Disponible con una licencia de Geostatistical Analyst.
Una superficie puede estar compuesta de dos componentes principales: una tendencia global fija y una variación aleatoria de corto alcance. La tendencia global se denomina en ocasiones la estructura de valor medio fijo. La variación aleatoria de corto alcance (a veces denominada error aleatorio) se puede modelar en dos partes: la autocorrelación espacial y el efecto nugget.
Si decide que sus datos contienen una tendencia global, debe decidir cómo modelarlos. Si utiliza un método determinístico o un método de estadísticas geográficas para crear una superficie, generalmente depende de su objetivo. Si desea modelar solo la tendencia global y crear una superficie suave, puede utilizar un método de interpolación polinómica global o local para crear una superficie final. Sin embargo, quizá desee incorporar la tendencia en un método de estadísticas geográficas (por ejemplo, eliminar la tendencia y modelar el componente restante como variación aleatoria de corto alcance). La razón principal para eliminar una tendencia en las geoestadísticas es satisfacer las suposiciones de estacionariedad. Las tendencias solo se deben eliminar si hay justificación para ello.
Más información sobre cómo eliminar tendencias de los datos
Si elimina la tendencia global en un método de estadísticas geográficas, modelará la variación aleatoria de corto alcance en los residuales. Sin embargo, antes de realizar una predicción real, la tendencia se volverá a agregar automáticamente para obtener unos resultados razonables.
Si deconstruye los datos en una tendencia global más una variación de corto alcance, se asume que la tendencia es fija y la variación de corto alcance es aleatoria. Aquí, aleatoria no significa impredecible, sino que se rige por reglas de probabilidad que incluyen dependencia de valores vecinos denominados autocorrelación. La superficie final es la suma de las superficies fijas y aleatorias. Es decir, piense en la adición de dos capas, una que nunca cambia y otra que cambia aleatoriamente. Por ejemplo, supongamos que está estudiando la biomasa. Si retrocediese en el tiempo 1.000 años y empezase de nuevo en el día actual, la tendencia global de la superficie de la biomasa no cambiaría. Sin embargo, la variación de corto alcance de la superficie de la biomasa cambiaría. La tendencia global no cambiante podría deberse a efectos fijos como la topografía. La variación de corto alcance podría estar causada por entidades menos permanentes que no se pudieron observar a través del tiempo, como las precipitaciones, por lo que se asume que es aleatoria y probablemente se autocorrelacionó.
Si puede identificar y cuantificar la tendencia, entenderá más a fondo sus datos y tomará mejores decisiones. Si elimina la tendencia, podrá modelar con mayor precisión la variación aleatoria de corto alcance, ya que la tendencia global no influirá en la suposición de kriging sobre estacionariedad de los datos.