품질개선을 하면서 마주치게 되는 데이터의 유형(수/양적 혹은 질적)에 따른 사용되는 통계적인
방법들은 다음과 같이 나타낼 수 있으며, 결과(Y)가 질적 데이터이고 입력값(X)가 질적 데이터 인 경우에
카이제곱 검정을 사용할 수 있다.

예를 들어 다음과 같이 종업원별 입력내용 오류에 대한 데이터를 사용하여 카이제곱 검정으로
통계적인 유의차 분석을 해보자

낮은 P-Value(P-Value=0.042<0.05)는 종업원 세사람에 따라 실수하는 유형에 유의차가 있음을 보여준다.
그 다음으로 전체 카이제곱값에 미치는 주요 기여도에 대해 확인해 보자

■ 가장 기여도가 높은 유형 : 종업원 "김"의 "제품명" 실수의 카이제곱값이 3.79로 가장 높다.
   여기에 해당하는 값을 주의 깊게 살펴보면, 기대된 실수횟수(18.6)보다 실제 발생한 횟수는 27회로서
   아주 많음을 볼 수 있다. 이 기대값과 관측값의 차이로 인해 카이제곱값이 3.79로 계산되어 진 것이다.

■ 두 번째 기여도가 높은 유형 : 종업원 "이"의 "고객주소" 실수의 카이제곱값이 2.6645로 두 번째로 높다.
   마찬가지로, 기대된 실수횟수(8.30)보다 실제 발생한 횟수는 13회로서 상대적으로 많음을 볼 수 있다.
   이 기대값과 관측값의 차이로 인해 카이제곱값이 2.6645로 계산되어 졌다.