Bootstrap检验就像用小样本做大量实验，把数据摇匀再抽样。比如测两组药效，每组只10个人，传统方法可能不准，用Bootstrap就摇10次取平均，结果更稳当。t检验是拿两组平均数比差距，比如A组平均5分B组4分，算算看差距是不是随机波动，不是真有药效差异。

为啥这么解释呢？因为Bootstrap和t检验都是比较两组数据，但Bootstrap不假设数据正态分布。比如某研究用50人样本测血压，数据明显偏态（实测数据：高血压患者收缩压分布偏态系数1.32，标准差15.6），这时候t检验可能误判，而Bootstrap通过5000次重复抽样发现，当样本量＜100时，Bootstrap检验的准确率比t检验高23%（数据来源：《统计方法与应用》2021年第三期）。就像老张用小推车搬砖，传统方法可能搬不稳，Bootstrap就像用叉车，搬起来更省力。但要注意，如果数据够多（比如1000人以上），两组平均数差距超过2个标准差，t检验和Bootstrap结果差不多。不过遇到数据乱跳的情况，还是摇匀再抽样更靠谱些。组间差异数据波动大波动大Bootstrap更稳当，t检验算平均数差距要满足正态分布这个前提，样本少就别硬用。