Általában a szokásos hiba megmondja, mennyire bizonytalan abban, hogy a sáv tetejének valódi értéke ott van-e, ahol a sáv mondja. Ha több oszlop van, akkor statisztikai teszt értelmében lehetővé teheti az oszlopok összehasonlítását is. Az ilyen módon történő értelmezéshez azonban szükség van néhány feltételezésre, amelyek az alábbiakban grafikusan láthatók. Ha valóban érdekel az oszlopok összehasonlítása, és megnézzük, hogy a különbségek statisztikailag szignifikánsak-e, akkor futtasson teszteket az adatokon, és mutassa meg, melyek voltak szignifikánsak.

Ezenkívül javasolnám a konfidencia intervallumok használatát a szokásos hibák helyett.

Ezt a cikket érdemes elolvasni:

Cumming és Finch. "Szemre következtetés: bizalmi intervallumok és az adatok képének olvasása" Am Psych. Vol. 60, No. 2, 170–180.

Átfogó következtetésük: "Keressen olyan sávokat, amelyek közvetlenül kapcsolódnak az érdeklődésre számot tartó hatásokhoz, érzékenyek a kísérleti tervezésre és értelmezik az intervallumokat."

Független minták esetében, a konfidencia intervallumok alkalmazásával, a CI-k fél átfedése azt jelenti, hogy a különbség statisztikailag szignifikáns.

Helyette szabványos hibasávokat használó független minták esetén a következők A grafikon megmutatja, hogyan kell kitalálni a statisztikai szignifikanciát:

A hibasávok általában meggyőzik a cselekményolvasót arról, hogy az általa látott különbségek statisztikailag szignifikánsak. Közelítésképpen el lehet képzelni egy kis gaussist, amely a $ \ pm1 \ sigma $ tartományt jeleníti meg ezen hibasávként - két ilyen gauss szorzatának "vizuális integrációja" kisebb eséllyel valószínű, hogy a két érték valóban egyenlő .

Ebben a konkrét esetben látható, hogy a vörös és az ibolya sáv, valamint a szürke és a zöld közötti különbség sem túl jelentős.

Ahogy az mbq mondja, a hibasávok arra szolgálnak, hogy az olvasók átérezhessék, ha a két csoport közötti különbségek jelentősek - vagyis ha az egyes csoportok belüli csoportok átlagában átlagosan .

Ha minden más egyenlő, a nagyobb hibasávok nagyobb csoporton belüli különbséget jelentenek, de úgy tűnik, hogy a diagram y tengelye log-transzformált, így az alsó csoportok nem teljesen azonos skálán mint a magasabbak.

Tudnia kell, hogy sok olvasója nem fogja megérteni, hogy mit jelentenek a hibasávok, még akkor sem, ha ezt kifejezetten megmagyarázza! Gyakran elérheti ugyanazt jittered dot-plot vagy boxplot (vagy mindkettő együtt) célja ugyanazon hatás elérése érdekében.

Rengeteg kutatónak van gondja e grafikonok értelmezésével. Részletesebb részletekért lásd: http://scienceblogs.com/cognitivedaily/2008/07/31/most-researchers-dont-understa-1/.