La interpolación del punto problema se realiza asignando pesos a los datos del entorno en función inversa de la distancia que los separa -inverse distance weighting, IDW-.
La formula general es:
\[\hat{z_j}=\sum_{i=0}^{n} K_{ij} * z_i\]
donde \(\hat{z_j}\) es el valor estimado para el punto j ; n es el número de puntos usados en la interpolación; \(z_i\) el valor en el punto i-ésimo y \(k_{ij}\) el peso asociado al dato i en el cálculo del nodo j. Los pesos k varían entre 0 y 1 para cada dato y la suma total de ellos es la unidad.
Para establecer una función de proporcionalidad entre el peso y la distancia, la fórmula general queda como sigue:
\[\hat{z_j}=\frac{\sum_{i=0}^{n} \frac{z_i}{d_{ij}^{\beta}}} {\sum_{i=0}^{n} \frac{1}{d_{ij}^{\beta}}}\] donde \(K_{ij}=\frac{1}{d_{ij}^{\beta}}\) y b es un exponente de ponderación que controla la forma en la que el peso disminuye con la distancia.
Esta familia de métodos permite la generación del MDE de una forma rápida y simple. Sin embargo, se trata esencialmente de una media ponderada y, por tanto, el resultado se encuentra siempre incluido dentro del rango de variación de los datos. Por este motivo, el correcto tratamiento de las formas cóncavas y convexas depende estrechamente de la distribución de los puntos originales y la presencia de datos auxiliares se hace muy conveniente.