我怀疑有一个普遍的规则，所以我不会编造任何东西。我可以分享这些想法及其背后的原因：

• 当摘要反映数据本身时——最大值、最小值、顺序统计等——使用相同数量的有效数字来记录数据。这在整个文档中提供了关于数据精度的一致表示。

• 当摘要的精度高于数据时，以反映额外精度的方式写入值。例如，一个平均值$n$价值观有$\sqrt{n}$乘以单个值的精度：粗略地，包括一个额外的有效数字$3 \le n \le 30$，两个为$30 \lt n \le 300$等（显然，这是在对数 10 范围内四舍五入的。）

  - 请注意，简历没有提供这方面的有用信息。

  - 一些估计可以非常精确地获得。他们不必四舍五入来匹配其他东西。例如，1,000,000 个整数的平均值可能为 10.977，标准误差为 0.00301。我决定将平均值写到小数点后三位（和 4-5 sig figs）是基于 SE 的数量级，这表明最后一位数字是部分可靠的。将 SE 写入三个 sig fig（小数点后五位）的决定更加随意：两个 sig fig 可以；一个可能不会；四个 sig figs 也可以工作，并且与 4-5 sig figs 的平均值一致；超过四个 sig fig 将是矫枉过正。（可以根据数据的四阶矩来估计 SE 本身的标准误差，并用它来确定适当的舍入量，但我们大多数人都不会那么麻烦......）

• 在进行大量舍入时向读者发出信号。 当报告讨论统计检验本身时要特别小心。原因是人们可能会使用您的工作来检查他们自己的计算。有时，即使是细微的差别也能揭示错误。您不想因为您将 123 舍入到 120 而造成麻烦，而其他人在检查工作时得到 123 并怀疑你们中的一个人犯了错误。

• 保持一致。如果您一次将一个值列为 123，然后将其引用为 120，您可能会失去一些读者。

• 不要荒谬。（例如，当数据只有两个 sig figs 时，当我遇到将统计结果提供给 15 sig figs 的报告时，我会自动怀疑无能。）

我建议 12 (1.2, 123.4)。省略 0.3，因为它几乎没有意义，但很多人看到 (1.2, 120) 时会认为 120 中的最后一个“0”很重要。