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: