如果您想展示数据中的变异性

如果每个数值代表一个不同的个体，您可能希望展示数值之间的变异性。即使每个数值代表一次不同的实验室实验，展示这种变异性通常也是有意义的。

当数据值少于100个左右时，可以绘制一个散点图，将每个值都显示出来。 还有什么比展示每个数值更好的方法来体现数值间的变异性呢？如果数据集包含超过100个左右的数值，散点图就会显得杂乱无章。替代方案包括盒须图、频率分布（直方图）或累积频率分布。

那么绘制均值和标准差呢？标准差确实量化了变异性，因此这确实是展示变异性的一种方式。但标准差仅是一个数值，因此作为展示变异性的方式相当有限。展示均值和标准差误差条的图表，其信息量不如其他任何替代方案，却占用的空间不比它们少，且解读起来也并不更容易。 我认为，与柱状散点图、箱线图或频率分布相比，绘制均值和标准差并无优势。

当然，如果您决定显示标准差误差条，请务必在图例中注明，以免他人误以为这是标准误（SEM）。

如果您想展示您确定均值的精确程度

如果您的目标是通过t检验或方差分析（ANOVA）比较均值，或者展示数据与模型预测值的吻合程度，那么您可能更关注数据界定均值的精确程度，而非展示数据的变异性。 在这种情况下，最好的方法是绘制均值的95%置信区间（或者90%或99%置信区间）。

那么均值的标准误差（SEM）呢？用SEM误差条绘制均值是展示您对均值了解程度的常用方法，SEM误差条的唯一优点是长度较短，但与置信区间相比，SEM误差条更难解读。

无论您选择展示哪种误差条，都要明确说明您的选择。仅凭观察误差条是否重叠，所能获得的信息可能比您想象的要少。