Нормальность распределения. Проверяется тестом Шапиро-Уилка (n < 5000) или Колмогорова-Смирнова. Для малых выборок (n < 30) надёжнее использовать непараметрические методы — они не требуют нормальности.

Тип данных. Параметрические тесты (t, ANOVA) работают с количественными данными. Для порядковых и категориальных — непараметрические и тесты на долях.

Зависимость выборок. «До/после», «парные измерения», «близнецы» — зависимые. Разные люди в разных группах — независимые.

Множественные сравнения. Если сравниваете 3+ групп попарно — нужна поправка (Бонферрони, Холма, Тьюки). Иначе растёт риск ложноположительного результата.

Этот инструмент — общий ориентир. Для сложных дизайнов (смешанные модели, повторные измерения, кластерные исследования) нужен отдельный разбор — пишите, помогу.