2. 从统计本质来说，单个观测值无法提供任何关于总体变异的信息。置信区间的意义是反映估计值的不确定性，而这种不确定性来自样本内部的变异。当只有一个观测值时，没有变异可以利用，Bootstrap自然无法给出有效的置信区间。

你给出的R代码及运行结果如下：

> n=1
> x=98
> mean_est=mean(x)
> nboot <- 2000
> resample_dist <- rep(NA, length = nboot)
> for (i in 1:nboot) {
+   resample_i <- sample(x, size = n, replace = TRUE)
+   resample_dist[[i]] <- mean(resample_i)
+ }
> b_lci <- quantile(resample_dist, probs = 0.025)
> b_uci <- quantile(resample_dist, probs = 0.975)
> 
> 
> sprintf("Bootstrapped: %.3f [%.3f, %.3f]", mean_est, b_lci, b_uci)
[1] "Bootstrapped: 98.000 [3.000, 96.000]"

内容的提问来源于stack exchange，提问作者ACHD