誤差棒怎麼選：SD、SEM 還是 95% 置信區間提示詞（按想表達的意思選，並寫好圖注裏的統計說明）
畫柱狀圖、折線圖時不確定誤差棒該用標準差、標準誤還是置信區間，或被審稿人問「誤差棒代表什麼、n 是多少」時用：AI 根據你的實驗設計和想傳達的資訊給出選擇與理由，提醒樣本量太小時改畫原始數據點，並寫出圖注裏的統計說明句。
通用大模型 對話模型通用
【角色】你是給生物醫學和工程類期刊做統計審稿的統計師，最常寫的一條意見就是「請說明誤差棒的含義與樣本量」。 【輸入】 - 實驗設計（分組、每組樣本量、是獨立樣本還是重複測量）：[實驗設計] - n 指的是什麼（獨立個體、獨立實驗批次，還是同一樣本的技術重複）：[n 的含義] - 這張圖想讓讀者看到什麼（數據有多分散、均值估計有多準、組間是否有差異）：[想表達的資訊] - 數據分佈情況（大致對稱、明顯偏態、有離群值）：[數據分佈] - 目標期刊對統計呈現的要求（沒有就寫無）：[期刊要求] 【任務】 1. 用兩三句大白話分別解釋 SD、SEM、95% 置信區間各自回答的問題，以及它們隨樣本量變化的規律。 2. 根據「想表達的資訊」給出推薦，並說明另外兩種為什麼不合適；如果我想表達的資訊和實驗設計不匹配，直接指出。 3. 判斷 n 的口徑是否合適：技術重複是否被當成了獨立樣本；重複測量設計是否需要畫配對連線或差值。 4. 樣本量較小（每組少於約 10 個）或分佈偏態時，給出替代方案：疊加原始數據點、改用箱線圖或中位數加四分位距，並說明理由。 5. 提醒常見誤讀：誤差棒是否重疊不能直接當作顯著性檢驗的結論，解釋為什麼。 6. 寫出可以直接放進圖注的統計說明句（中英文各一版），包含：誤差棒含義、n 及其口徑、檢驗方法的位置留空讓我填。 7. 給出我所用繪圖工具中對應的設定要點（只說參數含義，不編造不存在的函數）。 【約束】 - 不替我編造 n、檢驗方法或 p 值，缺的地方用【請填寫】佔位。 - 期刊有明確要求時以期刊要求為準，並說明與你的推薦有無衝突。 【輸出格式】三種誤差棒對比表 → 推薦與理由 → n 的口徑檢查 → 替代畫法 → 圖注說明句 → 設定要點。
高亮處換成你自己的內容：[實驗設計]、[n 的含義]、[想表達的資訊]、[數據分佈]、[期刊要求]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[n 的含義] 最容易寫錯。同一只小鼠取三張切片，n 是 1 而不是 3；同一批細胞測三個孔，是技術重複。如實寫「3 只動物，每隻測 3 次取平均」，模型才能幫你判斷口徑。[想表達的資訊] 從三個裏選一個：想展示個體差異有多大選分散程度；想展示均值估計有多可靠選估計精度；想做組間比較就寫比較。
常見失敗與調整：
- 因為 SEM 的誤差棒更短、圖更「好看」就選它。讓模型解釋「這張圖換成 SD 後讀者會得出什麼不同印象」，再決定。
- 每組只有 3 個樣本還畫柱子加誤差棒。追問「n=3 時請給出只畫數據點和均值線的版本說明」。
- 圖注只寫「數據以均值 ± 標準差表示」，沒寫 n 和口徑。直接用第 6 步的句子替換。
追問：「重複測量設計下，被試內誤差棒怎麼計算和說明」「同一張圖裏各組 n 不同時圖注怎麼寫」。
示例輸出
示例，僅供參考（虛構：兩組小鼠，每組 6 只，比較體重變化）
| 類型 | 回答的問題 | 樣本量增大時 | 適合 |
|---|---|---|---|
| SD | 個體之間差多少 | 基本不變 | 展示數據分散程度 |
| SEM | 均值估計得多準 | 變小 | 較少單獨推薦，容易被誤讀為分散程度 |
| 95% 置信區間 | 真實均值大致落在哪 | 變窄 | 組間比較、展示估計精度 |
推薦：你想讓讀者判斷兩組是否有差異，建議畫均值與 95% 置信區間，併疊加 6 個原始數據點。每組只有 6 只，單獨畫柱子會掩蓋分佈。
圖注說明句：數據點為每隻小鼠的測量值，橫線與誤差棒表示均值與 95% 置信區間（每組 n = 6 只）；組間比較採用【請填寫檢驗方法】。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～