Na função de Kernel são selecionados os pontos de interesse para a realização da contagem, sendo desprezados pontos não homogêneos, dentro de uma região de influência. 

A escolha do parâmetro do raio de influência, ou largura da banda, terá pouca interferência no grau de suavização da superfície de saída da função Kernel, pois a superfície gerada irá identificar áreas quentes com grandes detalhamentos. 

O estimador de Kernel é uma boa alternativa para se avaliar o comportamento dos padrões de pontos, em uma determinada área de estudo. Sendo considerado muito útil para fornecer uma visão geral da distribuição dos eventos. No entanto, a análise possui a limitação de ser afetada por divisões político-administrativas.

A estimativa Kernel é uma técnica de interpolação exploratória que gera uma superfície de densidade para a identificação visual de áreas como uma concentração de eventos que indica, de alguma forma, a aglomeração em uma distribuição espacial. 

A análise Kernel é objetiva e não depende do conhecimento prévio da área de estudo. Assim, é muito utilizada por permitir gerar análises de distância entre pontos, mesmo com pouco conhecimento da área.