Ситуация такая: На крупной территории рандомизированно расположены точки, в каждой точке известны данные (содержание Элемента в почве). Необходимо провести интерполяцию этих данных. Использую Ординарный кригинг (исходя из литературы - именно его наиболее часто используют для подобных целей). Набор данных имеет сильный разброс, имеются экстремально высокие значения (в этих точKках действительно очень высокие показатели, перепроверено, поэтому их нельзя исключить из карты). Судя по гистограмме
данные не подчиняются закону нормального распределения. Если провести логорифмическое преобразование, то картина заметно улучшается 
. Далее начинаю проводить интерполяцию.. Метод Ординарный крикинг (данные оставляю без преобразования). В настройках крикинга не силен, поэтому ничего особо не строгаю, вариограмму выбираю Stable, далее Smooth и радиусы поиска задаю 1000 (т.к. нужно чтоб на точку влияли только ближайшие точки, на рисунке видно)
В результате средняя ошибка получается отрицательной.
Почему так? Или это нормально ? И высокие значения Среднеквадратичная ошибка (Root Mean Square Error) и Средняя стандартная ошибка (Average Standard Error), Я так понимаю это из-за высокого разброса данных, они близки друг к другу и это вроде как хорошо. Я попробовал в настройках кригинга выставить преобразование данных Log (остальные настройки как описано выше), но в результате получил цифры еще хуже:
Подскажите почему получается отрицательная средняя ошибка (Mean)?? Или дайте какой нибудь совет по настройке крикинга.. Буду очень признателен за ответы по теме.