Statisztikai teszteket használnak annak meghatározására, hogy a változók közötti feltételezett összefüggésnek van-e statisztikai szignifikanciája. A teszt általában azt méri, hogy a változók milyen mértékben korrelálnak vagy különböznek egymástól. A paraméteres tesztek azok, amelyek a változók központi tendenciáira támaszkodnak és normális eloszlást feltételeznek. A nem parametrikus tesztek nem tesznek feltételezéseket a populáció eloszlására vonatkozóan.
A t-teszt egy paraméteres teszt, amely összehasonlítja a minták és az érintett populációk átlagát. A t-teszteknek több fajtája van. Az egy mintás t-teszt összehasonlítja a minta átlagát egy feltételezett átlaggal. A független minták t-tesztje azt vizsgálja, hogy két különböző minta átlaga hasonló-e. Pármintás t-tesztet használunk, ha két megfigyelés van összehasonlítva a mintában szereplő egyes alanyok esetében. A t-tesztet normál eloszlású numerikus adatokra tervezték.
A rendes adatok olyan származtatott adatok, amelyek leírják a minta egyes egységeinek relatív értékeit. Például az osztálytermi 10 tanuló magasságának rendes adatai egyszerűen a számok lennének 1-től 10-ig, ahol 1 lehet a legrövidebb, 10 pedig a legmagasabb diák. Egyetlen diáknak sem lenne azonos értéke, hacsak nem lenne pontosan azonos magasságú. A központi tendencia mértékei értelmetlenek a sorszámadatokkal.
A T-teszteket nem célszerű rendes adatokkal együtt használni. Mivel a rendes adatoknak nincs központi tendenciájuk, nincs normális eloszlásuk sem. A rendes adatok értékei egyenletesen oszlanak el, nem csoportosítva középpont körül. Emiatt a sorszámadatok t-próbájának nincs statisztikai jelentése.
Három statisztikai szignifikancia-teszt alkalmazható, amelyeket a rendes adatokkal lehet használni. Spearman rang-sorrendje akkor megfelelő, ha csak két változó vesz részt, és kapcsolatuk monoton, bár nem feltétlenül lineáris. Monoton kapcsolatokban az első változó növekedésével a második változó irányában nincs változás. A Kruskal-Wallis tesztet olyan esetekre tervezték, ahol kettőnél több minta van, és az adatok általában nem oszlanak meg. Hasonló az egyirányú varianciaanalízishez. A rangmankénti varianciaanalízis Friedman-elemzése akkor használható, ha egyetlen változónak három vagy több megfigyelése van egy csoportban.