يستخدم هذا الإختبار في تحديد صحة فرضية أن النتائج (العينة) تأتي من توزيع احصائي طبيعي لتعداد النتائج (Population) له نفس العوامل الإحصائية (كالقيمة المتوسطة و معامل الإنحراف المعياري) المستنتجة من النتائج. أي بمعنى أخر، أن النتائج تمثل الى حد كبير نتائج التعداد الكلي (Population).

يتم قياس صحة فرضية الإختبار عن طريق (p-value)، فكلما اقتربت من الواحد الصحيح كان هذا دليلاً على عدم وجود أدلة كافية ضد الفرضية الأساسية للإختبار (null hypothesis).

يستخدم هذا الإختبار لتحديد ما إذا كانت النتائج من نفس التوزيع الإحصائي الطبيعي أم لا. و مع ذلك، فإنه يمكن اختبار أي توزيع إحصائي أخر بخلاف التوزيع الإحصائي الطبيعي حتى وإن كانت جميع عوامل الموقع الإحصائية غير معرفة.

هذا الاختبار هو الأكثر شهرة في الاستخدام لاختبار التوزيع الإحصائي للنتائج. يعتمد الاختبار على قياس الفروق بين الدوال الإحصائية المفروضة والدوال الإحصائية الحقيقية للنتائج وتحديد ما إذا كانت الفروق مؤثرة إحصائيا أم لا.

يتم قياس صحة فرضية الإختبار عن طريق (p-value)، فكلما اقتربت من الواحد الصحيح كان هذا دليلا على عدم وجود أدلة كافية ضد الفرضية الأساسية للإختبار (null hypothesis).

هذا الاختبار شبيه باختبار مصفوفة بيرسون لتعيين معامل الإرتباط الخطي الا أنه في هذا الاختبار يستخدم مع النتائج الرتبية كما أنه لا يستلزم أن يكون معدل التغير بين المتغيرات ثابت كما هو الحال في مصفوفة بيرسون. على الرغم من ذلك، فإنه من الأفضل استخدام الاختبارين في فحص النتائج بشكل عام.

يستخدم هذا الإختبار لتعيين معامل الإرتباط الخطي بين أكثر من متغير، حيث يتم وضع النتائج على هيئة مصفوفة بحيث كل عمود فيها يمثل متغير. يكون ناتج مصفوفة كيندال عبارة عن مصفوفة أيضًا بحجم (n×n) حيث (n) هو عدد المتغيرات، حيث تكون القيمة الموجودة مثلا في الصف الثالث – العمود الثاني هي تعبير عن قوة الإرتباط بين المتغير الثاني والثالث و هكذا كما هو موضح بالشكل.

يستخدم هذا الإختبار لتعيين قوة الترابط بين المتغيرات وتحديد ما إذا كان هذا الترابط مؤثر أم لا، حيث يتم وضع النتائج على هيئة مصفوفة بحيث كل عمود فيها يمثل متغير.

يكون ناتج مصفوفة كيندال عبارة عن مصفوفة أيضًا بحجم (n×n) حيث (n) هو عدد المتغيرات، حيث تكون القيمة الموجودة مثلاً في الصف الثالث – العمود الثاني هي تعبير عن قوة الإرتباط بين المتغير الثاني والثالث و هكذا كما هو موضح بالشكل.

يفضل استخدام هذا الإختبار قبل اختبار الإنحدار الخطي، حيث أنه في هذا الإختبار يتم تقييم مدى تطابق المعادلة الرياضية الخطية مع النتائج المعملية.

ويكون ناتج هذا الإختبار هو معامل الإرتباط الخطي (R or ρ) والذي تتراوتح قيمته مابين الصفر و الواحد. فكلما اقتربت قيمة معامل الإرتباط الخطي من الواحد الصحيح، كان هذا دليلاً على قوة العلاقة الخطية بين المتغيرين.

ومن نتائج هذا الاختبار أيضًا قيمة احتمالية صواب الفرضية (p-value) على اعتبار أن الفرض الأساسي هو عدم وجود علاقة خطية بين المتغيرين. وبالتالي، فكلما اقتربت القيمة من الصفر الصحيح كان هذا دليلاً على قوة العلاقة الخطية بين المتغيرين كما هو موضح بالشكل.

هذا التحليل مماثل تمامًا لتحليل الإنحدار الخطي إلا أن العلاقة بين المتغير المستقل والمتغير التابع غير خطية.

في هذا التحليل يتم تحديد العلاقة الرياضية (الغير خطية) وعدد العوامل فيها والقيم الإبتدائية لكل عامل. يهدف الاختبار الى التوفيق بين النموذج الرياضي و النتائج المعملية لتحديد قيم العوامل و بيان مدى تطابق النموذج الرياضي مع النتائج المعملية من خلال معامل الإرتباط. وبالتالي، يمكن استخدام النموذج الرياضي في التنبأ بالقيم المعملية المراد حسابها.

الهدف من هذا الإختبار هو وصف تأثير متغيرين مستقلين على المتغير التابع،كدراسة تأثير كلاً من وزن السيارة وقوة المحرك على عدد الأميال التي يمكن أن تقطعها السيارة. وبالتالي، فإنه من الرسم يتضح أنه كلما زاد قوة المحرك وقل وزن السيارة، زادت عدد الأميال التي يمكن أن تقطعها نفس السيارة في نفس المدة الزمنية.

يستخدم هذا الإختبار لتحديد ما إذا كانت مجموعات النتائج من نفس التوزيع الإحصائي عن طريق القيمة الوسطى (median) لكل مجموعة.

ما يميز هذا الإختبار أنه لا يفترض أن النتائج لها توزيع إحصائي طبيعي حيث أنه غالبا مايقاس التشتت في التوزيع إما عن طريق التباين (variance) أو الإنحراف المعياري (Standard deviation) في حين أن هذا الإختبار يمكن تطبيقه على نتائج غير محددة التباين. ولكن، على الجانب الأخر، فإن الإختبار يفترض أن مجموعتين النتائج لهما نفس القيمة الوسطى (median) و أن النتائج لها قيم مستمرة (continuous). لذلك، إذا كانت النتائج ليس لها نفس القيمة الوسطى، فإن نتيجة هذا الاختبار ستكون غير دقيقة. و لكن في هذه الحالة يمكن أيضا تطبيق الاختبار على النتائج بعد طرح القيمة الوسطى لكل مجموعة من النتائج.

الفرض الأساسي في هذا الإختبار (null hypothesis) أن التوزيع الإحصائي لمجموعات النتائج متماثل.

يتم قياس صحة فرضية الإختبار عن طريق (p-value)، فكلما اقتربت من الواحد الصحيح كان هذا دليلا على عدم وجود أدلة كافية ضد الفرضية الأساسية للإختبار (null hypothesis).