6σ原理本身就是由统计学的正态分布而来，σ表示与平均值的标准偏差。我们知道正态分布由两个重要的参数确定。这两个参数是值均m 和标准差s （s ＞０），其特点是曲线关于x = m 对称，并在x = m 处达到最高，然后向两边下降，在x = m ±s 处有拐点，当x →±∞时以水平轴为渐近线。当X 服从正态分布N(m,s 2 ) 时，也记为X ～ N(m,s 2 ) 。

在全面质量管理中，我们知道：
     P(m - 3s < X < m + 3s ) = F(3) - F(-3) = 0.9973这表明当某质量特性X ～ N(m,s 2 ) 时，其特性值落在区间（m - 3s ， m + 3s ）外的概率仅为0.27％。这是一个小概率事件，通常在一次试验中是不会发生的，一旦发生就认为质量发生了异常，在质量检验和过程控制中就用这一思想。当上下公差不变时，6σ的质量水准就意味着产品合格率达到99.9999998%，即
     P(m - 6s < X < m + 6s ) = F(6) - F(-6) = 0.999999998其特性值落在区间（m - 6s ， m + 6s ）外的概率仅为十亿分之二。通常当考虑到1.5 σ漂移后，不合格率为百万分之3.4。即在某生产流程或服务系统中有100 万个出现缺陷的机会，而6σ质量水准出现的缺陷不到4 个。

实施6σ更需要大量统计方法和技术，这不仅需要统计学基础知识，而且从数据收集到数据分析的一系列过程都需要统计方法。抽样技术、参数估计、假设检验、优化设计、回归分析、时间序列分析、多元统计分析等众多统计方法都大有用武之地。