12.7　小结

本章，我们介绍了一系列基于随机化和重抽样的计算机密集型方法，它们使你无需理论分布的知识便能够进行假设检验，获得置信区间。当数据来自未知分布，或者存在严重的离群点，或者样本量过小，又或者没有参数方法可以回答你感兴趣的假设问题时，这些方法是非常实用的。

本章的这些方法真的是令人振奋，因为当标准的数据假设不满足，或者你对于解决这些问题毫无头绪时，利用它们可以另辟蹊径。但是，置换检验和自助法并不是万能的，它们无法将烂数据转化为好数据。当初始样本对于总体情况的代表性不佳，或者样本量过小而无法准确地反映总体情况，这些方法也是爱莫能助。

在下一章，我们将学习一些数据模型，它们的变量服从已知但不必为正态的分布。