برداشت نادرست از کالیبراسیون در خیلی زمینه‌ها دیده میشه. یعنی اینطور تصور میشه که هر جا که یه مدل کامپیوتری بود و برای یه مساله خاص کالیبره هم شد دیگه همه چیز عالیه. خوب حقیقتا اینطور نیست. نوعا این مشکلات مربوط به وقتیه که یا شناخت کافی از پدیده  وجود نداره یا مدل. مهندسای زیادی دیدم که انتظار دارن کامپیوتر مث غول چراغ جادو همه چیز رو حل کنه.

مثال: به شکل بالا دقت کنین. یه منحنی داریم (منحنی a) که مثلا نمایشگر فیزیک پدیدست و دو نقطه روی اون منحنی (مثلثهای بنفش). فرض کنید که میتونیم این منحنی رو با منحنی‌های b و c تقریب بزنیم. حدس بقیه حرفم سخت نیست: منحنی b چون ذاتا شبیه منحنی a است بعد کالیبراسیون می‌تونه تقریب خوبی ارائه بده (d). اما منحنی c ذاتا رفتار متفاوتی داره و به غیر ار نقاط کالیبره شده خطاهاش زیاد می‌شه (e).

شاید بشه یه پدیده رو با دو تا مدل تخمین زد. اما واقعا باید دید رفتار پدیده ما در عمل چیه و کدوم مدل با پدیده اصلی هم‌رفتاره؟