Ha azt vizsgáljuk, hogy az egyes értékek mennyire térnek el a részátlagoktól, akkor belső szórást számolunk.

Jele: $ \sigma_B$

A rész-szórásokból úgy lesz belső szórás, hogy súlyozzuk őket a rész-sokaságok szórásával.

A belső szórást kiszámolhatjuk a rész-szórások nélkül is.

Ha a részátlagoknak nézzük a főátlagtól való eltérését, az a külső szórás.

Jele: $\sigma_K$

Ha az egyes értékeknek nézzük a főátlagtól való eltérést, az a teljes szórás.

A teljes szórás az egész sokaság szórását jelenti, vagyis ha nem bontjuk fel a sokaságot rész-sokaságokra.

Jele :$\sigma$

A háromféle szórásra mindig teljesül, hogy

$\sigma^2 = \sigma_B^2 + \sigma_K^2$

A belső eltérés-négyzetösszeg a belső szórás gyök alatti részének számlálója.

Jele: SSB

A külső eltérés-négyzetösszeg a külső szórás gyök alatti részének számlálója.

Jele: SSK

A teljes eltérés-négyzetösszeg a teljes szórás gyök alatti részének számlálója.

Jele: SST

$SST = SSB + SSK$

A PRE egy rövidítés, Proportional Reduction Errors, ami relatív hibacsökkenésnek fordítható.

A módszer lényege, hogy a PRE érték kiszámolásával megállapítható, az egyik ismérv ismerete hány százalékkal csökkenti a másik ismérv nagyságával kapcsolatos bizonytalanságot.

Ha $PRE=0$, az azt jelenti, hogy ez a bizonytalanság egyáltalán nem csökken. Ebben az esetben a két ismérv egymástól független.

Ha $PRE=1$, akkor a bizonytalanság 100%-kal csökken. Ilyenkor a két ismérv között fügvényszerű kapcsolat van.

Ha pedig PRE értéke valahol nulla és egy között van, akkor a kapcsolat nem független és nem is függvényszerű, tehát sztochasztikus.

\( PRE = H^2 = \frac{\sigma^2 - \sigma_B^2}{\sigma^2} = \frac{\sigma_K^2}{\sigma^2} \)

vagy

\( PRE=H^2 = \frac{SST-SSB}{SST} = \frac{SSK}{SST} \)