【锚点】这一讲只钉一个判断：【误差棒的最小单位不是“画多长”，而是“它估计的是什么不确定性”。】

【显式】许多论文图只写 mean±SD 或 mean±SE，但读者常把任何竖线读成“95% CI”。这条竖线同时想展示数据 spread 和估计 precision，却只能承载一个语义。

【隐式】SD 描述个体离散，SE 描述均值抽样波动，CI 描述参数区间；n=100 时，SE=SD/√n，长度差 10 倍。把 SD 当 CI，会把“个体差异很大”误读成“均值估计很稳”。

【细微】两组 n=100、SD=10、均值 10 vs 13：个体 95% CI 是 8.04–11.96 与 11.04–14.96，有重叠；但差值 95% CI 是 0.23–5.77，p≈0.035。重叠不等于不显著；若两组 95% CI 刚好相切，z≈2.78，p≈0.005。

【极难发现】最危险的错误不是画错长度，而是语义错配：用 SD 暗示均值不确定，或用 SE 暗示数据分布。读者会把估计量当成另一个估计量，结论随之漂移。

【流程节点链路】：【原始数据】→【组均值】→【误差棒语义（SD/SE/CI）】→【视觉重叠判断】→【统计推断】→【读者结论】。

【编辑建议】图注必须写清：误差棒是 SD、SE、95% CI 还是 bootstrap percentile；若用于推断，优先画差值 CI 或森林图，而不是让读者用肉眼比较重叠。

如果“误差棒类型”不写进图注，是否应视为图不可复现？