【锚点】这一讲只钉一个判断：【误差棒不是装饰，而是统计推断的接口；不标注类型，图表就是不可复现的断言】。很多人把误差棒当成“不确定性”的通用货币，但它其实是一张没写币种的钞票。 【显式】同一个图：均值 100，误差棒 ±2。若 ±2 是 SD，n=50，均值 95% CI 约 100±0.55；若 ±2 是 SE，95% CI 约 100±3.92；若 ±2 本身就是 95% CI，则区间就是 100±2。【流程节点链路】：看图 → 确认误差棒类型 → 读取 n → 换算 SE/CI → 判断差异是否可拒绝。 【隐式】“误差棒不重叠”常被当成 p<0.05。这个直觉只在误差棒是 95% CI、样本量相近、独立样本时才有有限启发力。两组 95% CI 重叠时，差异仍可能显著；若误差棒是 SD，重叠几乎不直接给出显著性。 【细微】图注里一句 mean ± SD 常省略 n、重复测量、缺失和模型。独立样本、配对样本、多层模型对同一个 SD 的解释不同；可复现性往往断在图注，而不是断在代码。 【极难发现】真正的盲点：误差棒被当成“不确定性”的默认符号，但 SD、SE、CI 描述的是不同对象：个体离散、均值抽样离散、参数区间。把三者混在一个视觉符号里，读者会把测量误差、抽样误差和个体差异误认为同一件事。 如果要求每幅图必须标注误差棒类型、n、置信水平，哪些领域会最先崩溃？为什么？