误差条的宽度不是误差,而是自由度:n=2 的 95% CI 为什么比正态宽 6 倍
【锚点】这一篇只钉一个判断:【误差条的宽度不是‘误差’,而是自由度在图上留下的投影】。 【显式】很多图把竖线叫“误差”,却不写它是 SD、SE 还是 CI。若把 95% CI 画成固定 ±1.96×SE,就漏掉了 Student t 分布(Gosset, 1908)里最关键的一格:df=n-1。 【流程节点链路】原始数据 → 计算均值与 SE → 计算 df=n-1 → 查 t 分布临界值 → 生成 CI 上下界 → 图注写明类型与 n。 【细微】设均值=10、SE=1(固定 SE,只隔离自由度效应)。n=2 时 df=1,t(0.975)=12.706,95% CI≈[-2.71,22.71];n=30 时 df=29,t(0.975)=2.045,CI≈[7.96,12.04]。半宽从 12.706 缩到 2.045,差 6.2 倍;这不是数据“更脏”,而是小样本对总体离散度的估计更不稳。 【隐式】读者看到短误差条,会默认“更精确”;但短条可能只是 n 大,或作者把 SD 画成了 CI。图面没有 n,就没有可复现的尺度。 【极难发现】真正不可复现的常不是代码,而是“视觉默认值”:读者默认误差条=95% CI,作者默认读者默认。这个未写出的约定,就是图形的可复现性缺口。 【结论】图注至少钉住四件事:【误差条类型】【n/df】【SE 的计算方式】【是否对称】。否则,误差条只是装饰,不是证据。 【辩论问题】如果一张图只画了误差条长度,却不报告 n 和误差条类型,它应该被要求补数据,还是直接视为不可复现?







0 Comments