卡方检验应用于两个率或两个构成比比较；多个率或多个构成比比较以及分类资料的相关分析等。 分类为独立样本卡方检验和配对样本卡方检验，独立样本卡方检验包括四格表卡方检验和行乘列卡方检验， 配对样本卡方检验分为四格表形式的配对资料卡方检验和R×R列联表卡方检验。
一、四格表卡方检验
四格表方法卡方检验是卡方检验中最常使用的方法。卡方检验基于卡方分布，是一种常用假设检验方法，它的H0：观察频数与理论频数没有差别。 该检验的基本思想是：如果H0假设成立，那么实际频数与理论频数应该比较接近。如果实际频数与理论频数相差较大， 超出了抽样误差所能解释的范围，可以认为H0假设不成立。相应地，P≤α，根据小概率原理，拒绝H0，否则没有理由拒绝H0。
1．基本公式
自由度df=(行数-1)(列数-1)
2．专用公式
N≥40 且T≥5
3．连续性矫正公式
N≥40 且1≤T＜5
4．n<40或T<1用Fisher精确检验，又叫确切概率检验
在计算小样本的P值时，不能根据卡方检验公式计算，可以使用Fisher精确检验直接计算出P值，Fihser精确检验只适用于计算小样本计数资料。
t检验主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布 ，用来比较两个平均数的差异是否显著。
一、t检验的应用条件
1、随机样本；
2、来自正态分布总体（小样本时）；
3、两独立样本比较时，要求两总体方差相等（方差齐性），单样本不需要方差齐性。
二、t检验的分类
1、单样本t检验
检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，
如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。
其中
自由度υ=n-1
F检验又叫联合假设检验、方差比率检验、方差齐性检验。F检验对于数据的正态性非常敏感，因此在检验方差齐性的时候，Levene检验, Bartlett检验或者Brown–Forsythe检验的稳健性都要优于F检验。 F检验还可以用于三组或者多组之间的均值比较，但是如果被检验的数据无法满足均是正态分布的条件时，该数据的稳健型会大打折扣，特别是当显著性水平比较低时。但是，如果数据符合正态分布，而且α值至少为0.05，该检验的稳健型还是相当可靠的。
其中
然后计算的F值与查表得到的F表值比较，F值越大，p值越小，如果
F < F表 表明两组数据没有显著差异；
F ≥ F表 表明两组数据存在显著差异。