Zawsze próbkuj ponownie tę samą liczbę obserwacji

W przykładach bootstrappingu z oryginalnej próby wielokrotnie losowano dokładnie 30 obserwacji. Liczba 30 wynikała z tego, że oryginalna próba liczyła właśnie 30 obserwacji. Gdybyśmy losowali tylko 3 obserwacje, wartość \(\hat{p}^*\) mogłaby przyjmować wartości od 0 do 1 (dając znacznie większe \(SE(\hat{p}^*)\) niż pożądane). Gdybyśmy losowali 300 obserwacji, wartość \(\hat{p}^*\) byłaby za każdym razem niemal taka sama (dając znacznie mniejsze \(SE(\hat{p}^*)\) niż pożądane).

Ogólnie, jeśli \(n\) oznacza rozmiar oryginalnej próby, ile obserwacji należy losować ze zwracaniem podczas bootstrappingu?