我一直在研究一个引导问题，这让我有点困惑，想知道我做事是否正确。

我们从大约 3,400 个人口中收集了大约 200 个样本，我们想要引导一个值来估计 3,400 个案例的总值。我自己和一位同事都采取了略有不同的方法。

我抽取了 200 个样本并随机选择了 3,400 个观察值来创建一个与总体大小相同的新样本，然后得到 3,400 个值的总和。我重复了这 10,000 个，并取了所有 10,000 个总数的平均值和标准差。这给了我一个 95% 置信区间的总值估计值。

我的同事做了几乎完全相同的事情，但他没有抽取 3,400 个子样本，而是他的 10,000 个子样本每个只有 200 个。他得到了整个批次的平均值和标准偏差，然后将其乘以 3,400 以得到总数的估计值。

当我们比较结果时，我们发现我们得到了完全相同的估计答案——这很好。但是，与他的方法的标准偏差要大得多。

从做一些研究来看，他重新采样到与原始样本相同的数字的方法似乎是正确的，但是任何人都可以准确解释为什么标准偏差的差异？

这种差异让我想知道这是否就是我们计算标准偏差的方式。我们是否应该计算每个子样本的标准偏差 10,000 次并以与总和相同的方式进行估计？

另外，任何人都可以指出任何资源/教程来解决问题吗？

谢谢！