Considerações de dados para Bootstrap para função de uma amostra

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes ao coletar dados, realizar a análise, e interpretar os resultados.

Para analisar uma média, mediana, soma, variância ou desvio padrão, os dados devem ser numéricos: Você deve ter dados contínuos, tais como os pesos dos pacotes ou dados discretos, tais como o número de reclamações de clientes. Se você tiver dados binários, como sim/não ou aprovação/reprovação, analise uma proporção.
Para analisar uma proporção, os dados podem conter apenas duas categorias, como aprovação/reprovação e 1/0: Se você tiver dados contínuos ou discretos, tais como comprimento, peso ou número de reclamações de clientes, selecione uma função para dados contínuos ou discretos, como a média.
Os dados da amostra devem ser selecionados aleatoriamente: Nas estatísticas, as amostras aleatórias são usadas para fazer generalizações ou inferências, sobre uma população. Se seus dados não foram coletados aleatoriamente, seus resultados podem não representar a população. Para obter mais informações, acesse Aleatoriedade nas amostras de dados.
Cada observação deve ser independente de todas as outras observações: Para as observações serem independentes, o valor de uma observação em particular não depende de uma observação prévia. Se suas observações não são independentes, seus resultados podem não ser válidos. Para obter mais informações sobre amostras, acesse Qual é a diferença entre amostras dependentes e independentes?.
O tamanho da amostra não deve ser pequeno: Se o seu tamanho de amostra for pequeno, os resultados de reamostragem poderão ser não confiáveis. Para garantir que seus resultados sejam válidos, colete uma amostra de tamanho médio-grande. Um tamanho amostral adequado depende das características dos dados. Use o histograma para determinar se o tamanho amostral é grande o suficiente.