在传统的结构改进中，计算出的震级与X射线实验中观察到的震级之间的差异是由于模型参数的初始赋值固有的误差造成的。然而，所选的模型参数集可能不足以准确描述结构因素。例如，如果当前模型中没有包括某些原子，则从这种部分模型计算的结构因子包含“不可消除的误差”。这些误差不能通过部分结构参数的任何选择来消除。概率建模提出了一种考虑不可消除错误的方法。现在，模型参数的每个试验值集都与计算出的震级的联合概率分布相关联，而不是与特定的震级集相关联。细化的新目标是搜索与观测数据最一致的分布。统计可能性是一致性的一种可能度量。所建议的似然函数的二次近似允许将基于似然的求精视为一种最小二乘求精，使用适当的权重和修改的目标来计算量级。这反过来使得能够分析与经典的最小二乘精化相比基于似然的精化的趋势。
