利用簡單比較實驗探討顯著性檢定
改善人員在進行改善時，必須蒐集數據並分析判斷改善前後的平均水準差異是否大到足以推論實驗因子條件的改變可以產生顯著差異，並根據此結論以決定是否變更現況的條件。顯著性檢定便是經常使用來從數字中獲得有意義的資訊，進而協助改善人員作成重要結論的統計推論方法之一。 本文特別利用簡單比較實驗的個案，配合顯著性檢定進行的基本步驟，說明統計假設、顯著水準、檢定統計量和累積機率值﹙p值﹚等重要觀念與實務意義，以及顯著性檢定的推論結果可能面臨的兩種錯誤類型，同時提醒注意統計顯著性﹙statistical significance﹚與實務顯著性﹙practical significance﹚之間的區別。
裂區實驗設計﹙split-plot design﹚之實務運用
當工業實驗面臨特定實驗因子水準不易改變或受限於經濟效益之考量，通常無法進行完全隨機實驗﹙completely randomized experiment﹚，此時裂區實驗設計﹙split-plot design﹚就是可以考慮的另一種選擇。 近年來雖然有多位統計專家針對裂區實驗發表許多新的應用與解析手法，但在工業實驗方面仍然尚未受到應有的重視與了解，本文就先以簡單且典型的例子，也就是實驗配置中包含一個不容易變更水準的實驗因子和一個容易變更水準的實驗因子，來說明裂區實驗的本質以及如何正確的進行裂區實驗變異數分析﹙ANOVA﹚，才能同時確保裂區實驗設計的實驗成本優勢與準確的統計檢定結果。
修煉統計思維
所有工作都在系統中進行與完成，而系統則是由彼此相互關聯的流程所構成，以完成共同的目標。但是變異存在於所有的流程，因此認識與減少變異便成為成功的關鍵。統計思維就是根據上述的原則，協助組織在改善活動中，可以結合核心技術，採取正確的對策，有效的分配資源，達到最大的改善績效。因此具備統計思維，成為組織在競爭激烈的全球市場中，維持競爭優勢的必要條件之一。前言：在日益複雜與充滿競爭的全球市場中，生存不是容易的事，而要能維持競爭優勢的必要條件之一，就是要能提供符合顧客要求的產品和服務，也就是要有完善的品質。因為競爭的結果，顧客可以要求更好的產品和服務，創新與改善的速度便決定了市場的贏家與輸家。