El error por lo general se refiere al grado en que las funciones, fórmulas y estadísticos no pueden explicar o modelar totalmente un valor real o teórico. En otras palabras, el error es la diferencia entre un valor real y uno pronosticado. Si bien puede existir cierto grado de error o incertidumbre en los análisis estadísticos, la identificación y cuantificación del error puede al menos ayudarnos a explicar su presencia.

Consideremos a un contratista que ha sido contratado para reemplazar el techo de una casa. El contratista puede calcular un precio estimado por el trabajo con un número de variables. Algunas variables pudieran incluir las dimensiones de el techo, el terreno y el tipo de techo. Sin embargo, la variabilidad en estos y otros factores puede producir un costo final diferente. Tanto el contratista como el propietario de la casa estarán interesados en conocer no solo el costo estimado, sino también el error de la fórmula utilizada para calcular el costo.

A continuación se muestran ejemplos de los tipos de error en ANOVA:
Error residual
La variabilidad que queda una vez identificados todos los efectos principales y las interacciones.
Tasa de error por familia
La probabilidad máxima de obtener uno o más intervalos de confianza que no contienen la diferencia verdadera entre las medias de los niveles.
Error de tipo I y tipo II
La probabilidad de rechazar una hipótesis verdadera o aceptar una falsa.