Une des informations apportées par la méthode est la confiance dans l’estimation, parfois appelée « à tort » erreur. La confiance dans l’estimation est égale au moins au rapport entre la variance de l’erreur (c’est pour cela qu’on l’appelle souvent erreur) et la variance a priori . La variance de l’erreur se définit comme la variance de la différence entre le signal vrai et l’analyse. La confiance dans l’estimation est donnée par la relation,

 

 

La confiance est exprimée comme un pourcentage de la variance a priori sur la figure ci-dessous. 100 % est la meilleure confiance que l’on puisse avoir, la carte sera parfaitement représentative des données. 0% est la confiance la plus mauvaise : on n’utilise aucune donnée. La variance à priori se définit comme la variance du signal vrai. Cette variance à priori est un des paramètres de la méthode, mieux elle est estimée, meilleure sera l’analyse.

 

La carte de confiance est un complément très précieux de la carte d'analyse : elle permet de connaître en fonction des paramètres fixés (rayon d’influence, poids des variances des échelles et de la variance de l’erreur sous grille) la confiance que l’on peut accorder à telle ou telle partie de la carte. Une confiance inférieure à 70% (valeur discuté par la suite) indiquera que l’analyse en ce point ne dispose pas d’assez d’information (de données) pour fournir une valeur fiable, mais la méthode fournit tout de même une valeur qui est la valeur de référence. Pour une valeur de 0%,  la méthode n’utilise aucune donnée et la valeur qui est affichée est la valeur fournie par la référence (dans notre étude cette référence est définie par la moyenne des données). Pour des valeurs supérieures à 70% on considérera que l’analyse dispose de suffisamment d’information pour fournir une valeur du champs représentatif des paramètres et de la zone.

Cette confiance dans l’estimation n’est pas fonction des valeurs des données. Elle est uniquement fonction des paramètres de la méthode et de la répartition de ces données. Des données plus nombreuses auront pour conséquence d'augmenter la confiance. Des données bien réparties auront la même conséquence. Par contre des données avec une répartition inhomogène diminueront la valeur de la confiance.