Este documento investiga la pregunta de investigación de si el principio de parsimonia se aplica a la predicción por intervalos, y propone nuevos intervalos de predicción semiparamétricos que aplican el bootstrap de bloque a la autorregresión de primer orden. El modelo AR(1) es parsimonioso en el que el término de error puede estar correlacionado en serie. Luego, se utiliza el bootstrap de bloque para remuestrear bloques de observaciones consecutivas para tener en cuenta la correlación serial. Las simulaciones de Monte Carlo ilustran que, en general, los intervalos de predicción propuestos superan a los intervalos tradicionales de bootstrap basados en modelos no parsimoniosos.