在AIAG的SPC手册中，介绍了4种可以用于计数型数据的控制图，这4种控制图的控制限分别如下所示（假设子组容量n固定）：
p控制图： $\bar{p}\pm3 \sqrt{\bar{p}(1-\bar{p})/n}$
np控制图： $n\bar{p}\pm3 \sqrt{n\bar{p}(1-\bar{p})/n}$
u控制图：
c控制图：
需要注意的是上面的公式中，$\bar{p}$ ，$n\bar{p}$ ，$\bar{u}$ 和$\bar{c}$ 标准差是基于二项分布或泊松分布，而不是正态分布得到的，这个是计数型与计量型控制图在计算标准差时的一个重要差别。这篇文章来解释一下这个问题。
p和pn的标准差是基于二项分布得到的。要了解二项分布是怎么回事，先来看一个例子：假设某个袋子里装着100只球，有30只红色，70只黑色。现在从袋子里面拿球出来，每次拿出来后需要把它放回去，那么取20次的话，刚好取出5次红球的概率是多少？这个概率可以由下面的公式计算：
计数型控制图的选择。
AIAG的SPC手册中介绍了4种计量型控制图：p控制图，np控制图，u控制图，c控制图。而用到计数型控制图的情况可以归类为两种：
1) 一种是需要把被测量对象归类，例如合格/不合格，一等品/二等品/次品，bin 1/bin 2/bin 3...等等，
2) 另一种是需要对被测量对象计数，例如产品上存在多少个缺陷，一年发生多少次火灾...等等
下面分别来讨论下这两种情况应如何选择控制图。
需要把测量对象归类的情况
这一类控制图常见的情况有两种
1）需要监控子组样本中不合格品产品的数量，例如每次抽检100个产品，统计该子组中有多少个不合格品，将不合格品的数量绘制在控制图中。这个时候应该选择np控制图
2）需要监控子组样本中产品的不合格率，例如每次抽检100个产品，统计该子组中有多少个不合格品，将不合格品的比例绘制在控制图中。这个时候应该选择p控制图。
在SPC手册中有提到使用以上两种控制图时，都要求子组中不合格品的数量 比较小，因为只有在这个条件下，样本中的不合格率或不合格品数量才可以用正态分布来近似，本文最下面公式1和2中的控制限才成立。所以当不合格率比较低时，使用p图或np图时样本容量需要足够大，如果无法得到足够大的样本，则不应该使用这两类控制图。
注：以上的讨论是基于产品分为合格/不合格两类的情况。而当需要把产品分成n（ ）个类别时，应按照上面的要求对其中的n-1个类别都分别建立控制限，任何一个类别的控制图出现异常的时候，都应该采取措施以消除特殊原因。
需要对测量对象计数的情况
这一类控制图常见的情况有两种
1) 需要监控子组样本中缺陷的数量，例如每次抽检一个产品，统计该产品上的缺陷总数，将每次抽样的样品的缺陷总数绘制在控制图中。这个时候应该选择c控制图。
2）需要监控子组样本中缺陷的密度，例如每次抽检一个产品，统计单位面积上的缺陷数量，将每次抽样的样品的缺陷密度绘制在控制图中。这个时候应该选择u控制图。
在SPC手册中有提到使用以上两种控制图时，都要求缺陷数为0的样本数量比较小，因为只有在这个条件下，样本的缺陷总数或缺陷密度才可以用正态分布近似，下面公式3和4中的控制限才成立。所以当多数产品的缺陷数为0的时候，不应该选用这两类控制图。
控制图最初是由Walter Shewhart发明的。它的目的是为了识别过程中可能存在的特殊原因。这包括了两个方面的意思：
1) 当过程不存在特殊原因时，控制图能准确识别出过程不存在特殊原因，而不会产生误报。
2) 当过程存在特殊原因时，控制图能准确识别出特殊原因的存在，而不会产生漏报。