需要 Geostatistical Analyst 许可。
地统计假设研究区域中的所有值都是随机过程的结果。 随机过程并不意味着所有事件都是独立的，就像每次抛硬币一样。 地统计基于具有依赖性的随机过程。
在空间或时间背景下，这种依赖性称为自相关。
具有依赖性的随机过程的预测
在地统计中，存在两项关键任务：揭示依存规则以及进行预测。 预测来自于首先了解依存规则。
克里金法基于两项任务：(1) 使用半变异函数和协方差函数估计统计依赖值（称为空间自相关）和 (2) 使用广义线性回归技术（克里金法）预测未知值。 由于这两项任务不同，因此可以确定地统计使用了两次数据：第一次是估计空间自相关，第二次是进行预测。
了解平稳性
一般来说，统计数据依赖于某种重复性的概念，在这种概念中，人们相信可以得出估计值，并且可以通过重复观测了解估计值的变化和不确定性。
在空间设置中，平稳性的概念用于实现必要的重复性。 对于空间数据来说，平稳性通常是一个合理的假设。 存在两种类型的平稳性： 一种是均值平稳性，其中假设样本之间的平均值恒定，并且与位置无关。
第二种类型的平稳性是协方差的二阶平稳性和半变异函数的内在平稳性。 二阶平稳性假设：无论选择哪两个点，只要这两个点之间的距离和方向相同，其协方差均相同。 协方差取决于任意两个值之间的距离，而非其位置。 对于半变异函数，内在平稳性假设：无论选择哪两个点，只要这两个点之间的距离和方向相同，其差异方差均相同。
二阶平稳性和内在平稳性是实现重复性以估计依存规则所必需的假设，由此可以进行预测并评估预测中的不确定性。 请注意，提供重复性的是空间信息（任意两点之间的相似距离）。