大家在实际工作中经常遇到运用假设检验验证改善前后结果是否真的发生了提升，可能由于苛刻的实验条件，成本，时间，环境，检测具有破坏性等各种因素，现场实际能够提供的改善前后的数据样本非常少。如果检测的特性为非参数检验情况就更加困难，因非参数检验的检出力比参数检验方法稍小，非参数检验想要得到理想的结果样本需要反而得更多。这进一步加剧我们两者之间的矛盾。
那么有没有一种方法可以解决上面的疑难点问题呢？
有！它就是Tukey"s 图基检验，最初应用于谢宁DOE中用于验证质量改进的有效性。图基检验具有操作简单，一线员工也能即学即操作；不需要太复杂的统计学知识，区别于其他假设检验方法；需要的样本少，最少前后只需7个样本（前4样本，后3样本）；用于非参数检验，也同样适用于参数检验等优点。但它也有自身的局限性，检验的特性必须可以进行排序。
图基检验是一种只需要数数就能判断两过程是否发生变化的检验方法，特别适用于现场人员使用。在目前汽车行业有萎缩的背景下，图基检验可以降低试验成本，也可以快速得到结果。目前，质量行业内图基检验已经开始推广了，并且现场工程师等人员在判断两过程是否发生变化时，也特别喜欢使用它。
首先我们来了解两个基本定义
终结计数（EC: End Count）：简单理解可两列数据非重叠点的数量。
终结计数临界值（Critical End-Count Value）：在某特定风险容忍度下，判断两过程是否变化的变化的依据值。
Tukey检验的原理：计算终结计数，再查对终结计数的临界值，若所计算的终结计数值大于某一置信水平下的终结计数临界值，则认为在该置信水平下改善前和改善后的质量存在差异，否则不能确定在该置信水平下存在差异。
例如：来自两个过程流的随机独立数据，以风险容忍度5%为例（这是GB可以接受的最高风险值，也是对样本大小和风险水平较经济的折衷）。
原假设
：
,
是过程n的中位数, 通过计算非重叠的端点进行测量并判断两样本是否发生了变化。
假设来自两个过程流的分布重叠，并且任何非重叠点来自两个过程，N，n是为两过程的样本量，只需通过计算两个过程排序后非重叠点的数量，再对比终结计数临界值即可。
两过程样本量表
Tukey’s快速检验样本量和样本量差，基于5%风险水平和“CriticalEnd-CountValue ”>7非重叠点数
N-n
过程流,n
过程流,N
O
4to24
4to24
1
3to23
4to24
2
3to21
5to23
3
3to17
6to20
下面我们一起来做几个小练习：
可能大家通过了上述的练习后是不是想到如果是参数的检验并且端点有重复怎么办呢？排序是有2个相同的并且处于重叠点与非重叠点的交界处，那么我们将按照2-1个非重叠点进行计算。
如果风险容忍数不是5%，怎么办呢，别着急，我一次性全部分享给大家，以随时应对实战过程中遇到的各种情况。
通过本次的介绍，大家在实际工作中如遇到类似的情况，赶紧试一试吧，作为一个现场质量改进人员，我经常在现场改进的工作中运用它，并且效果相当不错。
质量小知识系列文章：
一文读懂卡诺模型
一文看懂质量管理五大工具和七大手法
【试验设计】试验设计原理及其七个步骤
幸存者偏差|人生路上处处都是坑！
警惕！数据有时也会忽悠你
【管理知识】 8个小故事，把质量管理讲透了！
