Igal paigal on oma lähiümbrus e. lähikond, mis otseselt mõjutab seda paika. Näiteks palaval päeval rannas kujuneb iga riietevahetus kabiini lähikonnaks see ala, kust inimesed tulevad just seda kabiini kasutama. Tõenäoliselt valivad nad lähima paiga, kui selle kabiini juures aga pidevalt järjekord on, eelistab osa inimesi ootamise asemel jalutada mõne kaugema kabiinini.
Sarnane on olukord poodi, kooli või juuksuri juurde minekuga ehk üldisemalt teeninduspunkti valikuga: andes ette teeninduspunkti mahtuvuse (kuipalju kool lapsi vastu võtab) ja teeninduspunkti valiku reegli (laps läheb lähimasse kooli) saame leida teeninduspunkti tagamaa ehk ala, kust see punkt saab oma kliendid. Võib juhtuda, et kliente "jääb üle", mis tähendab, et teeninduspunkte on liiga vähe; võib juhtuda, et kliente "jääb puudu", mis tähendab, et osa teeninduspunktide võimalustest jääb realiseerimata. Pannes tähele, millised on ühe või teise teeninduspiirkonna klientide ajakulud, saab hakata otsima mingis mõttes paremat teeninduspunktide paigutust.

Kui me rasterkujutisel kasutame samasugust lähikonda kõigi pikslite jaoks ja arvutame lähtekujutisest uue kujutise nii, et asendame iga piksli mingi tema lähikonna näitajaga, siis oleme rakendanud meetodit, mille üldnimeks on filtrid. Nimi tuleneb sellest, et arvutuseeskirja valikuga saame teatud ruumilisi omadusi esile tõsta, teisi aga "välja filtreerida".
Näiteks on üheks levinumaks nn. siluv filter, mis teeb kujutisel pikslite väärtuste järsud üleminekud sujuvamaks.

Vasakpoolsel illustratsioonil on näha tükike kaardi reljeefikihist rasterkujutisena, mis on saadud vektorkujul samajoonte alusel ning kus kõrgusvahemike teravad piirid on selgesti nähtavad. Parempoolne illustratsioon, kus üleminekud on muutunud sujuvamaks, on arvutatud lähikonda määrava aknaga 3 x 3 pikslit (mis tähendab, et arvestatakse vaid igas suunas lähimaid naabreid), nii et uueks (parempoolsel pildil) keskmise piksli väärtuseks on esialgse (vasakpoolse pildi) üheksa piksli keskmine väärtus.
Muutes lähikonna (akna) suurust ja kasutades kaalutud keskmist saab muuta silumise määra.

On aga ka filterid, mis väikesi erinevusi võimendavad või teatavaid omadusi välja selekteerivad (näiteks valides uueks väärtuseks lähikonnas kõige sagedamini esineva saab lahti üksikutest hälbivatest pikslite väärtustest ja kujutis muutub "selgemaks").

Tavaliselt me ei mõõda mingit nähtust (näiteks õhutemperatuuri) mitte kõigis paigus, vaid ainult osades (vaatluspostides). Ülesandeks on aga nende temperatuuriväärtuste alusel määrata ka kõigi vahepealsete paikade temperatuurid. Tavaliselt eeldatakse seejuures, et temperatuur muutub sujuvalt ning kehtib reegel, et mida lähemal on paik vaatluspostile, seda sarnasem on otsitav temperatuur vaatlusposti omale. Kõige lihtsam on määrata iga otsitav temperatuur lähima vaatlusposti järgi (seda teeb ka inimene tavaliselt raadiost ilmateadet kuulates). Tunduvalt täpsema ja usutavama tulemuse saame aga siis, kui
   arvestame kõiki lähedalolevaid jaamu,
   mida lähemal on jaam, seda rohkem me teda arvestame.
Nende põhimõtete matemaatiliselt täpne järgimine võib osutuda küllaltki arvutusmahukaks. Niisugusel meetodil on käesoleva õppevahendi jaoks on saadud näiteks detsembrikuu keskmiste temperatuuride kaart.

Kuna arvutikaart koosneb arvudest (tavaliselt on neid kümneid või sadu tuhandeid), siis saab selle varal teha muidugi igasugust statistikat. Nende arvude mõnest andmeanalüüsi paketist "läbi ajamine" ruumilisi suhteid arvestamata pole raske, kuid tulemuseks võivad kergesti olla uued arvud, mis on veel vähem mõistetavad kui esialgsed.
Vajadus ruumisuhteid arvestada on tinginud uue, klassikalisest statistikast arvutuslikult palju keerulisema geostatistika tekke, sest osutub, et mitmed matemaatilised eeldused, näiteks valiku juhuslikkuse printsiip, millel põhinevad klassikalise statistika arvutusreeglid, pole täidetud, kui nähtuste vahel on arvestatavad ruumilised suhted. Näiteks kui naaberkorteris on hiired, siis tõenäosust ka teie korteris hiiri leida ei mõjusta mitte üksnes sealsete olude sobivus hiirtele (mida klassikaline statistika oskaks arvestada), vaid ka naabrussuhe.

Paljudest geostatistika poolt lahendatavatest ülesannetest võiks esile tuua järgmisi:
   Paiknemismustrite juhuslikkuse testimine ja seaduspärasuste kirjeldamine. Kas puud paiknevad looduslikus metsas juhuslikult või on sama liiki puudel kalduvus grupeeruda? Kas suviseid äikesevihmu tuleb Eestis igal pool ette või esineb neid mõnes paigas sagedamini?
   Nähtuste paiknemissarnasuste mõõtmine. Kas kased kasvavad sagedamini kuuskede või mändide läheduses?
Atlase kaarte sirvides me märkame, et mägede nõlvadel kehtib seaduspära: kõrgemal sajab rohkem. Kas selline seos kehtib igal pool (nii tuulealustel kui -pealsetel nõlvadel)? Millistes piirkondades (rannikul, kõrg- või madalmägedes) on see seos tugevam? Kui mõnes kohas on andmeid vähe, siis kui suur on tõenäosus, et me oma oletuses eksime?
   Nähtuste levikuseaduspärasuste iseloomustamine. Aafrikas puhkenud epideemia puhul kanti kõik haigusjuhud kaardile. Kaarti vaadates võis oletada, kus paikneb taudi kolle. Kas seda hüpoteesi saab statistiliselt tõestada? Kas ja kuidas prognoosida haigestumiste hulka eri paigus?

Majanduses on kasutusel matemaatilised meetodid, mis vastavad küsimusele kuidas tuleks teha, valides paljude võimaluste hulgast teatavas mõttes parima. Mitmed neist meetodeist on rakendatavad ka kohateabe alusel ja on (koos GISiga) integreeritud keerukatesse arvutisüsteemidesse, mille eesmärk on abistada inimest otsuste vastuvõtmisel. Tavaliselt on niisugused otsustusi toetavad süsteemid seotud pikaajalise planeerimisega (kuhu midagi rajada), kuid ei saa välistada ka operatiivsüsteeme (evakuatsioonitee leidmine muutunud tingimustes).
Tüüpilise planeerimisülesande (näiteks soovitakse lisaks muudele kavadele rajada tselluloosivabrikut) aluseks on
   piirangukaardid - kaitsealade, elurajoonide, teede jm aladega, kuhu vabrikut rajada ei tohi;
   sobivuskaardid, mis näitavad, kuivõrd iga ala kõlbab erinevateks kasutusliikideks (tselluloosivabriku, elurajooni, lennuvälja vms. jaoks; tegelikus elus tuleb arvesse võtta üsna palju asju).
Arvestades neid kaarte ja erinevate eesmärkide tähtsust (kas ja kuipalju lennuvälja rajamine oleks tselluloosivabrikust tähtsam) saab erinevad alad reastada sobivuse järgi üheks või teiseks kasutuseks. Kuna kõik eeldused ja piirangud on mitte jumalast antud, vaid inimeste poolt pandud, siis on oluline see, et arvutil saab "läbi mängida" palju erinevaid variante.