ブートストラップ確率はブートストラップ標本において仮説が支持される頻度であり， その実装の容易さから広く用いられている．たとえば，階層型クラスタリングにおいて得られたクラスタ が真実かどうかを判断する指標になる．ところが頻度論の不偏検定の立場で見ると，ブートストラップ確率 には無視できないくらい十分に大きいバイアスがあり，それはある種のパラメータ空間において仮説を あらわす領域の境界の曲率として解釈できることが知られている．本講演ではリサンプリングにおける データサイズを変化させたときの「スケール変換則」からバイアス補正する手法を紹介する． 曲面のテイラー展開のかわりにフーリエ変換をつかった漸近理論であり，錐のように必ずしもなめらかな曲面 でない場合でも適用できる (Shimodaira 2008)．また，スケール変換則のアイデアをベイズ的なFalse Discovery Rateの計算に応用した最近の結果についても簡単に触れる．