Napjainkban egyre nagyobb és összetettebb adatbázisok elemzésére van szükség élettudományi kutatások során. Ezáltal egyre gyakrabban fordul elő olyan eset, amikor az egy változóhoz tartozó értékek nem függetlenek egymástól (pl. szisztematikus mérési különbség két kórház között, vagy követéses vizsgálatok esetén egy egyénhez tartozó ismételt mérések). Ebben az előadásban az utóbbi esettel fogunk foglalkozni. Ilyen adatok elemzésére jelenleg a leggyakrabban használt módszer a "mixed-effects models". A módszer igazából egy átlagra vonatkozó regresszió, amely figyelembe veszi az adatok speciális kovariancia struktúráját. A modell előnye, hogy egyénenként különböző számú méréseket is tud kezelni és azt sem követeli meg, hogy egyenlő időközönként történjenek a mérések. Hátránya viszont, hogy egy magyarázó változó hatásának vizsgálata esetén azt feltételezi, hogy a hatás a függő változó egész eloszlásán keresztül állandó. Wolfram Mathematica rendszerben fejlesztett interaktív példákat mutatunk arra, hogy ez a feltétel a való életben sokszor nem teljesül. A probléma megoldására bemutatjuk a "quantile mixed-effect" modellek alkalmazását, melyek jelenleg tudomásunk szerint csak az ingyenesen elérhető R szoftver lqmm programcsomagján keresztül érhetők el.