Statistički testovi koriste se da bi se utvrdilo ima li pretpostavljeni odnos između varijabli statističku značajnost. Test će obično izmjeriti stupanj u kojem varijable ili koreliraju ili se razlikuju. Parametarski testovi su oni koji se oslanjaju na središnje tendencije varijabli i pretpostavljaju normalnu raspodjelu. Neparametarski testovi ne daju pretpostavke o raspodjeli populacije.
T-test je parametarski test kojim se uspoređuju sredstva uključenih uzoraka i populacija. Postoji nekoliko vrsta t-testova. T-test s jednim uzorkom uspoređuje srednju vrijednost uzorka s pretpostavljenom sredinom. Nezavisni uzorak t-test proučava imaju li sredstva dva različita uzorka slične vrijednosti. Upareni uzorak t-test koristi se kada postoje dva opažanja za usporedbu za svakog ispitanika u uzorku. T-test namijenjen je numeričkim podacima koji imaju normalnu raspodjelu.
Redni podaci izvedeni su podaci koji opisuju relativne vrijednosti svake jedinice u uzorku. Na primjer, redoviti podaci o visini od 10 učenika u učionici bili bi jednostavno brojevi 1 do 10, pri čemu 1 može predstavljati najnižeg učenika, a 10 najvišeg student. Nijedan student ne bi imao istu vrijednost ako nije imao potpuno istu visinu. Mjere središnje tendencije su besmislene s rednim podacima.
T-testovi nisu prikladni za upotrebu s rednim podacima. Budući da redni podaci nemaju središnju tendenciju, oni također nemaju normalnu distribuciju. Vrijednosti rednih podataka ravnomjerno su raspoređene, a ne grupirane oko sredine. Zbog toga t-test rednih podataka ne bi imao statističko značenje.
Tri su testa statističke značajnosti koja su prikladna za upotrebu s rednim podacima. Korelacija reda i reda Spearmanova prikladna je za upotrebu kada su u pitanju samo dvije varijable, a njihov je odnos monoton, iako ne nužno linearan. U monotonim odnosima, kako se povećava prva varijabla, nema promjene smjera druge varijable. Kruskal-Wallisov test dizajniran je za slučajeve u kojima postoji više od dva uzorka, a podaci se obično ne distribuiraju. Slična je jednosmjernoj analizi varijance. Friedmanova analiza varijance prema rangu može se koristiti kada postoje tri ili više opažanja pojedine varijable u jednoj skupini.