Selalu lakukan resampling dengan jumlah observasi asli

Dalam contoh bootstrap, tepat 30 observasi telah di-resample berulang kali dari sampel asli. Pilihan 30 diberikan karena sampel asli memiliki 30 observasi. Jika kita hanya melakukan resampling 3 observasi, nilai \(\hat{p}^*\) hasil resampling dapat bernilai antara 0 hingga 1 (menghasilkan \(SE(\hat{p}^*)\) yang jauh lebih besar daripada yang diinginkan). Jika kita melakukan resampling 300 observasi, nilai \(\hat{p}^*\) hasil resampling akan mendekati angka yang sama setiap kali (menghasilkan \(SE(\hat{p}^*)\) yang jauh lebih kecil daripada yang diinginkan).

Secara umum, jika \(n\) merepresentasikan ukuran sampel asli, berapa banyak observasi yang sebaiknya kita resample dengan pengembalian saat melakukan bootstrapping?