Trong tình huống giả định 1: “Độ lệch chuẩn của RSS càng lớn thì sai số khoảng cách trong dự báo vị trí của người dùng càng lớn”, chương trình mơ phỏng sẽ đánh giá kết quả giả định bằng cách sử dụng thuật tốn Box-Muller để tạo ra tập các giá trị RSS tại mỗi vị trí tham chiếu biến đổi theo quy luật phân phối chuẩn trong các trường hợp mà độ lệch chuẩn của RSS ứng với các giá trị từ 14. Sau đĩ sử dụng thuật tốn K-Maximum Likelihood Neigbor để kiểm tra sai số khoảng cách trung bình của nhiều lần dự báo từng trường hợp tương ứng với độ lệch chuẩn của RSS là 1,2,3 và 4.
Trong tình huống giả định 2: “Số lượng AP tăng lên thì sai số khoảng cách trong dự báo vị trí của người dùng giảm”, chương trình mơ phỏng đánh giá kết quả giả định bằng cách tạo ra nhiều AP giả lập theo 3 trường hợp: 5 AP, 10 AP và 15 AP. Sau đĩ chạy thuật tốn K-Maximum Likelihood Neighbor nhiều lần để xác định sai số khoảng cách trung bình của các dự báo trong từng trường hợp 5AP, 10 AP và 15 AP. Từ kết quả sai số khoảng cách đĩ sẽ đánh giá kết quả đúng sai của giả định và đưa ra kết luận.
Trong tình huống giả định 3: “Sai số khoảng cách trong dự báo sẽ giảm nếu sử dụng thơng tin vị trí trong quá khứ kết hợp với thuật tốn K-Maximum Likelihood Neighbor sẽ dự báo vị trí người dùng chính xác hơn”. Chương trình mơ phỏng đánh giá kết quả giả định bằng cách tạo ra 5 AP giả lập và 96 vị trí tham chiếu sau đĩ chạy thuật tốn K-Maximum Likelihood Constraint Tracking Neighbor nhiều lần để dự báo vị trí, sau đĩ khảo sát sai số khoảng cách trung bình của tất cả các lần định vị để đánh giá hiệu suất của thuật tốn.