Las asintóticas normales clásicas podrían acarrear serios problemas en la inferencia estadística, ya que algunos parámetros que aparecen en las distribuciones límite son desconocidos y, además, complicados de estimar (desde un punto de vista teórico y computacional). Debido a esto, muchas aproximaciones estocásticas para construir intervalos de confianza y probar hipótesis no pueden aplicarse directamente. El Bootstrap parece ser una alternativa plausible. Se presenta un marco metodológico para el Bootstrap de datos no independientes y no distribuidos de manera idéntica, junto con la justificación teórica de los procedimientos propuestos. Entre otros, se proporcionan leyes de grandes números y teoremas del límite central del Bootstrap. Los métodos desarrollados se utilizan en seguros y psicometría.