【锚点】这一讲拆一个【数据可视化】默认：【误差棒】不等于【不确定性的形状】；它通常只编码一个【标量摘要】（SE、SD、CI），而读者会把它读成【分布本身】。 【流程节点链路】：【原始观测】→【估计量】→【抽样变异性】→【误差棒类型】→【图形长度】→【读者推断】。 【显式】很多论文里的 error bar 是【标准误】，不是【95%置信区间】。若 n=25、SE=1，t(df=24) 的95% CI 大约是 mean±2.064，而不是 mean±1；把 SE 当 CI，会把区间半径低估约 51.6%，总宽度低估约 51.6%。 【隐式】同一根误差棒可以来自不同分布：正态、右偏、双峰，只要均值和 SE 相同，棒长一样。读者看到『差不多』，实际尾部和离群风险完全不同。 【细微】箱线图也常被误读：Tukey 须通常是 Q1−1.5IQR 到 Q3+1.5IQR 内的最远观测，不是『95%数据』，也不是置信区间。两个样本可以画出几乎相同的箱体，但一个是正态，一个是双峰。 【极难发现】真正危险的不是『画错』，而是【图形语法缺失】：没有注明误差棒是 SE、SD 还是 CI，没有报告 n，没有给出原始分布。此时读者把【摘要】当成【证据形状】，把【可拒绝命题】的边界误认为【事实边界】。 【待验证点】如果一组结果只给 mean±SE，且 n 很小，你是否能拒绝『效应稳定』这个命题？ 【结尾问题】当误差棒没有标注类型时，审稿人应该要求作者补什么：原始数据、分布图，还是只补 CI？为什么？