회귀편집
데이터세트에서 일반적인 값의 차이는 특정 설명 변수를 사용하여 회귀 모델을 구성하여 일반적인 값의 변화를 알려진 수량과 관련시킴으로써 초기에 처리 될 수 있습니다. 그런 다음 회귀 분석에서 예측의 오류가 데이터 집합에서 동일한 방식으로 동작하는지 여부를 검사하는 분석의 이후 단계가 있어야 합니다. 따라서 질문은 설명 변수가 변경됨에 따라 잔차 분포의 동질성 중 하나가됩니다. 회귀 분석을 참조하십시오.
시간 시리즈편집
시계열 분석의 초기 단계는 일련의 동질성을 다양한 방식으로 조사하기 위해 시간에 대한 값을 플로팅하는 것을 포함 할 수 있습니다:추세와 반대로 시간에 걸친 안정성;시간에 따른 지역 변동의 안정성.
사이트 간 정보 결합편집
수문학에서는 연간 최대 하천 흐름의 연간 가치로 구성된 여러 사이트의 데이터 시리즈를 분석합니다. 일반적인 모델은 이러한 값의 분포가 단순 배율 인자를 제외한 모든 사이트에서 동일하므로 위치와 배율이 간단한 방식으로 연결된다는 것입니다. 그런 다음 확장 된 값의 분포 사이트에서 동질성을 검사하는 질문이있을 수 있습니다.
정보 소스 결합기상학에서,기상 데이터 세트는 수년간의 기록을 통해 수집되며,이 일환으로 특정 역에서의 측정은 때때로 중단 될 수 있으며,동시에 가까운 위치에서 측정이 시작될 수 있습니다. 그런 다음 레코드가 결합되어보다 긴 단일 레코드 집합을 형성하는지 여부에 대한 질문이 있습니다.이 레코드는 시간이 지남에 따라 균질 한 것으로 간주 될 수 있습니다. 풍속 및 방향 데이터의 동질성 테스트의 예는 다음과 같습니다., 2015.
인구 내 동질성편집
단순 인구 조사는 전체 인구 전체에 걸쳐 반응이 동질적이라는 생각에서 시작될 수 있습니다. 인구의 동질성을 평가하는 것은 특정 식별 가능한 하위 집단의 반응이 다른 집단의 반응과 다른지 여부를 확인하는 것을 포함합니다. 예를 들어,자동차 소유자는 비 자동차 소유자와 다를 수 있거나 다른 연령 그룹간에 차이가있을 수 있습니다.