توزیع گاوسین معکوس، به طور عمده برای تجزیه و تحلیل داده های مثبت و چوله به راست مورد استفاده قرار می گیرد. روش های استنباطی مربوط به این توزیع، شباهت بسیاری با روش ها و نظریه های نرمال دارد و بر اساس توزیع های شناخته شده ی کای-دو، t و f است. در حالت خاص، روشی که برای مقایسه ی میانگین های گاوسین معکوس، زمانی که پارامترهای مقیاس یکسان هستند، به کار می رود بسیار مشابه روش آنالیز واریانس (anova) یک طرفه برای مقایسه ی میانگین های نرمال با واریانس های برابر می باشد که این روش را آنالیز معکوس ها (anore) می نامند. آزمون anore، تنها تحت فرض برابری پارامترهای مقیاس، معتبر است. برای آزمون برابری میانگین های گاوسین معکوس با پارامترهای مقیاس نابرابر، تیان (2006) با استفاده از مفاهیم متغیر آزمون تعمیم یافته و p - مقدار تعمیم یافته، روشی را معرفی نمود که برای حالتی که تعداد جوامع مورد بررسی زیاد باشد، نمی تواند نرخ خطای نوع اول را به خوبی کنترل نماید. ما در این رساله، آزمونی را که ما و تیان (2009) با به کارگیری روش بوت استراپ پارامتری ارائه دادند، مورد مطالعه قرار خواهیم داد. نتایج شبیه سازی نشان می دهد که این آزمون، بدون توجه به تعداد و اندازه ی نمونه ها، از دیدگاه نرخ خطای نوع اول، عملکرد خوبی دارد.