Доступно с лицензией Geostatistical Analyst.
Большинство методов интерполяции, которые предусмотрены в Geostatistical Analyst, не требуют нормального распределения данных, хотя и карта проинтерполированных значений в этом случае может не быть оптимальной. Но для некоторых методов кригинга необходимо, чтобы данные имели приблизительно нормальное распределение (близко к графику нормального распределения). В частности карты квантилей и вероятности, созданные с использованием ординарного, простого или универсального кригинга, предполагают, что данные происходят из многомерного нормального распределения. Также модели простого кригинга, используемые в качестве основы для геостатистической имитации (более подробно см. в разделе Геостатистическое моделирование Гаусса), должны использовать нормально распределенные данные или включать преобразование по методу нормальных меток, как часть этой модели, чтобы обеспечить ее выполнение.
Нормально распределенные данные имеют функцию плотности вероятности, похожую на ту, которая показана на следующей диаграмме:
Инструменты Гистограмма и Нормальный график КК предназначены для исследования распределения данных; в них включены различные преобразования данных (преобразование Box – Cox, логарифмические преобразования и преобразования по методу арксинуса), влияние которых на данные вы сможете оценить. Более подробно о преобразованиях, доступных в этих инструментах, см. в разделе преобразования Box-Cox, логарифмические преобразования и преобразования по методу арксинуса.
Все методы кригинга опираются на предположение о стационарности. Для этого предположения необходимо, чтобы все значения данных поступали из распределений с одной и той же вариабельностью. Для удовлетворения предположения о равной вариабельности также можно использовать преобразования данных. Более подробно о стационарности см. в разделе Случайные процессы с зависимостью.