Pendekatan Anda secara luas benar.
Jika Anda hanya tertarik pada keakuratan sistem Anda, Anda mungkin ingin menggunakan sesuatu seperti kesalahan maksimum. Akurasi Anda kemudian +/- Kesalahan maks dengan asumsi bahwa kesalahan nyata didistribusikan secara seragam dalam rentang ini (distribusi seragam akan sering menjadi perkiraan berlebihan tetapi merupakan pilihan sederhana ketika tidak ada informasi yang lebih baik tersedia).
Namun, pendekatan ini akan sering menghasilkan kesalahan besar karena efek sistematis yang dapat dengan mudah diperbaiki dengan memasang kurva (biasanya linier) melalui plot nilai yang terukur dan benar.
Ini harus mengoreksi bias dalam instrumen Anda dan Anda kemudian dapat menghitung ketidakpastian berdasarkan standar deviasi residual. Ketidakpastian total biasanya merupakan kelipatan , pilihannya cukup arbiter, jadi Anda harus menyatakan kelipatannya (nilai k), atau faktor cakupan rekanan. Anda juga harus menyatakan distribusi apa yang Anda asumsikan karena ini akan mempengaruhi kelipatan berapa memberikan cakupan spesifik. Misalnya Untuk cakupan Gaussian 95% k ~ 2, tetapi untuk distribusi yang seragam cakupan 95% k ~ 1,68σ