در نظریه احتمالات و آمار واریانس یا پراش نوعی سنجش پراکندگی است.
مقدار واریانس با میانگین‌گیری از مربع فاصله مقدار محتمل و یا مشاهده شده با مقدار مورد انتظار محاسبه می‌شود. در مقایسه با میانگین می‌توان گفت که میانگین مکان توزیع را نشان می‌دهد، در حالی که واریانس مقیاسی است که نشان می‌دهد که داده‌ها حول میانگین چگونه پخش شده‌اند. واریانس کمتر بدین معنا است که انتظار می‌رود که اگر نمونه‌ای از توزیع مزبور انتخاب شود مقدار آن به میانگین نزدیک باشد. یکای واریانس مربع یکای کمیت اولیه می‌باشد. ریشه دوم واریانس که انحراف معیار نامیده می‌شود دارای واحدی یکسان با متغیر اولیه است.
واریانس جمعیت و واریانس نمونه
میانگین
چولگی
کشیدگی (کورتزیس)
واریانس در آمار استنباطی
پژوهش‌های روان شناسی و سایر علوم رفتاری کسب اطلاعات در باره گروههای کوچک غالبا هدف پژوهشگر نیست، بلکه او علاقمند است که از طریق یافته‌های این گروه کوچک ، اطلاعات لازم را در باره جامعه‌ای که این گروه کوچک را از آن انتخاب کرده است، کسب کند. به عبارت دیگر در این پژوهش‌ها هدف پژوهشگر تعمیم نتایج بدست آمده از یک گروه کوچک به یک جامعه بزرگتر می‌باشد. این تعمیم مستلزم آن است که پژوهشگر از روش‌های آماری پیشرفته تری تحت عنوان آمار استنباطی (Inferential Statistics) استفاده نماید.
روش آمار استنباطی واریانس
برآورد
روش‌های آمار استنباطی به منظور برآورد پارامترهای جامعه (میانگین جامعه) از طریق نمونه گیری علمی از جامعه مورد نظر بکار می‌رود. برای مثال اگر از جامعه‌ای نمونه انتخاب کنیم و میانگین این نمونه را به منظور برآورد میانگین جامعه محاسبه کنیم، در واقع یک برآورد یا پیش بینی در باره میانگین جامعه از طریق نمونه انتخابی انجام داده‌ایم. آمار برآوردی دارای ارزش است که بدون سوگیری (Unbiased) ، با ثبات (Consistent) ، کارا (Efficient) و مکفی (Sufficent) باشد.
آزمون فرض
فرضیه آماری نقطه آغاز آزمون فرض است. فرضیه آماری یک بیان مقداری در باره پارامترهای جامعه است و اصولا بدون داشتن فرضیه آماری امکان انجام یک آزمون دشوار است. فرضیه آماری به دو دسته فرض صفر (H0) و فرض خلاف (HA) بیان می‌شود.
آزمون‌های آمار استنباطی
آزمون‌های آماری مورد استفاده جهت تجزیه و تحلیل اطلاعات بدست آمده از یک گروه کوچک (نمونه) و تعمیم آن به جامعه مورد نظر با توجه به مقیاس اندازه گیری متغیرها به دو گروه پارامتری و ناپارامتری تقسیم می‌شوند. آزمون‌های پارامتری به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله‌ای و نسبی می‌پردازند که حداقل شاخص آماری آنها میانگین (Mean) و واریانس (Variance) است. در حالیکه آزمون‌های نا پارامتری به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه‌ای می‌پردازند که شاخص آماری آنها میانه (Median) و نما (Mode) است.
آزمون‌های پارامتری آمار استنباطی در واریانس
آزمون t
آزمون t ، توزیع یا در حقیقت خانواده‌ای از توزیعها است که با استفاده از آنها فرضیه‌هایی را در باره نمونه در شرایط جامعه ناشناخته است، آزمون میکنیم. اهمیت این آزمون (توزیع) در آن است که پژوهشگر را قادر می‌سازد با نمونه‌های کوچکتر (حداقل 2 نفر) اطلاعاتی در باره جامعه بدست آورد. آزمون t شامل خانواده‌ای از توزیعها است (برخلاف آزمون z) و اینگونه فرض می‌کند، که هر نمونه‌ای دارای توزیع مخصوص به خود است، که شکل این توزیع از طریق محاسبه درجات آزادی (Degrees of Freedom) مشخص می‌شود. به عبارت دیگر توزیع t تابع درجات آزادی است و هر چه درجات آزادی (d.F) افزایش پیدا کند به توزیع طبیعی نزدیکتر می‌شود. هرچه درجات آزادی کاهش یابد، پراکندگی بیشتر می‌شود. خود درجات آزادی نیز تابعی از اندازه نمونه انتخابی هستند. هر چه تعداد نمونه بیشتر باشد بهتر است. از آزمون t می‌توان برای تجزیه و تحلیل میانگین در پژوهش‌های تک متغیری یک گروهی و دو گروهی و چند متغیری دو گروهی استفاده کرد.
آزمون تحلیل واریانس
مواقعی که پژوهشگری بخواهد بیش از دو میانگین (بیش از دو نمونه) را مقایسه کند، باید از تحلیل واریانس استفاده کند. تحلیل واریانس یک روش فراگیرنده تر از آزمون t است و برخی پژوهشگران حتی وقتی مقایسه میانگین‌های دو نمونه مورد نظر است از این روش استفاه می‌کنند. طرح‌های متنوعی برای تحلیل واریانس وجود دارد و هر یک تحلیل آماری خاص خودش را طلب می‌کند. از جمله این طرح‌ها می‌توان به تحلیل یک عاملی واریانس (تحلیل یک طرفه) و تحلیل عاملی متقاطع واریانس ، تحلیل واریانس چند متغیری ، تحلیل کوواریانس یک متغیری و چند متغیری و …. اشاره کرد