fa روش بوت‌استرپ بلوک مجزا در آمار فضایی روش بوت‌استرپ افرون برای برآورد میزان دقت برآوردگرها، هنگام مشاهدات مستقل کاربرد دارد. برای داده‌های فضایی که بر حسب موقعیت قرار گرفتن آن‌ها در فضای مورد بررسی به یک‌دیگر وابسته هستند، معمولاً روش بوت‌استرپ بلوک متحرک مورد استفاده قرار می‌گیرد. از آنجا که در این روش مشاهدات مرزی نسبت به سایر مشاهدات امکان کمتری برای حضور در بلوک‌ها دارند، در این مقاله روش بوت‌استرپ بلوک مجزا معرفی و الگوریتمی برای برآورد میزان دقت برآوردگرها ارائه می‌شود. همچنین کارایی روش بوت‌استرپ بلوک مجزا با بلوک متحرک در یک بررسی شبیه‌سازی مورد مقایسه عددی قرار گرفته، نشان داده می‌شود برآوردگر اریبی میانگین نمونه‌ای به روش بوت‌استرپ بلوک مجزا بدون خطا و برآوردگر واریانس آن سازگار است. Efron's bootstrap method can only be used to estimate the precision measures of estimators when observations are independent. For spatial data that are spatially correlated, the moving block bootstrap method is usually used. But, in this method, the boundary observations have less chance of presence in blocks resampling than the other observations. In this paper, the new separate block bootstrap method is introduced and an algorithm is given for estimating the precision measures of estimators. A simulation study is carried out to compare the efficiency of the separate block bootstrap method with moving block bootstrap. It is shown that, with their method we can estimate the bias of sample mean with no error, and the estimator for variance of sample mean is consistent. بوت‌استرپ بلوک مجزا , بوت استرپ بلوک متحرک , - اختلاط , شبیه‌سازی مونت کارلو , Separate Block Bootstrap , Moving Block Bootstrap , mixing , Monte Carlo simulation , 653 665 http://jsci.khu.ac.ir/browse.php?a_code=A-10-3-198&slc_lang=fa&sid=1