Per quanto riguarda la stima dei parametri è noto che generalmente questi vengono fissati in modo da minimizzare la somma degli scarti al quadrato tra dati reali e risultati del modello (criterio dei minimi quadrati). Così facendo si fissa già un criterio di bontà del modello, che però potrebbe non essere quello più adatto per tutte le situazioni specifiche.

Per quanto il primo modello contenga una radice quadrata anche esso è lineare nei parametri e quindi può essere adottata la formula ben nota per la stima in blocco:

Q = (M^TM)^-1 M^Ty

I risultati ottenuti con questo metodo sono i seguenti:
 

Modello 1	a = 2.58	b = -1.56
Modello 2	a = 0.52	b =  1.42

Possiamo ora procedere al confronto tra i due modelli e a questo scopo utilizziamo i seguenti indicatori:

-somma dei quadrati degli scarti tra dati reali (c_i) e risultati dei modelli (c_i) (come si è detto, questa è la scelta più naturale dato il metodo utilizzato per la taratura);

-scarto massimo max_i | c_i – c_i |;

-coefficiente di correlazione tra dati reali e risultati del modello.

Si perviene così ai seguenti risultati:
 

	Modello 1	Modello 2
somma scarti quadratici	0.58	1.17
scarto massimo	0.39	0.67
correlazione	0.987	0.974

e si può pertanto affermare che il modello 1 domina il 2 sotto tutti i punti di vista esaminati. Sarà dunque opportuno che sia la prima equipe a proseguire gli studi nel settore.

E’ tuttavia bene notare che il fatto di aver trovato una dominanza completa è del tutto casuale. Spesso i tre criteri sopra citati o altri simili danno indicazioni contrastanti, per cui la scelta finale va operata facendo riferimento all’applicazione specifica. In qualche caso, ad esempio, è più opportuno avere scarti massimi contenuti, piuttosto che un comportamento mediamente migliore, ma con scarti elevati nei casi più critici.