请原谅关于自举可能是一个明显的问题。我很早就被贝叶斯世界所吸引，从来没有像我应该做的那样真正探索过自举。

我遇到了一个分析，其中作者对与故障时间数据相关的生存分析感兴趣。他们有大约 100 个点，并使用回归来拟合数据的 Weibull 分布。结果，他们获得了规模和形状参数的估计。一种非常传统的方法。然而，他们接下来使用 bootstrapping 从原始数据集中进行抽样，并对每个新样本进行回归并得出新的 Weibull 分布。然后使用自举的结果来构建生存分布的置信区间。

我的直觉有点矛盾。我熟悉参数的自举置信区间，但没有看到它用于构建分布置信区间。

谁能指出我可能提供一些见解的参考/来源？提前致谢。