bootstrap 是一种通过独立地以相等的概率（蒙特卡罗重采样）重新采样单个数据集来估计统计量可变性的方法。 允许估计潜在分布未知或样本量较小的度量。 他们的结果与这些分析方法的统计特性一致（Efron 和 Tibshirani，1993）。
“bootstrap”这个名字来源于“用你自己的引导程序拉起自己”的表达，指的是引导程序的基本思想，从数据中进行替换采样。 通过这种方式生成了大量的“引导样本”，每个样本的大小都与原始数据集相同。 从每个引导样本中计算出感兴趣的统计参数（Wehrens 和 Van der Linden，1997）。 在这里，我们使用非参数 Bootstrap。 非参数引导程序更简单。 它不使用模型的结构来构建人工数据。 相反，数据直接用补充重新采样。
方差齐性检验是许多科学应用中的有用工具。 Boos 和 Brownie (2004) 以及 Conover
