2つのベクトルが独立かどうかの検定を行う：

ベクトルが独立である場合， 値は一般に大きい：

ベクトルが従属している場合， 値は一般に小さい：

2つの行列が独立かどうかの検定を行う：

行列が従属している場合， 値は一般に小さい：

行列が独立である場合， 値は一般に大きい：

Automaticを使うと線形独立のための最強で適切な検定が適用される：

特性"AutomaticTest"を使ってどの検定を選ぶかを決めることができる：

独立性に関しての特定の検定を行う：

任意数の検定を同時に行うことができる：

このデータに適したすべての検定を同時に行う：

特性"AllTests"を使ってどの検定が行われたかを調べる：

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

抽出可能な特性：

HypothesisTestDataオブジェクトからいくつかの特性を抽出する：

"PearsonCorrelation"検定からの 値と検定統計量：

任意数の特性を同時に抽出する：

スペアマン(Spearman)順位検定からの 値と検定統計量：

選択した検定の結果を表にする：

適切な検定結果の完全な表：

選択した検定結果の表：

レポートをカスタマイズするために検定の表から項目を取り出す：

値は0.05より上なので，この水準で を棄却するに足る証拠はない：

ある検定あるいは検定群の 値を表にする：

表からの 値：

すべての適切な検定からの 値の表：

検定の下位集合からの 値の表：

ある検定あるいは検定群からの検定統計量をレポートする：

表からの検定統計量：

すべての適切な検定からの検定統計量の表：

デフォルトで，両側検定が行われる：

両側検定あるいは片側対立検定を行う：

両側検定：

2つの片側対立検定：

検定によってはもとから両側検定のものもある：

これは帰無分布の形による：

多変量ノンパラメトリック検定に使用するために最大反復回数を設定する：

この値を低くしすぎると収束に失敗する可能性があるが，時間は速くなる：

デフォルトで， 値は漸近的検定統計分布を使って計算される：

値は置換法を使って得ることができる：

使用する置換回数を設定する：

デフォルトで，回のランダムな置換が使われる：

ランダムな置換を生成するのに使うシードを設定する：

診断検定の有意水準を設定する：

デフォルトで0.05が使われる．2つの検定が行われたのでこのメッセージには0.025と示されている：

有意水準の設定によって自動的に選択される検定が変わることがある：

デフォルトではノンパラメトリック検定が選ばれていただろう：

有意水準は"TestConclusion"と"ShortTestConclusion"でも使われる：

デフォルトで，適切な場合には正規性の検定が行われる：

診断はAllあるいはNoneを使ってまとめて制御することができる：

すべての仮定を証明する：

仮定はチェックしない：

診断は別々に制御することができる：

正規性の検定を行う：

診断結果を明示的に設定する：

シミュレーションが目的の場合は診断検定をバイパスすると役に立つことがよくある：

検定の仮定は意図的に有効になっているので，時間が大幅に節約できる：

結果は等しい：