统计学中Bootstrapping（自助法）有放回抽样的核心思想/直觉逻辑疑问

我之前查了好几个相关帖子，但都没直接解决我的困惑。

我一直搞不懂统计学里自助法（Bootstrapping）中替换元素这个操作背后的逻辑和直觉。

比如我们手上有一个能很好代表总体的数据集，为什么从这个数据集里有放回地重复抽样（也就是自助法的常规操作），只要抽样次数足够多，就能帮我们推断总体参数呢？

我能理解的是，如果不放回抽样的话，最后得到的其实还是原来的数据集，只是元素的顺序变了而已。但这并不意味着，只要每次抽完就把元素放回去，这种方法就成了推断总体参数的可行手段啊。

我也明白，允许放回抽样会给观测结果带来变异性，但为什么这种变异性会和总体中的变异性相似呢？这种由放回带来的变异性怎么就等价于……

备注：内容来源于stack exchange，提问作者S_M