ðANOVA（ANalysisOfVariance）：变异数分析。一比较两个或以上的群体之间平均值的差异程度,作为相关性辨别的方法。
ðBalancedDesign：设计在每组试验中有相同的实验单位。
ðBB（BlackBelt）：黑带。
ðBlackBeltCertification：黑带认证。完成两个符合条件的项目后取得的认证。
ðBlock：一群具有同构型的实验单位。
ðBlocking：一个试验在既定的顺序或条件下完成。任何有妨碍的因子并不会影响真正的结果或重要性。
ðCapability：能力，达成目标的过程中能维持下去的能力。
ðCause&EffectDiagrams：因果关系图。能表达出一个结果及可能的原因两者关系的图表。
ðCenterPoints：以所有因子的最高及最低点的中点值来执行的实验。只能用在计量的数据。
ðCI（ConfidenceInterval）：信赖区间。响应的数值能真实代表母体，使人信赖的百分比程度。
ðConfoundedEffects：不能被独立预测出的令人困惑的结果。
ðConfounding：一个或多个结果，无法明确的归因于某个因素或相互间的影响。
ðControlChart：控制图。用来辨识一个控制下的操作过程的方法（在既定的统计范畴内）。
ðCp（ProcessCapability）：衡量过程能力的指数Cp=公差(Tolerance)/6s。
ðCpk：PerformanceCapabilityIndex–Cpk=(USL–mean)或(mean-LSL)的最小值除以3s。
ðCRD（CompletelyRandomizedDesign）：完全随机设计。在各种程度下，研究某个重要的因子，而实验以完全随机的顺序来执行，使不可控制的变因最小化。
ðCTQFlowdown：以非常严谨的方法分配需求，并评估比关键性的产品及其部门的能力。
ðCTQ（CriticalToQuality）：关键品质参数。
ðDefect：一个用来衡量既定标准的参数，却无法符合其标准。
ðDefective（Part）：某个被用来衡量既定标准的部分，无法符合该标准的任何条件。单一的缺陷部分可能包含数个缺陷(defects)。
ðDegreesofFreedom：自由度，分析变异数的一个数值。相当一个独立于用来预测变量的信息个数。
ðDegreesofFreedomforError：一个数值，用来分析变异数以预测过程中的干扰度。未对过程的干扰度加以预测，而决定何者是重要的变量及其影响程度，都是无效的。一个大约的衡量准则是，5的误差的自由度为极小值，相当于至少六次的重复。
ðDOA（DeadonArrival）：客户接收时无法运作的产品。
ðDOE（DesignofExperiments）：实验设计;一群母体中的任何一项用来了解高度分配的因子。通常和因子设计有关。
ðDPMO（DefectsPerMillionOpportunities）：发现的缺陷个数除以(单位数乘每单位的机率)，乘以一百万。
ðDPPM（DefectivePartsPerMillion)：外部的阐述,─缺陷单位个数除以总单位数，乘以一百万。在Cpk的基础下。
ðDPU（DefectsPerUnit）：发现的缺陷个数除以实际衡量的单位数。
ðDuncan’sMethod：邓肯法。一种统计方法，用以决定改变结果的因素其程度。
ðEffect：当一个因素的水准由低变为高时，对结果产生的平均变化。
ðError：误差。过程中的固有变量。当其它变量保持不变时，结果产生的差异。（见noise）。
ðEstimate：在既定的水准及考量过程中所有因素的影响下，对某结果的预测。（见prediction）。
ðEVOP（EVolutionayOPeration）：渐进式操作。持续进行所设计的试验而不影响其效率的一种方式。
ðEWMA（ExponentiallyWeightedMovingAverage）：指数加权移动平均。一个控制曲线法，利用历史数据的指数加权值最小值。
ðExperimentalRegion：实验范围。所有可能的因素组合产生可能的实验。亦称做“要素空间”(FactorSpace)。
ðExperimentalUnit：实验中被发现及用来衡量的单位。亦称做“分析单位”(unitofanalysis)。
ðFTest：一项统计检定，用来决定两变量间是否有差异存在。
ðFactor：在实验中能改变的投入要素，因子。可能以质（例如：附加的种类）或量（例如：温度、气压）表示。
ðFactor,Fixed：如果要素的水准明确的被指定，则此要素称做固定的。结论只能以此要素来推论。结果具重要性。
ðFactor,Monitored：一项因素（通常是不可控制的，因此不能视为固定的。）在实验过程中发现，且与部分无法解释的变异相关联。
ðFactor,Nuisance：妨害的因子。一项已知会在过程中制造差异的因素﹔并无要求调查这项因子，但亦不可使此因子影响其它重要变因产生的结果。（见blocking）。
ðFactor,Random：如果要素的水准是随机自母体值中选取时，则此因子称做“随机的”。变异的组成要素具重要性。
ðFixedEffectsFactor：有选择地挑选出某水准下的因子。例如，以400度、450度、500度来做为研究气温的结果。（与做RandomEffectsFactor比较。）
ðFractional2kDesigns：所有的要素都在低水准及高水平下做测试。
ðFractional3kDesigns：所有的要素都在三种水准下测试：低、中、高。
ðFractionalFactorialExperiment：部分因子试验。DOE的集合，只部分探究数个变量中的两种水准。用来遮蔽住许多琐碎的变量，而集中焦点于主要控制过程的少而重要的变量。
ðFullFactorialExperiment：全部因子试验。DOE的集体，探究数个变量中的两种水准，并可取得对主要及相互影响的结果之了解。
ðGageR&R（GageRepeatabilityandReproducibility）：某分配的所有变异百分比的分析，此分配可归因于衡量系统中的变异。
ðGageRepeatability：当操纵者利用相同的gage衡量此明显的特性时，可得到相同的变异。
ðGageReproducibility：当衡量相同部分的特性时，由不同的操作者以相同的gage衡量其平均变异。
ðGenerator：一个用来创造部分因子设计的相互影响作用。
ðGLM（GeneralLinearModel）：一个ANOVA的形式，可允许实验设计中些许程度的不平衡。
ðHALT─HighlyAcceleratedLifeTesting：为达可靠的设计所用的数种方法中的一种。其概念为测试某产品致其极端（失败）条件，找出失败的根本原因，改善设计，并重复程序。
ðHistogramv：长条图。表示所搜集资料分布情形的条状图。
ðHypothesis：前提，假说。一项利用统计方法来测试的声明。此假设可能被拒绝，或因无够充分的证据而被拒绝。
ðInteraction：在某情况下，一项因子对某结果影响的水准不同于第二项因子的不同水准。有双向相互影响，三向相互影响等。
ðIX-MR：IndividualXandMovingRange─一个有连续数据点的控制曲线，并有点之间的等级图表。
ðKutosis：峰度。是描述某变量所有取值分布形态陡缓程度的统计量。峰度为0表示其数据分布与正态分布的陡缓程度相同；大于0表示比正态分布高峰更加陡峭，为尖顶峰。
ðLevel：某因子的数值或设定。可以是质（如：附加A和附加B）或量（如：1000磅平方英吋，2000平方英吋）。
ðLSD（LatinSquareDesign）：一种实验设计，研究其中的一项重要变因，并排除两项干扰因素。
ðMainEffect：当一项因子由低水准改变至高水准时，其对结果的改变。
ðMBB（MasterBlackBelt）：6σ的训练师和顾问师。
ðMean：衡量一项变数的中间趋势。原点的第一项要素。
ðMeanSquare：在ANOVA表中的某栏，代表由不同来源的变因导致结果的差异。
ðMeanSquareError：在ANOVA表中的某项，代表所有因子在给定的水准下，结果所产生的差异。预测由于干扰（误差）对结果产生的差异。
ðMinitab：目前许多人所选择的统计分析应用软件。
ðMultipleComparisonProcedure：一种用来决定因子在何种水准下导致结果改变的统计方法。例如：Fisher法、Duncan法、Scheffe法。
ðMulti-VariAnalysis：一种图解法，将过程中的变化来源拆解为他们基本的组成成分。这种技巧用于初步移除多而琐碎的因子，并准备替代的因子作为设计的实验。
ðMultivariateStatisticalMethods：统计工具，用来分析一组变量以决定他们对数种结果的影响。包括一组多样的统计工具，例如回归、成分法则、因子分析、群组、分别分析。
ðNestedDesign：一项实验设计，其中一种因子因其它变量而设定多种水准。例如：不同厂商提供不同批次。附加物的不同水准等。
ðNoise：一过程中固有的变因。代表当不改变任何因素时，结果的改变。
ðNormalDistribution：常态分配，一种钟状的机率曲线，描述许多自然的过程。当情况一再重复且平均发生时。
ðNormalProbabilityPlot：一种图标法，用来研究样本是否来自一个常态分配的母体。通常用来检验利用ANOVA的正确性。
ðOne-WayANOVA：分析单项因素在不同水准下所生的变异。（见ANOVA）。
ðOptimization：从过程中找出最希望的结果下，其因子和水准的组合。
ðParetoChart：以一般公制单位（次数、元额、时间等）表示事件的条状图。
ðPlackett-BurmanDesign：一种设计的实验，用来筛选样本需要的最小量。通常只调查主要的影响，而不预测相互间的影响。
ðPointEstimate：点估计值。判断某种预言或预定的响应的最好单一值，应该与信心和/或预言同时使用。
ðPre-control：预先控制。当流程开始时，建立统计上合理可能性的优势的一种方法。
ðPredictionInterval：预言距离。反应值的信赖百分比范围就是未来观察值会落在的范围内。
ðPrediction：预言。用于所有已知因素的一套标准的最佳评估响应。
ðProcessDemographics：人口统计数据流。产生响应的时候期间各种因素条件/状态的清单。这些帮助我们理解过程的范围也许可排除问题。
ðRandomEffectsFactor：随机影响因素。随意地从可定义母体选择层次的一个因素。举例来说，从五批生产量中任意选择一批调查其影响(固定影响因素的比较).
ðRandomization：随机选择。实验这行中将次序混合完全实用。
ðRandomizedBlockDesign：集区随机实验。调查兴趣的因素及一个令人讨厌的事物因素其相对阻塞的实验。
ðRepetition：再现性。在一个处理结合上执行几个实验单元。与复制形成对比。
ðReplication：重复性。反复的执行一些相同的实验情况；提供了制程中噪音的评估。
ðResiduals：残余。在既定的因素情况下，观察的反应和预定的反应之间的差异。用于模型证实和过程的调查。
ðResolution：解答。部分因子设计的描述，提供因素间相互影响的程度。
ðResponse：反应。实验期间量测过的制程输出。
ðRSM（ResponseSurfaceMethodology）：反应曲面法。实验设计中一门检查和理解这些极少的曲率。子集包括中央合成设计在星星或者面上的点。
ðR-Square：判定系数。在反应中变异百分比由控制的因素来解释。
ðRun：一套过程条件由规定实验方面所有因素的层次定义。同样,叫作处理结合。
ðRunchart：经营图表。提供一些统计分析能力和机率资料的连续时间序列图。
ðScatterPlot：散布图表。显示两个变异数间关系的图表(dotplot)。
ðSCN（SupplierChangeNotice）：供货商变革通知。要求改变一个购买部分的讯息装置，由供货商对企业开始,或是企业对供货商开始。
ðScreeningExperiment：筛选实验。用来描述一过程的技术(通常为因素标准的变化呈现反应中的线性变化)(与RSM作比较).
ðSigma：标准差。使用具有一套变异数数据的统计计算。其值为变异数的平方根。
ðSignaltoNoiseRatio：讯号噪声比。当因素标准中没有变化时，由于改变与可变性相关的因素标准取决于反应中的可变性的一个比例。
ðSkewness：偏度。描述某变量取值分布对称性的统计量，能够影响使用ANOVA的有效性。偏度为0表示其数据分布形态与正态分布偏度相同；大于0表示为正偏或右偏，即有一条长尾巴拖在右边。
ðSPC（StatisticalProcessControl）：统计流程管理。–对希望的状态在修正以后，使用安定性最好的监控流程
ðTrivialMany：锁碎多数。长期被认为在流程上会有影响的因素，但实际上说明了成果上很少的差异。
ðT-Test：正常的母体下，样本平均数的统计比较。
ðTwo-WayANOVA：双因子变异数分析。为以若干标准调查两个原素的变异数分析。
ðTwo-wayInteractionPlot：双因子互动图。一个因素的平均数反应的散布图(纵轴)就像一个因素(横轴)和第二个因素的每一个标准的平均反应由线所连接出来。
ðTypeIError：没事却误判为有事的错误。其组合机率称为a。
ðTypeIIError：确实不同，却误判为相同。其组合机率称为b。
ðUCLorLCL：管制的上、下限–管制图表的统计范围。
ðUnbalancedDesign：不平衡设计。每一个处理结合中实验单元不相等的数字的设计或执行。
ðUSLorLSL：规格的上、下限–设计标准的界限。
ðVariance：变异。提供一个量测散布的方法。其平方根为标准差，The2ndmomentaroundthemean.
ðVitalFew：关键多数。是管理流程中的关键因素。
ðZB（Zbenchmark）：认为流程是短期变异数的中心(在目标方面)。