En la calibración del modelo, puede ser necesario identificar no solo los valores de los parámetros desconocidos, sino también la incertidumbre de estos parámetros del modelo, debido a mediciones inciertas o salidas del modelo. El análisis de la incertidumbre de los parámetros nos ayuda a comprender mejor el problema de calibración. Las investigaciones sobre la sensibilidad de los parámetros y la unicidad de los parámetros identificados podrían abordarse dentro de la cuantificación de la incertidumbre. En este artículo, investigamos diferentes enfoques probabilísticos para este propósito, que identifican los parámetros desconocidos como funciones de distribución multivariadas. Sin embargo, estos enfoques requieren un conocimiento preciso de la covarianza de la salida del modelo, que a menudo no está disponible. Además, investigamos métodos de optimización por intervalos para la identificación de los límites de los parámetros. La correlación o interacción de los parámetros de entrada se puede modelar con un dominio factible convexo que pertenece a una solución factible de la salida del modelo dentro de los límites dados. Introducimos un nuevo procedimiento de búsqueda radial que puede identificar el límite de dicho dominio de parámetros para dependencias no lineales arbitrarias entre la entrada y la salida del modelo.