Ensaios em um experimento são independentes se a probabilidade de cada resultado possível não mudar de um ensaio para outro. Por exemplo, se você jogar uma moeda cinquenta vezes, os lançamentos de moeda são tentativas independentes, porque o resultado de um lançamento (cara ou coroa) não afeta a probabilidade de conseguir um cara ou coroa no próximo lançamento.
No entanto, suponha que você tirar cartas uma de cada vez a partir de um baralho de cartas, sem colocar as cartas de volta no baralho. Sua chance de tirar um ás no primeiro sorteio é 4/52. Se você tirar um ás no primeiro sorteio, sua chance de tirar um ás no segundo sorteio muda de 4/52 para 3/51. Assim, os dois ensaios são dependentes, não independentes.
Em um caso de qualidade, se um analista de marketing faz verbalmente uma pergunta sim ou não a um grupo focal em uma sala, a resposta de cada pessoa pode ser afetada pelas respostas das outras pessoas que já tiverem respondido. Por isso o resultado dos ensaios (pergunta-resposta) é dependente e não independente.
O tipo de análise estatística que você utiliza para avaliar os dados poderiam depender se os ensaios são dependentes ou independentes. Por exemplo, ensaios independentes são um pressuposto importante para avaliar a capacidade do processo usando uma distribuição binomial, quando cada ensaio tem apenas dois resultados possíveis.
Suponha que uma empresa automotiva fabrica peças metálicas de precisão para turbinas a gás. Antes do transporte, os inspetores escolhem peças aleatoriamente e avaliam as suas dimensões utilizando um medidor laser. Com base nos resultados do medidor, eles aprovam ou não cada peça. Como cada decisão de aprovar ou reprovar uma peça é independente, eles podem fazer uma capacidade de processo com uma distribuição binomial para estimar se a porcentagem de peças defeituosas está dentro das especificações da empresa.