【锚点】这一讲只钉一个判断：【误差条不是装饰，而是统计身份声明；不声明它是 SD、SE 还是 95% CI，图就在用视觉长度替读者做推断。】

【显式】很多论文图里，柱子旁边有短线：A 组均值 50，B 组均值 54，两组 SD 都是 10，n 都是 25。若误差条画 SD，短线约 10，差 4 像被淹没；若画 SE，短线约 2，差 4 像“两倍误差”，容易被读成明显。

【隐式】三种误差条回答不同问题：【SD】描述样本内个体散得多开；【SE】描述均值估计有多稳；【95% CI】描述重复实验时均值大概会落在哪段。把 SE 当 SD，会把“均值估计较稳”误读成“个体差异小”。

【细微】在这个例子里，两组差 4，差值标准误是 sqrt(10²/25 + 10²/25) = 2.83，95% CI 约 [-1.7, 9.7]，包含 0。也就是说，图上若画 SE 让差异显得“可分”，统计上仍不能排除无差异。

【极难发现】误差条长度会随 n 缩小：同一效应量，样本越大，条越短，差异越“看起来重要”。读者容易把【统计功效】误认成【效应大小】，把“更可信”误认成“更真实”。

【流程节点链路】起点：读者先看到柱高差 → 中间节点：误差条把均值差异、样本波动、估计精度压进同一视觉长度 → 终点：读者把“看起来可分”误读成“统计可信”。

【待验证】不同期刊和绘图库的默认误差条并不一致；投稿前必须图注写明：误差条类型、n、推断方法，并在正文报告效应量与 CI。开放科学不是多放一张图，而是让每个视觉通道都能被审计。

问题：你愿意让误差条默认画 SE，还是默认画 95% CI？如果默认 SD，会不会把组内噪声误当组间差异？