مبحث سری های زمانی در علوم مختلف بسیار پرکاربرد است و از هدف های اصلی آن برآورد بازه های پیشگویی بر اساس مشاهدات گذشته ی سری و برآورد بازه های درون یابی برای مقادیر گمشده است. در روش های سنتی فرض بر این است که توزیع باقیمانده ها معلوم است. اما روش های بوت استرپ بازه های پیشگویی و درون یابی را بدون هیچ فرضی درباره ی توزیع خطاها برآورد می کند. در سال های اخیر روش های متفاوت بوت استرپ ارائه شده است. در روش بوت استرپ نیم-پارامتری یک فرایند خودبازگشتی به سری برازش داده می شود. سپس نمونه های بوت استرپ با استفاده از بازنمونه گیری از مانده ها تولید می شوند. در روش های بوت استرپ بلوکی نمونه های بوت استرپ با استفاده از بازنمونه گیری از بلوک ها به-دست می آیند. در این پایان نامه، ابتدا الگوریتم بوت استرپ نیم پارامتری برای برآورد بازه های پیشگویی و درون یابی ارائه می گردد. سپس، چندین روش بوت استرپ بلوکی برای برآورد بازه های پیشگویی ارائه می شوند. همچنین، روش های ارائه شده در مطالعات شبیه سازی با هم مقایسه می شوند. در انتها، روش های ارائه شده برای داده های واقعی مورد استفاده قرار می گیرند.