Disponible con una licencia de Geostatistical Analyst.
El kriging de probabilidad presupone el modelo
I(s) = I(Z(s) > ct) = µ1 + ε1(s) Z(s) = µ2 + ε2(s),donde µ1 and µ2 son constantes desconocidas e I(s) es una variable binaria creada mediante un indicador de umbral, I(Z(s) > ct).
Tenga en cuenta que ahora existen dos tipos de errores aleatorios, ε1(s) y ε2(s), de modo que existe autocorrelación para cada uno de ellos y la correlación cruzada entre ellos. La idea del kriging de probabilidad es la misma que la del kriging de indicador, pero utiliza el cokriging para intentar mejorar el proceso.
Por ejemplo, en la figura siguiente, que utiliza los mismos datos que los conceptos de kriging ordinario, universal, simple y de indicador, observe los datums etiquetados Z(u=9), que tiene la variable de indicador I(u) = 0, and Z(s=10), que tiene una variable de indicador I(s) = 1.
Si deseara predecir un valor a medio camino entre ellos, en la coordenada x 9,5, el uso del kriging de indicador por sí solo proporcionaría una predicción cercana a 0,5. Sin embargo, puede ver que Z(s) está justo por encima del umbral, mientras que Z(u) está muy por debajo del umbral. Por lo tanto, tiene ciertos motivos para pensar que la predicción de un indicador en la ubicación 9,5 debería ser menor que 0,5. El kriging de probabilidad intenta aprovechar la información adicional contenida en los datos originales, además de la variable binaria. Sin embargo, conlleva un coste. Se requiere un trabajo de estimación mucho mayor, entre ella la estimación de la autocorrelación de cada variable, así como su correlación cruzada. Cada vez que se realiza la estimación de parámetros de autocorrelación desconocidos, se introduce más incertidumbre, por lo que es posible que usar el kriging de probabilidad no compense el esfuerzo adicional.
El kriging de probabilidad puede usar semivariogramas o covarianzas (las formas matemáticas utilizadas para expresar la autocorrelación), covarianzas cruzadas (las formas matemáticas utilizadas para expresar la correlación cruzada) y transformaciones, pero no puede permitir errores de medición.