Las técnicas de remuestreo bootstrap, introducidas por Efron y Rubin, pueden presentarse en un marco bayesiano general, aproximando la distribución estadística de una función estadística , donde es una función de distribución aleatoria. Los procedimientos bootstrap de Efron y Rubin pueden ser extendidos, introduciendo una prior informativa a través del Bootstrap bayesiano adecuado. En este documento se utilizan y comparan diferentes técnicas de bootstrap en modelos predictivos de clasificación y regresión basados en enfoques de conjunto, es decir, modelos de bagging que involucran árboles de decisión. El Bootstrap bayesiano adecuado, propuesto por Muliere y Secchi, se utiliza para muestrear la distribución posterior sobre los árboles, introduciendo distribuciones previas en las covariables y la variable objetivo. Los resultados obtenidos se comparan con respecto a otros procedimientos competitivos que emplean diferentes técnicas de bootstrap. El análisis empírico informa sobre los resultados obtenidos en datos simulados y reales.