求助为什么bootstrap自助方法不是盲人摸象

在概率论与数理统计上看到的 bootstrap方法是应用于样本空间比较小的时候的方法 具体做法：
在总体中抽取n个样本 然后在抽出的n个样本中放回地抽取 抽取n次 得到一个新的样本集 叫做bootstrap样本 重复以上过程 弄好几个（假设m个）容量一样的bootstrap样本 用以上产生bootstrap样本来推断总体的某统计量 它的核心思想就是把bootstrap生成的m个统计量认为是总体的统计量的分布的一个侧写
但是经过我的验算许多bootstrap的统计量并非是总体统计量的无偏估计 我们进行这个方法最后的统计量是围绕第一次取的样本形成的经验分布的 我觉得这样只会和总体的性质越差越多 有没有哪位博士能讲讲为什么用这个方法可以得到比第一次取更可信的数据