El método bootstrap no pretende ser un sustituto de las técnicas estadísticas tradicionales, de la misma manera que las pruebas no paramétricas clásicas no pretenden ser sustitutas universales de las pruebas paramétricas. Este nuevo tipo de técnicas están pensadas para situaciones en donde las pruebas inferenciales al uso no tienen cabida, pues como ya ha sido comentado con anterioridad cuando las condiciones de aplicación de estas son las correctas su funcionamiento supera al de las posibles alternativas.

    Una buena parte del crédito que se le dé a las técnicas bootstrap dependerá de la confianza otorgada al supuesto fundamental en que se basa y que Lunneborg (1983) enuncia claramente:

"La presunción del bootstrap es que la distribución muestral del estadístico que se está estudiando y la distribución muestral encontrada mediante este proceso iterativo son, para una amplia gama de estadísticos, esencialmente idénticas"

    Aun admitiendo este principio es conocido que una muestra, incluso cuando se emplean técnicas adecuadas de muestreo, puede presentar ciertas peculiaridades debido a las fluctuaciones muestrales. Si extraemos múltiples muestras de una población esas peculiaridades se anulan (como ocurre en la simulación Monte Carlo), pero en el bootstrap al remuestrear constantemente a partir de la misma muestra original corremos el riesgo de perpetuar esas peculiaridades y que la distribución muestral construida esté distorsionada (Fan, 1994).

    La aplicación que de este tipo de técnicas se vaya haciendo en los próximos años deberá ir aportando información sobre el grado en que es sostenible esta asunción de partida del bootstrapping y bajo que circunstancias su funcionamiento es el óptimo (tipo de estadístico, tamaño de muestra, número de remuestras).