Доступно с лицензией Geostatistical Analyst.
Простой кригинг использует следующую модель:
Z(s) = µ + ε(s)- где µ - известная константа
Например, на следующем рисунке, на котором используются те же данные, что и в концепциях ординарного кригинга и универсального кригинга, наблюдаемые данные представлены сплошными кружками:
Известная константа, обозначенная пунктирной линией, это µ.Это можно сравнить с обычным кригингом. Для простого кригинга, поскольку вы предполагаете, что точно знаете µ, вы также точно знаете ε(s) в местоположениях данных. Для ординарного кригинга вы оценили µ, поэтому вы также оценили ε(s). Если вы знаете ε(s), вы можете лучше оценить автокорреляцию, чем если бы вы оценивали ε(s). Предположение о том, что вы будете знать точное среднее значение µ, часто нереалистично. Однако иногда имеет смысл предположить, что физически обоснованная модель дает известный тренд. Затем вы можете взять разницу между этой моделью и наблюдениями, называемую невязкой, и использовать простой кригинг для невязки, предполагая, что тренд в невязке, как известно, равен нулю.
Простой кригинг может использовать как вариограммы или ковариации (математические формы, используемые для выражения автокорреляции), использовать преобразования и допускать погрешность измерений.