Disponible con una licencia de Geostatistical Analyst.
El kriging simple presupone este modelo:
Z(s) = µ + ε(s)- donde µ es una constante conocida
Por ejemplo, en la figura siguiente, que utiliza los mismos datos que para los conceptos de kriging ordinario y kriging universal, los datos observados se proporcionan con los círculos sólidos:
La constante conocida, representada por la línea de puntos, es µ. Esta funcionalidad se puede comparar con el kriging ordinario. En el caso del kriging simple, dado que supone que se conoce exactamente µ, también se conoce ε(s) exactamente en las ubicaciones de los datos. En el caso del kriging ordinario, se estimó µ, de modo que también estimaba ε(s). Si conoce ε(s), puede hacer un mejor trabajo de estimar la autocorrelación que si está estimando ε(s). La suposición de que conocerá la media exacta µ es a menudo poco realista. Sin embargo, a veces tiene sentido presuponer que un modelo de base física genera una tendencia conocida. A continuación, puede tomar la diferencia entre ese modelo y las observaciones, denominados residuales, y aplicar el kriging simple a los residuales, partiendo de que se sabe que la tendencia de los residuales es de cero.
El kriging simple puede usar semivariogramas o covarianzas (las formas matemáticas que utiliza para expresar la autocorrelación), usar transformaciones y permitir un error de medición.