I statistikk er variansanalysen (ANOVA) en måte å analysere forskjellige datagrupper sammen for å se om de er relaterte eller lignende. En viktig test innen ANOVA er root mean square error (MSE). Denne størrelsen er en måte å estimere forskjellen mellom verdiene som er forutsagt av en statistisk modell og de målte verdiene fra det faktiske systemet. Beregning av roten MSE kan gjøres i noen få enkle trinn.
Beregn det totale gjennomsnittet for hver gruppe datasett. Si for eksempel at det er to datagrupper, sett A og sett B, hvor sett A inneholder tallene 1, 2 og 3 og sett B inneholder tallene 4, 5 og 6. Gjennomsnittet for sett A er 2 (funnet ved å legge 1, 2 og 3 sammen og dele med 3) og gjennomsnittet for sett B er 5 (funnet ved å legge 4, 5 og 6 sammen og dele med 3).
Trekk gjennomsnittet av dataene fra de enkelte datapunktene og kvadrat den påfølgende verdien. For eksempel, i datasettet A, trekker 1 med gjennomsnittet av 2 en verdi på -1. Kvadrering av dette tallet (det vil si å multiplisere det med seg selv) gir 1. Gjenta denne prosessen for resten av dataene fra sett A gir 0 og 1, og for sett B er tallene også 1, 0 og 1.
Oppsummer alle kvadratiske verdier. Fra forrige eksempel gir oppsummering av alle kvadratiske tall tallet 4.
Finn frihetsgrader for feil ved å trekke totalt antall datapunkter med frihetsgrader for behandling (antall datasett). I vårt eksempel er det seks totale datapunkter og to forskjellige datasett, noe som gir 4 som frihetsgrader for feil.
Del summen av kvadratfeilen med gradene av frihet for feil. Fortsetter du eksemplet, deler du 4 med 4 gir 1. Dette er gjennomsnittlig kvadratfeil (MSE).
Ta kvadratroten av MSE. Avslutningsvis er kvadratroten på 1 1. Derfor er roten MSE for ANOVA 1 i dette eksemplet.