Kasutame R-iga kaasasolevat andmestikku sleep:

> str(sleep)
'data.frame': 20 obs. of 2 variables:
$ extra: num 0.7 -1.6 -0.2 -1.2 -0.1 3.4 3.7 0.8 0 2 ...
$ group: Factor w/ 2 levels "1","2": 1 1 1 1 1 1 1 1 1 1 ...

> t.test(extra~group,data=sleep)

Welch Two Sample t-test

data: extra by group
t = -1.8608, df = 17.776, p-value = 0.0794
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-3.3654832 0.2054832
sample estimates:
mean in group 1 mean in group 2
0.75 2.33

Olulisemad funktsiooni t.test argumendid on veel ühe- ja kahepoolse sisuka hüpoteesi vahel valida võimaldav alternative võimalike väärtustega "two.sided", "less", "greater" (vaikeväärtus on liithüpotees ehk "two.sided"), keskmistevaheline erinevus mu, mis vastab nullhüpoteesile (vaikeväärtus mu=0). Samuti saame valida, kas tegu on kordusmõõtmistega (argument paired vaikeväärtusega FALSE), kas dispersioonid on mõlemas grupi samad (argument var.equal vaikeväärtusega FALSE) ning millise olulisusnivoo korral soovime leida usaldusvahemiku keskmisele või keskmiste vahele (argument conf.level vaikeväärtusega 0.95).

Normaalsuse eelduse rikutuse korral on võimalik kasutada funktsiooni kruskal.test, mis viib läbi Kruskal-Wallise testi (eksisteerib ka spetsiaalselt ainult kahe grupi jaoks mõeldud (ja seega ühepoolset testi võimaldav) Mann-Whitney-Wilcoxoni test, mida saab kasutada funktsiooni wilcox.test vahendusel). Süntaks on väga lähedane eelnevalt kirjeldatule.

> kruskal.test(extra~group,data=sleep)

Kruskal-Wallis rank sum test

data: extra by group
Kruskal-Wallis chi-squared = 3.4378, df = 1, p-value = 0.06372

Lisaks eksiteerivad veel funktsionid pairwise.t.test ja pairwise.wilcox.test, mis võimaldavad läbi viia paariviisilisi võrdlusi enam kui kahe grupi vaatluste jaoks. Väljastatavad p-väärtused antakse pärast mitmese võrdluse korrektsiooni.