是的，您应该为超出限制的每个点找到可分配的原因。但事情有点复杂。

首先，您必须确定过程是否受控，因为当过程失控时，控制图是没有意义的。近 1/4 的观察结果超出限制是一个强烈的信号，表明该过程可能失控。查看图表将有助于确定过程是否在控制之下。

除了超出控制范围之外，还有其他潜在原因需要为某些观察寻找可分配的原因。例如，如果连续有多个观测值落在均值的同一侧——尤其是当它们接近控制限时——它们可能需要指定一个特殊原因。

如果您发布图表本身，我可能会更具体。

如果您想了解有关控制图的更多信息，SPC Press提供了许多有用的免费资源。您可能还想看看这本书：它简短、简洁且内容丰富。

（编辑：）

我以为我们谈论的是真实世界的数据，而不是考试题。在这种情况下，正确答案确实是第一个：控制范围之外的点（可能）是由可分配的原因引起的。

不过，该考试的术语有点草率：您实际上无法 100% 确定超出控制范围的分数不是偶然造成的。你只能说有 99.7% 的概率超出限制的特定点不是偶然造成的。

我对控制图的理解有点不同……在观察2的第一个信号之后，该过程不会停止并检查问题，然后重新启动吗？

在任何情况下，您都可以使用 p 值参数。如果过程实际上处于控制之中，则观察到 4 个或更多观察值（共 15 个）超出其控制限制的概率非常小。假设在过程实际受控时观察超出控制限的概率约为 0.01（此确切概率取决于数据的受控分布），因此如果过程处于受控状态，我们预计会出现错误每 100 次左右的观测值发出一次警报（即随机机会引起的失控信号）。在过程处于控制状态时观察到 4 个或更多失控信号（共 15 个）的概率约为 0.000012，因此这些信号不太可能是由于随机机会造成的。

虽然实际诊断需要您查看图表并可能实际调查物理过程，但由于失控点均低于和高于控制限制，我敢打赌存在比例偏移（即方差增加。 )

（抱歉发布新答案，我还不能直接回复评论）

我不太同意下面的说法：

“显然，如果您越过 UCL 或 LCL，则必须有一个可分配的原因”

为简单起见，如果您的控制分布为 N(0,1)，那么平均每 370 次观察您仍会获得一次误报，使用 3 的 UCL 和 -3 的 LCL。当图表发出信号时，需要调查该过程。只有这样才能分配信号的原因（即过程更改或随机错误）。设置 UCL 和 LCL 需要用户平衡所需的误报/漏检率（类似于 I 类/II 类错误权衡假设检验。）

您也可以等到几个信号真正停止并调查该过程，但在这种情况下，如果它确实发生在第一个信号时，您可能检测到该转变为时已晚。同样，您不能一无所有，用户必须根据自己的判断来决定如何设置控制图和监控过程。

我在 IEEE 为这次考试准备的一份研究文件中发现了一些有趣的东西：

• 落在 UCL 和 LCL 范围内的数据点被认为是可控的，并且是由偶然原因引起的。
• 超出 UCL 或低于 LCL 的异常值被认为是失控的，并且是由可分配的原因引起的。
• 如果一些点系统地高于或低于平均值（但在 UCL 和 LCL 内），这可能表明非随机失控状态。
• 控制图的目标是快速检测失控状态。
• 单独的图表不会指出事件的根本原因，但会提供调查线索。

显然，如果您越过 UCL 或 LCL，则必须有一个可分配的原因。

鉴于维基百科对可分配（特殊）原因特征的定义，这是有道理的：

• 系统内新的、未预料到的、涌现的或以前被忽视的现象；
• 变化本质上是不可预测的，甚至是概率性的；
• 历史经验基地外的变异；和
• 系统或我们对其知识的某些内在变化的证据。