基本上，所有非参数引导程序都低估了抽样分布的方差。这个问题在文献中没有一致的名称，但我喜欢Tim Hesterberg的“教师应该知道的关于引导程序的知识：本科统计课程中的重新抽样”中的“狭隘偏见”。

参数引导程序没有这个问题的原因是，当您基于某些数据构建参数化模型时，您将使用方差的无偏估计器（由${n/(n-1)}$）。因为非参数自举分布与插件估计本质上是一样的，所以它对抽样分布的方差（以及标准误差）的估计太小了。这也是为什么这个问题随着样本量很大而消失的原因。

但是，如果您被小样本量困扰，有两种方法可以获得良好的非参数区间。如果您可以以两样本假设检验的形式提出问题，则反转排列检验将为您提供具有适当覆盖范围的区间。如果您可以以单样本假设检验的形式提出问题，那么您将通过符号变化置换检验（或狂野的引导程序，本质上是同一件事）获得不错的间隔。