Resampla alltid det ursprungliga antalet observationer

I bootstrapping-exemplen har exakt 30 observationer upprepade gånger resampleats från det ursprungliga urvalet. Antalet 30 valdes eftersom det ursprungliga urvalet bestod av 30 observationer. Om vi i stället hade resamplat 3 observationer skulle det resamplade \(\hat{p}^*\)-värdet ha kunnat variera mellan 0 och 1 (vilket ger ett mycket större \(SE(\hat{p}^*)\) än önskat). Om vi i stället hade resamplat 300 observationer skulle det resamplade \(\hat{p}^*\)-värdet ha legat nära samma tal varje gång (vilket ger ett mycket mindre \(SE(\hat{p}^*)\) än önskat).

Om \(n\) betecknar storleken på det ursprungliga urvalet – hur många observationer bör vi då resampla med återläggning vid bootstrapping?