举例：
假设在制程采取改进措施前统计了某生产线上连续10个班的产品合格率分别为：89.7%，81.4%，84.5%，84.8%，87.3%，79.7%，85.1%，81.7%，83.7%，84.5%。制程采取改进措施后连续统计的10个班的产品合格率分别为：84.7%，86.1%，83.2%，91.9%，86.3%，79.3%，82.6%，89.1%，83.7%，88.%。初看起来，采取改进措施后平均产品合格率为85.54%，比采取改进措施前提高了1.3%（采取改进措施前平均产品合格率为84.24%）。那么到底采取改进措施之后是否有比较显著的改善效果呢？我们运用Tukey检验方法来做验证：
第一步：我们把制程采取改进措施前的合格率用A标记，采取改进措施后的合格率用B标记
第二步：将这20个数据按从小到大的顺序排序，得到如下结果：
第三步：计算终结计数。按Tukey理论，采取改进措施前后产品合格率若发生显著变化，则A，B两系列的数据就不会完全重叠，未重叠的数据个数即为终结计数。分别从顶端和底端计数未重叠的数据个数，称之为顶端终结计数和底端终结计数，两端终结计数之和即为总终结计数。若某一系列的数据区间被另一比对系列的数据区间全部包含，则总终结计数计为零（如本例所示）；若两系列的数据区间不存在一个系列完全包含另一个系列的状况，则计数方法为：从已合并排序的整个数据列的顶端第一个数据开始数起，一直数到序列标记变更为止，连续的同系列数据的个数为顶端终结计数；若在数据系列变更时，对应的两个数据相等，则变更时的那个数据按1/2计数。同理，从底端第一个数据开始数起，一直到序列标记变更为止，可得底端终结计数值。示例如下：
第四步：将所得的终结计数值与Tukey检验的某置信水平下终结计数的临界值比较，如果所得的终结计数值大于该临界值，则表明采取改进措施后，在该置信水平下可以认为产品合格率发生了变化。（下图中的显著水平针对的双边计数（Two-Sided），若单边计数(One-Sided)则对应的显著水平为图示的一半，即双边计数时显著水平5%对应的终结计数临界值与单边计数时显著水平为2.5%对应的终结计数临界值是一样的）
第五步：结论。终结计数EC=0，而根据上表可以看出，在95%的置信水平（也就是5%的显著水平）下，终结计数的临界值为7。所以在95%的置信水平下，不能认为采取措施后，产品合格率发生了显著变化。如果终结计数EC=8，则表明在95%的置信水平下，可以认为采取措施后，产品合格率发生了显著变化（改进有效果）。
现在我们用Minitab中的2样本t检验方法来做检验。示例中的第一种情形终结计数EC=0时，对应的t检验结果如下：
该检验的零假设是“采取改进措施前后产品合格率没有显著变化”。t检验的p值为39%，表明如果拒绝零假设，犯第一类错误的概率高达39%，因此不能拒绝零假设。也就是说，不能认为采取改进措施后，产品合格率发生了显著变化。从95%的置信区间包括0值来看，我们可以认为“产品合格率未发生显著变化”的结论其置信水平可达95%。
示例中的第二种情形下，t检验的结果如下：
此时，t检验的p值为1.7%，表明如果拒绝零假设，犯第一类错误的概率只有1.7%，因此能够拒绝零假设。也就是说，可以认为采取改进措施后，产品合格率发生了显著变化。从95%的置信区间不包括0值来看，我们可以认为“产品合格率发生显著变化”的结论其置信水平可达95%。
由此可见，t检验的结果与Tukey检验的结果是等效的，但Tukey检验不需要借助专门的统计软件就可以由一线操作工来完成。
