能帮我写一段用改进后样本更符合实际的bootstrap法抽样的matlab程序吗，举个实例。

好的，我可以为您编写一段使用改进后的样本更符合实际的bootstrap法抽样的Matlab程序，如下所示：

% 假设样本数据存储在变量 data 中

n = length(data); % 样本数据个数
B = 1000; % bootstrap抽样次数
alpha = 0.05; % 置信水平

% 原始bootstrap法抽样
theta = zeros(B, 1); % 存储每次bootstrap抽样的统计量
for i = 1 : B
idx = randsample(n, n, true); % 使用简单随机抽样的方式生成抽样索引
sample_data = data(idx); % 抽样数据
theta(i) = mean(sample_data); % 统计量为均值
end

% 改进后的bootstrap法抽样
z = norminv(alpha/2); % 正态分布的分位数
theta_star = zeros(B, 1); % 存储每次改进后的bootstrap抽样的统计量
for i = 1 : B
idx = randsample(n, n, true); % 使用简单随机抽样的方式生成抽样索引
sample_data = data(idx); % 抽样数据
sample_mean = mean(sample_data); % 抽样均值
sample_std = std(sample_data); % 抽样标准差
lower_bound = sample_mean - z * sample_std / sqrt(n); % 置信区间的下界
upper_bound = sample_mean + z * sample_std / sqrt(n); % 置信区间的上界
% 若该样本均值不在置信区间内，则重新进行抽样，直到满足条件
while sample_mean < lower_bound || sample_mean > upper_bound
idx = randsample(n, n, true); % 使用简单随机抽样的方式重新生成抽样索引
sample_data = data(idx); % 重新抽样数据
sample_mean = mean(sample_data); % 重新计算抽样均值
sample_std = std(sample_data); % 重新计算抽样标准差
lower_bound = sample_mean - z * sample_std / sqrt(n); % 重新计算置信区间的下界
upper_bound = sample_mean + z * sample_std / sqrt(n); % 重新计算置信区间的上界
end
theta_star(i) = mean(sample_data); % 统计量为均值
end

% 输出结果
fprintf('原始bootstrap法抽样均值的置信区间为：[%.4f, %.4f]，置信水平为 %.2f%%\n', ...
prctile(theta, 100*alpha/2), prctile(theta, 100*(1-alpha/2)), 100*(1-alpha));
fprintf('改进后的bootstrap法抽样均值的置信区间为：[%.4f, %.4f]，置信水平为 %.2f%%\n', ...
prctile(theta_star, 100*alpha/2), prctile(theta_star, 100*(1-alpha/2)), 100*(1-alpha));

例如，假设样本数据为 10 个随机整数，可以使用以下命令生成样本数据并运行上述程序：

data = randi([1, 100], 1, 10);
% 运行上述程序