Kriging
Kriging
Tanım
Bilinen veri noktaları arasındaki bilinmeyen değerleri, tahmin hatasını minimize edecek biçimde uzamsal korelasyonu hesaba katarak kestiren bir istatistiksel interpolasyon yöntemidir.
Örnek Vaka / Uygulama
Çevresel epidemiyoloji alanında bir şehirdeki hava kirliliği (PM2.5) dağılımını inceleyen bir araştırmacı, ölçüm istasyonlarının olmadığı bölgelerdeki kirlilik seviyelerini haritalandırmak istediğinde Kriging yöntemini kullanır. Bilinen istasyon verilerini uzamsal otokorelasyon analziyle işleyerek, istasyonlar arası bilinmeyen alanlardaki değerleri en düşük hata payıyla tahmin eder ve güven aralığı haritası çıkarır.
Derin Analiz
Kriging, en basit tanımıyla Gauss süreç regresyonu olarak da bilinen ve önsel kovaryans matrisleriyle yönetilen bir uzamsal tahmin metodolojisidir. Yöntemin temel matematiksel felsefesi, örneklenmemiş lokasyonlardaki değerleri tahmin ederken en iyi doğrusal yansız kestiriciyi (BLUP - Best Linear Unbiased Prediction) elde etmektir. Klasik deterministik interpolasyon tekniklerinden farklı olarak Kriging, verinin uzamsal yapılandırmasını bir varyogram veya semivaryogram yardımıyla modellenen otokorelasyon ile birleştirir. Bu sayede sadece tahmin edilen değeri üretmekle kalmaz, aynı zamanda bu tahmine eşlik eden hata varyansını da nicelleştirerek araştırmacıya kestirimin güvenilirliği hakkında istatistiksel bir harita sunar.
Etimoloji
Güney Afrikalı jeoistatistisyen Daniel Gerhardus Krige'in (1919–2003) soyadından türetilmiştir; madencilik endüstrisindeki uzamsal kestirim çalışmalarına atfen isimlendirilmiştir.
Karıştırmayın
Ters Mesafe Ağırlıklandırma (IDW - Inverse Distance Weighting) ile karıştırılır; IDW yalnızca mesafeye dayalı deterministik bir ağırlıklandırma yaparken, Kriging verilerin arasındaki istatistiksel varyans ve uzamsal korelasyon yapısını (varyogram) hesaba katarak hata varyansını minimize eder.