在简单 bootstrap 中，对 n 个观测进行放回再抽样，以生成大小为 n 的 bootstrap 样本。请注意，某些观测可能不出现在 bootstrap 样本中，而其他观测则可能多次出现。某个观测出现在 bootstrap 样本中的次数被称为它的 bootstrap 权重。对于每次 bootstrap 迭代，生成相关统计量的整个分析将使用以下更改重新运行：

不过，简单 bootstrap 有时可能有不足之处。例如，假定您的数据集较小或是您在 Logistic 回归设置中可能遇到分离问题。在这些情况下，JMP 支持您使用分式权重执行 Bayes bootstrapping。在使用分式权重时，每个观测都关联一个分式权重。各个分式权重加总为 n。通过将分式权重视为分析平台中的频数变量来计算相关统计量。有关分式权重的信息，请参见分式权重和计算分式权重。