Statistiske tests bruges til at bestemme, om et hypotetisk forhold mellem variabler har statistisk betydning. Typisk måler testen graden, i hvilken variablerne enten korrelerer eller adskiller sig. Parametriske tests er dem, der er afhængige af de centrale tendenser i variablerne og antager en normalfordeling. Ikke-parametriske tests antager ikke antagelser om befolkningsfordelingen.
T-testen er en parametrisk test, der sammenligner middelværdien af de involverede prøver og populationer. Der er flere varianter af t-tests. En en-prøve t-test sammenligner gennemsnittet af en prøve med et hypotetisk gennemsnit. En uafhængig t-test af prøver ser på, om midlerne til to forskellige prøver har lignende værdier. En parret prøve t-test bruges, når der er to observationer til sammenligning for hvert emne i prøven. T-testen er designet til numeriske data, der har en normalfordeling.
Ordinære data er afledte data, der beskriver de relative værdier for hver enhed i prøven. For eksempel ville ordinære data for højderne af 10 studerende i et klasseværelse simpelthen være tallene 1 til 10, hvor 1 måske repræsenterer den korteste studerende og 10 måske den højeste studerende. Ingen studerende ville have den samme værdi, medmindre de havde nøjagtig samme højde. Målinger af central tendens er meningsløse med ordinære data.
T-test er ikke passende at bruge sammen med ordinære data. Fordi ordinære data ikke har nogen central tendens, har de heller ingen normalfordeling. Værdierne af ordinære data er jævnt fordelt, ikke grupperet omkring et midtpunkt. På grund af dette ville en t-test af ordinaldata ikke have nogen statistisk betydning.
Der er tre tests med statistisk signifikans, der er passende at bruge sammen med ordinære data. Spearmans rangordnekorrelation er passende at bruge, når der kun er to variabler involveret, og deres forhold er monotont, men ikke nødvendigvis lineært. I monotone forhold, når den første variabel stiger, er der ingen ændring i retningen af den anden variabel. Kruskal-Wallis-testen er designet til tilfælde, hvor der er mere end to prøver, og dataene ikke normalt distribueres. Det svarer til en envejsanalyse af varians. Friedman-variansanalysen efter rang kan bruges, når der er tre eller flere observationer af en enkelt variabel i en enkelt gruppe.