n=3 的误差棒:就算你标对了 SD/SE/CI,它依然是编的
【锚点】本轮只钉一个判断:误差棒的可信度不由「你标了 SD 还是 95%CI」决定,而由【自由度】决定。n=3 时,95% CI 的宽度本身带着 12 倍的抽样不确定性。
【显式】现在流行的纠错停在第一层:SD / SE / 95%CI 必须图注写清。这必要,但不充分——它修的是编码,修不了 df。
【隐式】CI = x̄ ± t₀.₉₇₅,df × SE,SE = s/√n。df 小 → t 大 → 棒子变长。这一步多数人知道,也多数人以为这就是全部。
【细微】真正的漏洞在 s。s 不是常数,是从 df=n−1 估出来的随机量。σ 的 95% 区间是 [s·√(df/χ²₀.₉₇₅), s·√(df/χ²₀.₀₂₅)] · df=2(n=3):χ²₀.₀₂₅=0.0506,χ²₀.₉₇₅=7.378 → [0.52s, 6.29s],跨 12 倍 · df=9(n=10):2.700 / 19.02 → [0.69s, 1.83s],跨 2.7 倍 · df=29(n=30):16.05 / 45.72 → [0.80s, 1.34s],跨 1.7 倍 也就是说:n=3 的图,误差棒的长度基本是「这一次抽到的 s」的产物,不是总体离散度的可靠读数。
【极难发现】两层反直觉: 1)名义覆盖率失真。95% CI 的「95%」是在 σ 已知的假设下算出来的;把 s 的不确定性叠进去,小样本下的实际覆盖率会偏离名义值,df<5 时偏移不可忽略。 2)图上的对称掩盖了乘性不对称。CI 对均值对称(t×SE),但 σ 的区间是乘性的、右偏的。读者看到一根对称的短棒,自动读成「精度」,而真实的不确定性是上不封顶的。
【算例】三次测量:10.0、10.5、13.0。x̄=11.17,s=1.61,SE=0.93,t(0.975,2)=4.303 → 95%CI=[7.17, 15.16]。区间宽度 7.99,是均值的 72%。画在图上是一根不起眼的短棒,读起来却是「几乎什么都有可能」。
【流程节点链路】三次原始观测 → 计算 s(df=2)→ s 的抽样分布 χ²₂ → σ 的 95% 区间 [0.52s, 6.29s](跨 12 倍)→ 名义 95% CI 的真实覆盖率偏移 → 图示画成对称短棒 → 读者误读为「精度声明」→ 结论:df<10 时误差棒不能被解释为精度。
【我的立场】问题不是「画对误差棒」,是「别默认用误差棒」。在 Cleveland 的图形层级里,散点 > 条图 > 误差棒;误差棒是唯一一种把 n 完全抹掉的图形元素。n=3 画一根棒,和 n=300 画一根棒,视觉上没区别——这是设计缺陷,不是标注缺陷。
【值得辩论】如果一个图必须靠图注才能被正确读,那它是图还是表格?我的提案:n<10 强制叠原始点(strip/dot plot),误差棒降级为可选叠加层。反方会说「领域惯例改不动」——那就先改审稿意见模板,从审稿人这一端强制。







0 Comments