Der Fehler bezieht sich i. d. R. darauf, in welchem Maß Funktionen, Formeln und Statistiken einen tatsächlichen oder theoretischen Wert nicht vollständig erklären oder modellieren können. Ein Fehler ist also die Differenz zwischen einem tatsächlichen und einem prognostizierten Wert. Statistische Analysen können in einem gewissen Ausmaß fehlerhaft oder ungenau sein, die Ermittlung und Quantifizierung des Fehlers hilft dann jedoch, diese Umstände zu erklären.

Stellen Sie sich beispielsweise einen Bauunternehmer vor, der den Auftrag erhält, das Dach eines Hauses zu erneuern. Der Bauunternehmer kann mit einer Reihe von Variablen einen geschätzten Preis für den Auftrag berechnen. Zu den Variablen können die Dachmaße, der Neigungswinkel und der Dachtyp zählen. Diese und weitere Faktoren können jedoch eine gewisse Streuung aufweisen und damit zu Unterschieden im Endpreis führen. Sowohl der Bauunternehmer als auch der Hauseigentümer müssen sich daher nicht nur mit den geschätzten Kosten, sondern auch mit dem Fehler der Formel auseinandersetzen, anhand derer der Preis geschätzt wurde.

Im Folgenden finden Sie Beispiele für Fehlertypen in der ANOVA:
Residuenfehler
Die nach der Ermittlung sämtlicher Haupteffekte und Wechselwirkungen verbleibende Streuung.
Simultane Irrtumswahrscheinlichkeit
Die maximale Wahrscheinlichkeit, mindestens ein Konfidenzintervall zu erhalten, das nicht die tatsächliche Differenz zwischen Faktorstufen enthält.
Fehler 1. und 2. Art
Die Wahrscheinlichkeit, mit der eine wahre Hypothese verworfen oder eine falsche akzeptiert wird.