母集団の平均が0かどうか調べる：

完全な検定表：

2つの母集団の平均の差がかどうか調べる：

平均差分 ：

0.05レベルでは，は2と著しく異なる：

多変量母集団の位置を比較する：

平均差分ベクトル ：

0.05レベルでは，は {1,2}とそれほど違わない：

ある母集団の平均が等しいかどうかについて検定を行う：

最初の2つの母集団の平均は似ている：

3つ目の母集団の平均は1つ目のものと異なる：

光の通過速度の3つ目の一連の測定値は，1882年にニューコム(Newcomb)よって記録された．与えられた値を1000で割って24加えたものは，既知の距離を光が移動する時間（単位：100万分の1秒）を与える．現在のところ，真の値は33.02であると考えられている：

ショーブネ(Chauvenet)の基準を使って外れ値を識別する：

データの大部分について 検定を行うと，ニューコムの光速度の測定値は実際の値よりもかなり低いことが分かる：

2つの実験的なキャベツの栽培品種それぞれから30個のサンプルについてビタミンCの量と全体の重さを記録した：

全体の重さとビタミンCの量を栽培品種ごとにプロットする：

ビタミンCの量はc52の栽培品種においてかなり高い：

重さのデータはc52については正規分布に従わないので，MannWhitneyTestを使って軽いキャベツの方がずっと多くのビタミンCを含むことを示す：

アヤメの花の3つの種のそれぞれから50のサンプルが集められた．サンプルは，アヤメの萼片と花弁の長さと幅の測定値からなる．virginica および versicolor の種を区別することは難しい：

Hotelling 検定は，2つの似た種について測定値の違いを示す：

データを可視化すると，最も大きい違いは花弁の大きさであることが分かる：

一変量データについては，において検定統計はStudentTDistributionに従う：

多変量データについては，において検定統計はHotellingTSquareDistributionに従う：

自由度は一変量データについてはデータに依存する：

1サンプル：

等分散の2つのサンプル：

等しくない分散を持つ2つのサンプル（サタスウェイト(Satterthwaite)近似）：

使用される自由度のタイプはVerifyTestAssumptionsを使って制御できる：

等分散を明示的に仮定して，正規性についての検定を行う：

Satterthwaite近似を使うために明示的に不等分散を仮定する：

多変量データについては，Hotellingの 統計の計算に平方マハラノビス(Mahalanobis)距離が使われる：

においては，検定統計はHotellingTSquareDistribution[p,n-1]に従う：

母分散が既知である場合には，より強力なZTestを使うことができる：

ZTestはTTestよりも頻繁に を正しく退ける：

TTestは正規性からの少しの偏差に対して強固である：

値はそれでも通常通りに解釈することができる：

正規性からの大きい偏差には，中央値に基づく検定を使う必要がある：

値は，SignedRankTestについては通常通りに解釈することができるが，TTestについてはできない：

正規性のないデータの2つのサンプルの検定にはMannWhitneyTestを使う：

正規性のないデータにはMannWhitneyTestの方がTTestよりも強力であることがある：

TTestは，入力がTimeSeriesのときにのみ値に使うことができる：

TTestは，入力がTemporalDataのときはすべての値に使うことができる：

すべての値のみを検定する：

2つの経路の平均が等しいかどうかの検定を行う：

TTestは，データが正規分布に従うと仮定する：

正規性を仮定しない中央値に基づく検定を使う：

多変量データの共分散行列は可逆ではないことがある：

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：