Bootstrap（自助法）和Monte Carlo方法都是用于推断和估计未知参数的统计方法。Bootstrap（自助法）是一种再采样技术，通过替换采样从原始数据集生成样本。这些样本用于估计统计数据，如平均值或标准差的采样分布，并计算置信区间。另一方面，Monte Carlo方法是一类广泛的计算算法，依赖于随机采样来获得数值结果。在统计学中，Monte Carlo方法可以用于模拟复杂系统，或者通过使用随机采样来近似求解数学问题。Bootstrap（自助法）是一种用于统计推断的特定重采样技术，而蒙特卡罗方法涵盖了更广泛的计算算法，其中包括统计模拟。

Bootstrap（自助法）和Monte Carlo方法之间的联系是：两者都是基于重复采样，然后直接考察结果。两种方法之间的一大区别是，bootstrap（自助法）使用原始样本作为再采样的总体，而蒙特卡罗模拟是基于使用已知的参数值的数据生成过程。因此，bootstrap（自助法）是基于未知分布的，是在非参数框架下的，使用到的分布是经验分布。与此不同，Monte Carlo方法是基于已知分布的，是在参数框架下的，使用到的分布是一个有特定参数的分布。