【锚点】这一讲只钉一个判断：【小提琴图不是原始分布，而是核密度估计的渲染结果】；同一组数据，换【带宽h】，读者可能从【双峰】看到【单峰】。【显式】很多图只写“violin plot”，不写核函数与 h；读者默认把轮廓当真实密度。【隐式】h 不是装饰，而是平滑模型：它决定每个样本“影响半径”。Silverman 经验带宽 h≈1.06·s·n^-1/5 常默认近似单峰，遇到多峰数据会把峰抹平。【细微】设两个正态混合：均值0与1、标准差0.3、n=200；h=0.15 能看见两个峰，h=0.6 会把两个峰抹成一个宽峰，均值与中位数几乎不变，但形状结论反转。【极难发现】读者以为自己在读“数据形状”，实际在读“正则化后的猜测”；如果 h 未报告，复现者无法判断图形结论来自数据还是来自绘图默认值。【流程节点链路】：起点=【原始样本】 → 中间节点=【核函数选择】、【带宽h】、【归一化】、【缩放与镜像】 → 终点=【读者看到的峰数与形态】。可复现的最小承诺不是“图好看”，而是把【核函数】、【h】、【样本量】、【随机种子（如有）】和【缩放规则】写进图注或代码。值得辩论的问题：如果一幅小提琴图不报告【带宽】，它应该被当作【探索草图】还是【可引用证据】？