{"id":4804,"date":"2026-08-20T09:25:38","date_gmt":"2026-08-20T07:25:38","guid":{"rendered":"https:\/\/ellistat.com\/?post_type=guide-dutilisateur&#038;p=4804"},"modified":"2026-08-20T10:06:16","modified_gmt":"2026-08-20T08:06:16","slug":"fonti-di-variazione","status":"publish","type":"guide-dutilisateur","link":"https:\/\/ellistat.com\/it\/guide-dutilisateur\/sources-de-variation\/","title":{"rendered":"Fonti di variazione"},"content":{"rendered":"<p class=\"wp-block-paragraph\">L'analisi della varianza multivariata mette a confronto\u00a0<strong>fattori incrociati<\/strong>\u00a0: ogni impostazione dell'uno corrisponde a ogni impostazione dell'altro. Su\u00a0<strong>fattori annidati<\/strong>, il mandrino appartiene a una sola macchina, il pezzo a un mandrino, l\u2019impronta a uno stampo, la posizione a un forno; questo modello non \u00e8 adatto. La fonte di variazione \u00e8 lo schema di queste strutture: esso attribuisce la variabilit\u00e0 osservata a ogni livello della gerarchia, dal pi\u00f9 grossolano al pi\u00f9 fine.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00c8 anche l\u2019unico strumento di analisi del menu: non c\u2019\u00e8 nulla da indurre, nulla da scambiare, nulla da vagliare. Si sfrutta la variabilit\u00e0 gi\u00e0 prodotta e registrata dal processo.<\/p>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background wp-block-paragraph\">\ud83d\udca1 Fattori incrociati \u2192 multivariabili. Fattori annidati \u2192 Fonti di variazione. Se si seleziona la schermata sbagliata, Ellistat lo rileva e propone il pulsante che consente di passare all'altra schermata, mantenendo la selezione effettuata.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"628\" height=\"360\" src=\"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png\" alt=\"\" class=\"wp-image-4805\" srcset=\"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png 628w, https:\/\/ellistat.com\/wp-content\/uploads\/variation9-300x172.png 300w, https:\/\/ellistat.com\/wp-content\/uploads\/variation9-18x10.png 18w\" sizes=\"auto, (max-width: 628px) 100vw, 628px\" \/><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">1. Selezione e individuazione della struttura<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La selezione \u00e8 quella del modello multivariato: una variabile Y quantitativa, una o pi\u00f9 variabili X qualitative. Non \u00e8 necessario specificare la gerarchia, poich\u00e9 Ellistat la deduce dai dati. Un fattore B \u00e8 annidato in un fattore A se ciascuna delle sue modalit\u00e0 compare solo con una singola modalit\u00e0 di A. Se questa relazione ordina completamente i fattori selezionati, la struttura \u00e8 una gerarchia pura e il calcolo viene avviato.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Il percorso di navigazione del blocco \u201cComponenti di varianza\u201d mostra la struttura utilizzata nell\u2019esempio \u201cMacchina \u25b8 Mandrino\u201d\u00a0\u25b8 Pezzo \u25b8 Ripetizioni, indicando per ogni livello il numero di modalit\u00e0 e il numero di modalit\u00e0 per ciascuna modalit\u00e0 del livello superiore: 3 macchine, 12 mandrini (ovvero 4 per macchina), 60 pezzi (ovvero 5 per mandrino), 2 misurazioni per pezzo. Non \u00e8 modificabile: esiste una sola scomposizione corretta per una data gerarchia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Sotto il filo, una frase spiega come \u00e8 stata dedotta la struttura. In particolare, segnala il riutilizzo degli stessi nomi da un supporto all'altro: il mandrino \u00abB1\u00bb di due macchine diverse conta come due mandrini distinti. Se invece questi nomi indicano un'impostazione comune, i fattori sono incrociati ed \u00e8 necessario utilizzare il multivari.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Non vi \u00e8 alcuna scelta di metodo, n\u00e9 caselle fisse o casuali, n\u00e9 impostazioni del modello: tutti i livelli sono trattati come casuali; un lotto, un mandrino, uno stampo sono esempi di modalit\u00e0, non impostazioni esaustive, e ogni livello viene testato rispetto a quello immediatamente inferiore. Le componenti sono stimate mediante il metodo della massima verosimiglianza ristretta (REML), come indicato sotto la tabella; in un piano equilibrato, il REML coincide esattamente con le medie quadratiche attese utilizzate dal Gage R&amp;R.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">2. La conclusione \u00e8 chiara<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il riquadro blu riassume l\u2019analisi in tre frasi ricavate dai risultati. La prima colloca la variabilit\u00e0 rispetto a un livello di riferimento: \u00abL\u00bb82,8% della variabilit\u00e0 si concentra a livello di \u201cPi\u00e8ce\u201d nel materiale, non nella conduzione da una modalit\u00e0 all\u2019altra. \u00bb Questa \u00e8 la frase di orientamento: indica se l\u2019intervento riguarda le attrezzature o la gestione.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La seconda individua i livelli dominanti, ma si rifiuta di designare un vincitore quando i loro intervalli di confidenza si sovrappongono: con 3 macchine e 12 mandrini, Macchina (50,4 %) e Mandrino (32,3 %) non sono distinguibili. Intervenire sull\u2019hardware \u00e8 giustificato; stabilire quale dei due livelli sia il vero responsabile richiederebbe ulteriori modalit\u00e0 di analisi. Questa cautela \u00e8 voluta: \u00e8 il principale servizio offerto dallo schermo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La terza indica il grado di ripetibilit\u00e0 della misura e, se la caratteristica \u00e8 soggetta a tolleranze, l'ampiezza dell'intervallo di tolleranza a 6\u03c3, nonch\u00e9 i valori di Pp e Ppk.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">3. I due grafici<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il grafico multivariabile annidato riprende il grafico che gi\u00e0 conoscete, ma l\u2019ordine dei fattori \u00e8 determinato dalla gerarchia: i punti sono raggruppati per macchina, poi per mandrino all\u2019interno di ciascuna macchina. I pulsanti \u00abTolleranze\u00bb e \u00abValori individuali\u00bb visualizzano i limiti di tolleranza e la nuvola completa delle misure.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A destra, il grafico di Pareto delle fonti indica la quota di varianza di ciascun livello, compreso il residuo. La linea sottile sotto ogni barra rappresenta l\u2019intervallo di confidenza al 95 % di tale quota: una linea che arriva fino a 100 % indica che la quota visualizzata \u00e8 una stima approssimativa, non una misura. L\u2019indicatore \u00abQuota attribuibile ai livelli della gerarchia\u00bb (94,5 % nell\u2019esempio) \u00e8 il complemento del residuo: \u00e8 la frazione di variabilit\u00e0 spiegata dai fattori.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">4. La tabella delle componenti della varianza<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><span style=\"font-family: Calibri, sans-serif; font-size: 11pt; text-align: justify; white-space: normal;\">Ogni riga rappresenta un livello della gerarchia; l\u2019ultimo \u00e8 quello residuo, ovvero le ripetizioni di misura nella modalit\u00e0 pi\u00f9 dettagliata. I livelli annidati sono indentati e contrassegnati con le diciture \u00abnella macchina\u00bb e \u00abnel mandrino\u00bb.<\/span><p class=\"MsoNormal\" style=\"margin: 0cm 0cm 7pt; text-align: justify; line-height: 16.866667px; font-size: 11pt; font-family: Calibri, sans-serif; white-space: normal;\"><\/p><\/p>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><td>Colonna<\/td><td>Quello che dice<\/td><\/tr><\/thead><tbody><tr><td>DDL, Quadrato medio<\/td><td>Gradi di libert\u00e0 e quadrato medio del livello.<\/td><\/tr><tr><td>F, valore P<\/td><td>F \u00e8 il rapporto tra il quadrato medio del livello e quello del livello immediatamente inferiore; da questo si ricava il valore p. Il residuo non viene sottoposto a verifica.<\/td><\/tr><tr><td>\u03c3<\/td><td>Deviazione standard generata da questa sorgente, nell'unit\u00e0 di Y.<\/td><\/tr><tr><td>varianza %<\/td><td>Percentuale della varianza totale attribuibile alla fonte. Il totale di questa colonna \u00e8 esattamente pari a 100 %.<\/td><\/tr><tr><td>IC 95 %<\/td><td>Intervallo di confidenza relativo a questa quota. Un intervallo che arriva a 100 % indica un livello per il quale i dati disponibili sono insufficienti per poterlo stimare con precisione.<\/td><\/tr><tr><td>% dell'IT<\/td><td>6\u03c3 della sorgente rapportato all\u2019intervallo di tolleranza. Vuoto se la caratteristica non presenta tolleranze.<\/td><\/tr><tr><td>Conclusione<\/td><td>Verdetto del test \u2014 S\u00ec, Molto, No \u2014 secondo la consueta codifica a colori della guida.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"has-very-light-gray-background-color has-background wp-block-paragraph\">\u26a0\ufe0f I valori % dell'IT sono espressi in quadratura: non sono sommabili. La somma di questa colonna d\u00e0 un totale superiore al consumo effettivo della tolleranza; non si tratta di un'anomalia di calcolo.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">5. Simulazione PPK<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Questo blocco non viene visualizzato\u00a0<strong>solo se la caratteristica presenta delle tolleranze<\/strong>. Risponde alla domanda: \u00abCosa guadagnerei se eliminassi questa fonte?\u00bb. Per ogni livello, <a href=\"https:\/\/ellistat.com\/it\/soluzioni-per-lanalisi-dei-dati\/\" data-type=\"page\" data-id=\"905\">Ellistat<\/a> sottrae la componente corrispondente dalla varianza totale e ricalcola Pp e Ppk utilizzando la media osservata. A ci\u00f2 si aggiungono la riga \u00abRicentrare sul bersaglio\u00bb e la migliore combinazione tra fonte e ricentraggio. Le righe sono ordinate per guadagno crescente, con la situazione attuale in testa, e un indicatore alla soglia di 1,33.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Due avvertenze relative alla lettura, riportate sotto il grafico. Annullare la ripetibilit\u00e0 della misurazione non migliora i pezzi: corregge semplicemente la stima. La linea indica qual \u00e8 il vostro Ppk reale, al netto dell\u2019errore di misurazione; non promette alcun miglioramento del prodotto.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Inoltre, il guadagno eredita l\u2019imprecisione della componente annullata. Le linee contrassegnate da un triangolo di avvertimento si basano su un livello stimato con pochi gradi di libert\u00e0 effettivi: il guadagno indicato \u00e8 impreciso quanto la quota di tale livello. Nell\u2019esempio, \u00abAnnulla l\u2019effetto Macchina\u00bb promette Ppk 1,0 ma si basa solo su tre macchine.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">6. Matrice e decisione relativa alla soglia \u03b4<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un effetto pu\u00f2 essere statisticamente dimostrato ma irrilevante, oppure rilevante ma non dimostrato. La matrice incrocia questi due aspetti: la significativit\u00e0 nelle colonne, l\u2019ampiezza rispetto alla soglia operativa \u03b4 nelle righe. \u00c8 identica a quella del multivari, con una sola differenza: qui l\u2019ampiezza di una fonte \u00e8 pari a 6\u03c3 della sua componente, ovvero la dispersione che essa genera, mentre nel multivari si tratta dell\u2019intervallo tra le medie delle diverse modalit\u00e0. Il tooltip della colonna lo ricorda.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Causa da affrontare: effetto dimostrato e di entit\u00e0 sufficiente, \u00e8 qui che occorre intervenire. Reale ma trascurabile: effetto certo ma di scarsa rilevanza, non intraprendere alcuna azione. Indeciso: effetto visibile ma non dimostrato, mancano le modalit\u00e0, non le misure; ripetere l\u2019operazione sulle stesse macchine non aumenter\u00e0 i gradi di libert\u00e0 del livello. Scartato: n\u00e9 dimostrato, n\u00e9 di entit\u00e0 sufficiente. Una casella senza fonte mostra il messaggio \u00abNessuna fonte in questo caso\u00bb anzich\u00e9 scomparire.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u03b4 si imposta nella barra di scorrimento, utilizzando lo stesso widget dei test di equivalenza: in unit\u00e0, in percentuale della media, come multiplo di \u03c3 o in percentuale dell\u2019intervallo di tolleranza. Per impostazione predefinita, 10 % dell\u2019intervallo di tolleranza se la caratteristica ne ha uno, altrimenti 0,5 \u00d7 la deviazione standard complessiva.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">7. Parametrica o non parametrica<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Il pulsante di commutazione nella parte superiore del pannello\u00a0<strong>Prova statistica<\/strong>\u00a0sceglie il metodo per ottenere i valori p. Nella modalit\u00e0 parametrica, si tratta dei test F dell\u2019analisi della varianza. In modalit\u00e0 non parametrica, vengono ottenuti tramite permutazione: per testare un livello, Ellistat permuta le unit\u00e0 del livello immediatamente inferiore all\u2019interno del livello immediatamente superiore, trasferendo interi sottoalberi; i mandrini vengono scambiati tra le macchine insieme ai loro componenti e alle relative misure. Il numero di estrazioni e il seme vengono visualizzati sotto il selettore e memorizzati insieme all\u2019analisi: due consultazioni dello stesso rapporto danno la stessa conclusione.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Cambiano solo i valori p. \u03c3, la varianza %, l\u2019IT % e la simulazione di Ppk sono rigorosamente identici in entrambe le modalit\u00e0. Gli intervalli di confidenza, invece, continuano a essere calcolati nell\u2019ipotesi di normalit\u00e0; la colonna lo segnala nella modalit\u00e0 di permutazione.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Limite specifico delle gerarchie: il numero di permutazioni distinte crolla al vertice. Con 2 macchine a 2 perni, esistono solo 3 assegnazioni possibili e il valore p pi\u00f9 basso raggiungibile \u00e8 0,25; nessun risultato pu\u00f2 essere significativo in questo caso. In questo caso Ellistat non avvia il calcolo su quel livello e lo segnala: utilizzare la modalit\u00e0 parametrica oppure aumentare il numero di modalit\u00e0. I livelli inferiori vengono calcolati normalmente.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">8. Condizioni di validit\u00e0<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La scheda nella parte inferiore del pannello di destra verifica per voi ci\u00f2 che \u00e8 necessario verificare: normalit\u00e0 dei residui, equilibrio del piano, presenza di ripetizioni al livello pi\u00f9 fine, precisione delle componenti e confusione inerente all\u2019incastro. \u00c8 questa tabella che propone di passare alla modalit\u00e0 non parametrica quando la normalit\u00e0 viene rifiutata; in modalit\u00e0 permutazione, la riga Normalit\u00e0 indica che non vi sono ipotesi da verificare per questo test, mentre le altre righe rimangono attive; la permutazione presuppone l\u2019intercambiabilit\u00e0, non l\u2019omoscedasticit\u00e0.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La riga \u201cPrecisione dei componenti\u201d diventa arancione non appena viene stimato un livello con meno di 5 gradi di libert\u00e0 effettivi, indicandolo come: \u00e8 lo stesso livello di quello il cui intervallo di confidenza si estende fino a 100 % e le cui linee di simulazione sono contrassegnate da un triangolo. Infine, un avviso ricorda una volta per tutte che un livello \u00e8 indissociabile da tutto ci\u00f2 che varia con esso: l\u2019effetto Macchina comprende tutto ci\u00f2 che \u00e8 specifico di ogni macchina, comprese le regolazioni e l\u2019operatore.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">9. Quando lo schermo non esegue i calcoli<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Fattori incrociati: non viene effettuato alcun calcolo; un messaggio ne spiega il motivo e un pulsante apre la selezione nel multivari. Struttura mista: una coppia annidata e una coppia trasversale: il messaggio indica la gerarchia rilevata e il fattore o i fattori che la attraversano; questo caso non viene trattato.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Altre situazioni segnalate senza bloccare il calcolo: fattore con un\u2019unica modalit\u00e0, escluso e denominato; due fattori che suddividono le righe in modo identico, uno solo viene mantenuto e l\u2019altro denominato; nido casuale: quando non c\u2019\u00e8 molto pi\u00f9 di una modalit\u00e0 per vettore, il nido pu\u00f2 quindi essere un artefatto del piano piuttosto che una realt\u00e0 del processo; assenza di ripetizione al livello pi\u00f9 fine: tale livello diventa il residuo ed Ellistat lo segnala. In assenza di tolleranze, le colonne % dell\u2019IT rimangono vuote e il blocco Simulazione di Ppk non compare.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In alternativa, l\u2019analisi multivariata ti reindirizza a questa schermata: quando rileva una struttura annidata, quando il residuo supera 50 % della variabilit\u00e0, oppure quando un fattore presenta pi\u00f9 di otto modalit\u00e0, segno che si tratta di un campione di modalit\u00e0 piuttosto che di una regolazione.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>","protected":false},"featured_media":0,"menu_order":90,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[23],"class_list":["post-4804","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-5-statistiques-inferentielles"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Sources de variation - Ellistat<\/title>\n<meta name=\"description\" content=\"L&#039;analyse de la variance du multivari compare des facteurs crois\u00e9s : chaque r\u00e9glage de l&#039;un se retrouve avec chaque r\u00e9glage de l&#039;autre\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/it\/guida-per-lutente\/fonti-di-variazione\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Sources de variation - Ellistat\" \/>\n<meta property=\"og:description\" content=\"L&#039;analyse de la variance du multivari compare des facteurs crois\u00e9s : chaque r\u00e9glage de l&#039;un se retrouve avec chaque r\u00e9glage de l&#039;autre\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/it\/guida-per-lutente\/fonti-di-variazione\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"article:modified_time\" content=\"2026-08-20T08:06:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png\" \/>\n\t<meta property=\"og:image:width\" content=\"628\" \/>\n\t<meta property=\"og:image:height\" content=\"360\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data1\" content=\"10 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/\",\"name\":\"Sources de variation - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/variation9.png\",\"datePublished\":\"2026-08-20T07:25:38+00:00\",\"dateModified\":\"2026-08-20T08:06:16+00:00\",\"description\":\"L'analyse de la variance du multivari compare des facteurs crois\u00e9s : chaque r\u00e9glage de l'un se retrouve avec chaque r\u00e9glage de l'autre\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/variation9.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/variation9.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/sources-de-variation\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Sources de variation\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l&#039;industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Fonti di variazione - Ellistat","description":"L'analisi della varianza multivariata mette a confronto fattori incrociati: ogni impostazione di uno viene abbinata a ogni impostazione dell'altro","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/it\/guida-per-lutente\/fonti-di-variazione\/","og_locale":"it_IT","og_type":"article","og_title":"Sources de variation - Ellistat","og_description":"L'analyse de la variance du multivari compare des facteurs crois\u00e9s : chaque r\u00e9glage de l'un se retrouve avec chaque r\u00e9glage de l'autre","og_url":"https:\/\/ellistat.com\/it\/guida-per-lutente\/fonti-di-variazione\/","og_site_name":"Ellistat","article_modified_time":"2026-08-20T08:06:16+00:00","og_image":[{"width":628,"height":360,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Tempo di lettura stimato":"10 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/","url":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/","name":"Fonti di variazione - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png","datePublished":"2026-08-20T07:25:38+00:00","dateModified":"2026-08-20T08:06:16+00:00","description":"L'analisi della varianza multivariata mette a confronto fattori incrociati: ogni impostazione di uno viene abbinata a ogni impostazione dell'altro","breadcrumb":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/variation9.png"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/sources-de-variation\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Sources de variation"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"La suite della qualit\u00e0 per l'industria meccanica","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/guide-dutilisateur\/4804","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/media?parent=4804"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=4804"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}