가설검정은 모집단의 여러 모수를 평가하기 위해 사용할 수 있다.
각 검정은 특정 데이터 유형과 연관된 모수를 평가하기 위해 설계되어 있어서 데이터 유형 간의
차이 및 각 데이터 유형과 연관된 모수를 알면 가장 적절한 검정을 선택하는 데 도움이 된다.
 
 

 

평균, 중위수, 표준편차 또는 분산을 평가하는 경우 연속형 데이터를 사용한다.
길이, 무게, 온도 등 부품 또는 공정의 특징을 측정하는 경우 일반적으로 연속형 데이터를 얻으며,
연속형 데이터에는 분수 또는 소수값도 포함된다. 예를 들어, 어떤 생산공정의 품질관리 담당자가
생산중인 시리얼 박스의 평균 무게가 포장지에 표시된 값(500g)과 다른지 여부를 확인하려고 한다.
이 담당자는 시리얼 박스를 샘플로 추출하고 무게를 측정하여 연속형 데이터를 구할 수 있다.
 
 

 

비율 또는 백분율을 평가하는 경우 이항 데이터를 사용한다.
품목, 사건, 사람을 두 가지 범주 중에서 하나의 범주로 분류하는 경우 이항 데이터를 얻으며,
주로 사용하는 두 범주는 예/아니오, 합격/불합격 또는 불량/양호와 같이 서로 배타적인
범주를 사용한다. 예를 들어, 엔지니어들이 볼트를 검사하고 볼트에 심각한 크랙이나 손상이 있는지
확인하여 각 표본에 대해 검사한 볼트 수와 기각된 볼트 수를 기록하고 볼트의 불량률이 0.2%보다
작은지 여부를 확인하여 이산형 데이터를 구할 수 있다.
 
 

 

발생률을 평가하는 경우 포아송 데이터를 사용한다.
일정 시간, 영역, 기타 관측 기간에 걸쳐 특징, 결과, 활동 등의 발생여부를 카운트하는 경우
포아송 데이터를 얻으며, 포아송 데이터는 평가하려는 대상의 단위 크기가 동일한 상태에서 단위당
카운트로 평가한다. 예를 들어, 한 버스 회사의 검사자가 30일간 매일 버스 고장의 횟수를 세어서
일별 버스 고장률을 확인하여 포아송 데이터를 구할 수 있다.
가설검정을 위해 수집할 데이터 유형을 선택할 수 있는 경우 연속형 데이터를 수집하는 것이 좋다.
연속형 데이터는 보다 자세한 정보를 제공하며 검정력을 높일 수 있다.