bootstrap sample

bootstrap sample是从原始数据集中随机有放回地抽取n个样本数据来构造一个新的数据集，其目的是通过构造新数据集来估计原始数据集的统计量。使用Bootstrap方法的目的是使我们能够直接从数据中获得有关统计量的信息，而无需在假定任何特定的概率模型的情况下进行推断。

Bootstrap sample的生成步骤如下：

1. 从原始数据集中随机选取一个初始样本，将该样本添加到Bootstrap sample数据集中。
2. 重复抽取n个样本直到Bootstrap sample数据集中有n个样本。

下面是一个Bootstrap sample的python实现：

import random

def bootstrap_sample(data, n):
    sample = []
    for i in range(n):
        index = random.randint(0, len(data)-1)
        sample.append(data[index])
    return sample

上述代码中，输入参数data是一个原始的数据集，n是Bootstrap sample的大小。函数通过循环n次，每次从数据集中随机抽取一个数据，将其添加到Bootstrap sample数据集中。最后返回Bootstrap sample数据集。