算平均收入时，少数极高收入会把数据拖出一条长尾。即使样本看起来不少，常见的“均值近似钟形分布”也可能尚未成立，按正态近似算出的95%置信区间——反复抽样时应有约95%的区间罩住真值——便可能过于乐观。
作者用多种严重偏态分布做模拟，对比传统正态区间与 BCa Bootstrap。Bootstrap 是从现有样本中反复“有放回重抽”，借重抽结果估计均值会怎样波动；BCa 版本还会校正偏差和偏斜。作者报告，Bootstrap 的覆盖率明显更好，优势在小样本时尤其突出，但两种方法都低于目标的95%。
更值得记住的是边界：问题不只出在样本量10、30或200；作者称，在某些偏态分布下，即使达到1,000、10,000乃至50,000，统计推断仍可能受限。原文未给出可引用的具体覆盖率数字，也尚未进一步分析置信区间不对称带来的问题。