Resample altijd het oorspronkelijke aantal waarnemingen

In de bootstrapvoorbeelden zijn herhaaldelijk precies 30 waarnemingen geresampled uit de oorspronkelijke steekproef. De keuze voor 30 is gemaakt omdat de oorspronkelijke steekproef 30 waarnemingen had. Als we in plaats daarvan 3 waarnemingen hadden geresampled, had de geresamplede \(\hat{p}^*\)-waarde kunnen variëren van 0 tot 1 (wat een veel grotere \(SE(\hat{p}^*)\) oplevert dan gewenst). Als we in plaats daarvan 300 waarnemingen hadden geresampled, zou de geresamplede \(\hat{p}^*\)-waarde elke keer dicht bij hetzelfde getal hebben gelegen (wat een veel kleinere \(SE(\hat{p}^*)\) oplevert dan gewenst).

In het algemeen, als \(n\) de omvang van de oorspronkelijke steekproef is, hoeveel waarnemingen moeten we dan met teruglegging resamplen bij bootstrapping?