Kokkuvõttes SD kvantifitseerib varieeruvuse, samas kui SEM kvantifitseerib keskmise hinnangulise ebakindluse. Kuna lugejaid huvitab üldiselt valimi varieeruvus, mitte keskmise lähedus üldkogumi keskmisele, tuleks andmed täpselt kokku võtta SD, mitte SEM-iga.
Kas ma peaksin vearibade jaoks kasutama standardviga või standardhälvet?
Kasutage vearibade jaoks standardhälbeid Kui andmed igal ajahetkel on normaalselt jaotatud, siis (1) umbes 64% andmetest on väärtused vearibade ulatuses ja (2) peaaegu kõik andmed jäävad vearibade kolmekordsesse ulatusse.
Kas ma peaksin joonistama standardvea või standardhälbe?
Millal kasutada standardviga? See sõltub. Kui sõnum, mida soovite edastada, puudutab andmete levikut ja varieeruvust, siis standardhälve on mõõdik, mida kasutada. Kui olete huvitatud keskmiste täpsusest või keskmiste erinevuste võrdlemisest ja testimisest, on teie mõõdik standardviga.
Kas vearibad on nähtavad?
Keskmise graafiku kujutamine SEM-i vearibadega on tavaliselt kasutatav meetod näitamaks, kui hästi te keskmist teate. SEM-i vearibade ainus eelis on see, et need on lühemad, kuid SEM-i vearibasid on raskem tõlgendada kui usaldusvahemik. Sellegipoolest on SEM-i vearibad standardid paljudes väljades.
Kas vearibad peaksid olema pooleldi standardsedkõrvalekalle?
Sa 100% ei tohiks kuvada poolitatud vearibasid, kuna seda ei tehta kunagi ja see on eksitav. Täieliku veariba kuvamine mõlemal küljel on hea, kuid tegelikult ei edasta see palju teavet ja paljud lugejad lihts alt kahekordistavad selle pikkuse peas, et saavutada ligikaudu 95% usaldusvahemik.
