Estoy tratando de entender los ejemplos de Peter Halls "The Bootstrap and Edgeworth Expansion" en la página 13.
En el primer ejemplo para la distribución normal escribe la ecuación muestral $\mathbb{P}[|\theta(F_1)-\theta(F_2)|\leq t|F_1]=0.95$ como $\mathbb{P}[|\frac{\hat{\sigma}}{\sqrt{n}}N|\leq t|F_1]=0.95$ con $N=\frac{\sqrt{n}}{\hat{\sigma}}(\bar{X}-\mu)$ lo que significa $\theta(F_2)=\mu$ pero $\theta(F_2)$ es la estimación bootstrap de $\mu$ . No entiendo por qué se puede hacer esto.
Y en el segundo ejemplo para la distribución exponencial afirma que la ecuación de la muestra puede escribirse como $\mathbb{P}[\bar{X}|n^{-1}Y-1|\leq t|F_1]=0.95$ con $Y$ con distribución gamma y media $n$ . Aquí no entiendo por qué se puede escribir esto y qué $Y$ es exactamente, así que estoy interesado en la forma en que obtuvo esa expresión de la ecuación de la muestra.