Em geral, erro se refere a quanto funções, fórmulas e estatísticas não conseguem explicar ou modelar totalmente um valor verdadeiro ou teórico. Em outras palavras, o erro é a diferença entre um valor real e o predito. Embora possa existir algum grau de erro ou incerteza em análise estatística, identificar e quantificar o erro pode nos ajudar a explicar a presença do erro.

Considere um empreiteiro contratado para substituir o telhado de uma casa. O contratante pode calcular um preço estimado para o trabalho com uma série de variáveis. Algumas variáveis podem incluir as dimensões do telhado, a inclinação e do tipo de telhado. No entanto, a variabilidade nestes e outros fatores pode resultar em um custo final diferente. Tanto o empreiteiro quanto o proprietário estarão interessados não apenas no custo estimado, mas o erro da fórmula usada para estimar o custo.

A seguir apresentamos exemplos de tipos de erro em ANOVA:
Erro residual
A variabilidade que permanece depois de identificados todos os efeitos principais e interações.
Taxa de erro de família
A máxima probabilidade de obtenção de um ou mais intervalos de confiança de que não contêm o verdadeiro nível de diferença entre as médias.
Erro tipo I e tipo II
A probabilidade de rejeitar uma hipótese verdadeira ou aceitar uma falsa.