2つ以上の母集団の平均あるいは中央値がすべて等しいかどうかの検定を行う：

特性を繰り返し抽出するためにHypothesisTestDataオブジェクトを作る：

完全ブロック 検定を使って完全ブロック法の平均差の検定を行うことができる：

0.05レベルでの平均には有意差がある：

フリードマン順位検定を使って完全ブロック法で中央値の差を検定する：

少なくとも1つの中央値が他と著しく異なるようである：

母集団群が共通の位置を占めるかどうかの検定を行う：

最初のデータ集合群は，全く異なる位置を持つ母集団から引き出された：

2番目の群の母集団は，すべて似た位置を持つ：

2種類のカニの形態学的な寸法が2つの性のそれぞれについて取られた．さまざまな群において寸法が異なるかどうかを判断する：

カニの種類を無視すると，後部の幅のみが性別で異なる：

性と種類を同時に考慮に入れると，すべての寸法は有意的に異なる：

特定の薬で目標の体重減量を達成できなかった2型糖尿病の患者75人に対して，試験的研究が行われた．患者は，ランダムに3つの群（もとの薬を飲み続けた対照群，およびそれぞれ50mgと100mgの新しい薬を投与された2つの治療群）に分けられた．12週間における減量をポンドで記録した：

群の平均で有意的な差がある：

それぞれ対の差分の検定においてBonferroni修正を使うと，どちらの治療レベル群も対照群よりよい結果であるが，お互いにはあまり違いのないことが分かる：

6人の料理評論家が4軒のレストランの品質について100点満点で評価を行った．この評価に照らして，4件のレストランの品質に有意差が見られるかどうかを考える：

批評家ごとの点数の中央値の棒グラフ：

各レストランの中央値の棒グラフ：

ブロック化された構造を考慮に入れると，品質に有意差が認められる：

サンプルの 検定で返された 値は，2サンプルのTTestのそれに等しい：

クラスカル・ウォリス検定は2サンプルのマン-ホイットニー(Mann–Whitney)検定の サンプル拡張である：

マン-ホイットニーの 値は，連続性とタイについて修正される：

において サンプルの 検定の統計量は，g がデータ集合数，n が観察の合計数であるFRatioDistribution[g-1,n-g]に従う：

の下では，t 処理と g ブロックの完全ブロック 検定とフリードマンの順位検定統計量はFRatioDistribution[t-1,(g-1)(t-1)]に従う：

フリードマン統計を変換してChiSquareDistribution[g-1]に従うようにすることができる：

ChiSquareDistributionを使って 値を計算する：

Methodを"Asymptotic"に設定すると自動的にこの変換が行われる：

においてクラスカル・ウォリス検定の統計量は，g がデータ集合数である ChiSquareDistribution[g-1]に漸近的に従う：

デフォルトで検定統計量はFRatioDistribution[g-1,n-g]に従うように再スケールされる：

概念的に，合併分散と平均個別分散の間で比較が行われる：

より大きい合併分散は異なる平均を示唆する：

合併分散の個別分散に対する比：

LocationEquivalenceTestは事実上この割合がどのくらい1から離れているかを検出する：

および の検定統計量がLocationEquivalenceTestで使われる：

クラスカル・ウォリス統計は順位に基づく：

個のサンプルの 検定とクラスカル・ウォリス検定では，LinearModelFitを使って統計量を計算することができる：

設計行列：

サンプルの 検定：

クラスカル・ウォリス検定は同一であるが，順位を使う：

2つのデータ集合についてLocationTestを使う：

結果は等しい：

LocationTestはより複雑な仮説についての検定を行うこともできる：

位置の等価性検定は，入力がTimeSeriesのときはタイムスタンプを無視する：

位置の等価性に関する検定は，TemporalDataの経路構造を認識する：

直接値を使う：

すべての検定で，データは等しい分散を持たなければならない：

個のサンプルの 検定と完全ブロック 検定は，どちらもデータが正規分布に従わなければならない：

データが正規分布に従わない場合は，クラスカル・ウォリス検定またはフリードマン順位検定を使う必要がある：

フリードマン順位検定と完全ブロック 検定ではサンプルサイズが等しくなければならない：

帰無仮説 が真であるときの統計量を計算する：

特定の対立仮説による検定統計：

検定統計の分布を比較する：