Los primeros usos de la geoestadística surgen para satisfacer la
demanda por el estudio de fenómenos con correlación espacial. Estos primeros usos comenzaron a partir de los años sesenta, especialmente con el propósito de predecir valores de las variables en sitios no muestreados. Como precursores de estas técnicas suelen citarse trabajos de Sichel (1947; 1949) y Krige (1951). El primero observó la irregular naturaleza y disposición del mineral de oro en las minas sudafricanas. En una primera aproximación asimiló esta distribución a una distribución de probabilidad lognormal y desarrolló las fórmulas básicas para describir esta disposición en el espacio. Se trataba con ello de realizar estimaciones acerca de las reservas, sin necesidad de realizar carísimas prospecciones. Con esta técnica se realizaron unas primeras estimaciones de las reservas, pero bajo el supuesto de que las mediciones eran independientes, en clara contradicción con la experiencia de que existen “zonas” más ricas que otras. Para tratar de considerar la dependencia espacial, el geólogo G. Krige que propuso una variante del método de medias móviles, el cual puede considerarse como el equivalente al krigeado simple que, resulta ser uno de los métodos de estimación lineal más robustos. Esta técnica es solo una las áreas del análisis de datos espaciales. Sin embargo no toda la información georreferenciada es susceptible de ser analizada por medio de dicha metodología. Por ello una primera e ineludible etapa del trabajo será la de realizar un análisis exploratorio de los datos. En esta fase se trata de identificar la localización, variabilidad, forma y observaciones extremas. Por ello se comenzará por una descripción de los datos de los que se dispone, así como una mención a las fuentes de dichos datos. Posteriormente se irán desgranando los principales conceptos básicos dentro de la teoría geoestadística. Posteriormente se entrará a detallar los procedimientos empleados para identificar de manera experimental (con base en datos muestrales) la estructura de autocorrelación espacial, para algunas distancias dadas, de un conjunto de datos de una variable. Una vez detectada la autocorrelación espacial, el siguiente paso es la predicción en sitios de la región de estudio donde no se ha hecho medición de la variable de interés. Para ello se recurrirá a los procedimientos kriging que sirven para realizar predicciones.