Mittausepävarmuuden arviointitavan valintaan vaikuttaa esimerkiksi se, minkä tyyppinen on käytettävä analyysimenetelmä. Tärkeimmän kriteerin mittausepävarmuuden arviointitavalle asettaa kuitenkin mittaustuloksen käyttötarkoitus ja miten yksityiskohtaisen mittausepävarmuusarvion halutaan olevan. Mitä tahansa arviointitapaa käytetäänkin, olisi GUM-periaatteita noudatettava [JCGM 100, 2008]. Mittausepävarmuus voidaan arvioida:
• Suoraan standardimenetelmästä – Käytettäessä standardimenetelmää, saadaan karkea arvio omasta mittausepävarmuudesta standardimenetelmässä esitetyn uusittavuusdatan avulla. Menettelyn laajempi käyttö ei ole suositeltavaa ja käytön edellytyksenä on, että laboratorio pystyy todistamaan, että heillä menetelmän suorituskyky on verrannollinen standardimenetelmässä esitettyyn dataan [EA-4/16, 2003; Eurachem/Citac, 2012; Nordtest, 2017].
• Laboratorioiden välisten vertailujen tuloksista – Mittausepävarmuus arvioidaan vertailumittausten/pätevyyskokeiden raporteissa ilmoitetuista laboratorion poikkeamista sekä laboratorioiden välisistä uusittavuuksista. Luotettavan arvion edellytyksenä on mm. se, että laboratorio on osallistunut tutkittavan analyytin osalta useisiin vertailumittauksiin. Lisäksi vertailuissa analysoitavien näytteiden tulee olla matriiseiltaan ja pitoisuustasoiltaan samanlaisia kuin laboratoriossa normaalisti analysoitavat näytteet. [Eurolab, 2007; Nordtest, 2017]
• Sisäisestä laadunvarmistuksesta ja validoinnista – Tavallisesti mittausepävarmuus arvioidaan laboratorion laadunvarmistus- ja validointitulosten avulla. Epävarmuusarvio suoritetaan tällöin laboratoriossa olemassa olevasta ja havaitusta datasta. Laboratorion sisäinen uusittavuus (eri analysoijat, eri päivät, sama laite, sama laboratorio) arvioidaan esim. referenssimateriaalien tulosten hajonnasta ja todellisten näytteiden rinnakkaisanalyysien tuloksista. Tämän lisäksi epävarmuusarvioon lisätään menetelmästä ja/tai laboratoriosta aiheutuvat ja analyysituloksissa havaittavat systemaattisten osatekijöiden vaikutukset. Epävarmuuden arvioimiseksi suoritetaan toistomittauksia. Käytännössä vaaditaan vähintään 30 mittausta, jotta epävarmuusarviosta saadaan tilastollisesti luotettava. Joskus mittauksia ei ole mahdollista suorittaa kovin paljon, jolloin epävarmuutta kuvaava vaihteluväli kasvaa [EA-4/16, 2003; Eurachem/Citac, 2012; Nordtest, 2017; SFS-ISO 11352].
• Matemaattinen malli – Epävarmuuden arviointi perustuu siihen, että ensin kirjoitetaan analyysituloksen laskemiseen käytettävä mittausmenetelmäkaavio/matemaattinen yhtälö. Selvitetään jokaiseen yhtälön parametriin liittyvät epävarmuudet (keskihajontoina ilmoitettuna) sekä kaikki muut mahdolliset epävarmuutta aiheuttavat komponentit (laitteen ryömintä, näytteen säilyvyys, kontaminaatio jne). Mittausepävarmuus lasketaan muuttamalla kutakin parametria yhtälössä vuorotellen sen epävarmuuden verran. Näin pystytään havaitsemaan helposti suurimmat epävarmuuden lähteet [JCGM 100, 2008; EA-4/16, 2003; Eurachem/Citac, 2012].
Matemaattinen malli on työläin tapa arvioida mittausepävarmuutta, mutta sen avulla pystytään kuvaamaan analyysin jokainen vaihe ja lähestymistapa voi osoittautua hyödylliseksi tarkasteltaessa tai määritettäessä yksittäisiä epävarmuustekijöitä. Tämä on erittäin tärkeää silloin, jos on tarvetta puuttua johonkin tiettyyn mittausepävarmuutta aiheuttavaan vaiheeseen analyysiketjussa. Joissain tapauksissa tämä menetelmä kuitenkin aliarvioi mittausepävarmuutta osittain siksi, että mallin ollessa epätäydellinen, tarkastelusta puuttuu osa epävarmuusosatekijöistä. Käyttäen olemassa olevia ja kokeellisesti määritettyjä laadunohjaustuloksia (QC) ja menetelmän validointitietoja, on todennäköistä, että kaikki epävarmuusosatekijät on sisällytetty arvioon. Matemaattisen mallin mainitaan usein olevan ns. ”GUM lähestymistapa”, mutta todellisuudessa GUM-periaatteet sallivat muitakin, mm. kokeelliseen lähestymistapaan perustuvia arviointimalleja.
Erilaisia mittausepävarmuuden arviointitapoja on vertailtu Eurolabin julkaisemassa raportissa [Eurolab, 2007].