1. $2.04$是与具有 31 个自由度的学生 t 分布一起使用的乘数。报价单建议$30$自由度是适当的，在这种情况下，正确的乘数是$2.042272 \approx 2.04$.

2. 均值根据标准误进行比较。标准误通常是$1/\sqrt{n}$乘以标准差，其中$n$（大概在$30+1=31$这里）是样本量。如果标题正确地将这些条称为“标准错误”，则标准偏差必须至少为$\sqrt{31} \approx 5.5$大于大约值的倍数$6$如图所示。的数据集$31$正值，标准差为$6 \times 5.5 = 33$和之间的平均值$14$和$18$必须有最接近的值$0$以及少数惊人的大值，这似乎不太可能。（如果是这样，那么基于 Student t 统计量的整个分析无论如何都是无效的。） 我们应该得出结论，该图可能显示标准偏差，而不是标准误差。

3. 均值的比较不是基于置信区间的重叠（或缺乏重叠）。两个 95% 的 CI 可以重叠，但仍然可以表示非常显着的差异。原因是（独立）均值差的标准误差至少近似地是均值标准误差平方和的平方根。例如，如果平均值的标准误$14$等于$1$和平均值的标准误$17$等于$1$，然后是第一个均值的 CI（使用$2.04$) 将从$11.92$到$16.08$第二个的 CI 将从$14.92$到$19.03$，有很大的重叠。然而，差异的 SE将等于$\sqrt{1^2+1^2}\approx 1.41$. 手段的不同，$17-14=3$, 大于$2.04$乘以这个值：它很重要。

4. 这些是成对比较。 各个值可能表现出很大的可变性，而它们的差异可能是高度一致的。例如，一组对，如$(14,14.01)$,$(15,15.01)$,$(16,16.01)$,$(17,17.01)$, 等等, 表现出每个组件的变化, 但差异是一致的 $0.01$. 尽管与任一组件相比，这种差异很小，但其一致性表明它具有统计学意义。

这里的部分混乱是数据的混乱表示。这似乎是一种重复测量设计，但误差线是估计真实平均值的置信区间。重复测量的主要目的是避免收集足够的数据来获得对原始平均值的质量估计。因此，所呈现的误差条实际上与所讲述的故事几乎没有关系。关键利益的价值就是效果。图表的目的是突出故事的要点，绘制效果及其置信区间会更合适。