统计完数据,发现标准差SD大的要死,然后标准误SE又小到怀疑人生。
paper里面的误差棒都那么守规矩又大方(摊手)。
那么,究竟该用什么代表误差棒呢?
配乐:唯宁静时光会在40年后成为黄金年代
导读:
1:我想了解SD与SE-->Part I
2:我想知道常见的误差棒是什么-->Part II
3:我想知道怎么选择误差棒-->Part III
4:我想知道下期预告-->底部
5:我什么都不想知道-->
常见的混淆出现在SD与SE之间
Part I 什么是SD, 什么又是SE? 为什么被混着用?
让我们通过一个例子来秒懂它们俩~
one: 想象一下我们测量了5只mice的体重
two: 那个竖线就是体重的平均值,横线的范围,表示SD。
SD量化了数据点的分散程度
three: 想象一下,我们做了5次重复试验,每一次都称5只mice!
four: 所以我们获得了5个平均值!还有5个SD(未标)!
five: 想象如果我们把平均值放在一起
six: 这样,我们就获得了平均值的平均值(竖虚线)。以及,平均值的SD(短横虚线)。平均值的SD,就是SE。
Q1:他们差别很明显啊,为什么大家混着用?
A1:我曾经认真的搜过这个问题,发现国内论坛经常有人抱怨SE的滥用。其实不仅我们如此,海外做生物研究的研究生也面临同样的问题。如下面这个链接,https://www.researchgate.net/post/When_should_I_use_standard_error_or_standard_deviation。
有人含蓄而明确的表示在生物研究中SE做error bar更受欢迎。
Q2:为啥啊?
A2:因为SE小啊,看起来数据更稳定啊。
Q3:这样好吗?
A3:不好。
Part II 误差棒到底是啥
常见的混淆存在于这三个概念之间:standard deviation (SD), standard errors (SE) and confidence interval (CI)
我们来看看同一个统计图中,如果用这三个值来画误差棒:
A 画SD-->感觉实验白做了
(error bar重叠,实际上P=0.01,差异显著)
B 画SE-->怎么画都有显著差异啊
(error bar无重叠,但是实际上P=0.1,差异并不显著)
C 画CI-->这个有谱
(事实上如果这个error bar刚好不重叠, 代表p
所以,我们再认真的区别一下这三个概念:
SD: 观察到的数据的variation,用每个数据点到样本平均值的距离的平均来表示。 值得注意的是,如果这个数据是正态分布的,那个95%的数据都会包含在mean±2SD的范围内。SD是不随着样本量增大而变小的。
SE: 表示样本平均值的精准度(我们是无法知道真实的世界,我们只有实验值,所以它与真实之间存在这个误差)。SE=SD/根号下N。所以样本量越大,SE越小。值得注意的是,当我们只做了一次实验,SE也可以被推断出来。即使SE的概念是多个平均值的平均值。
CI:是SE的两倍。95%CI=mean±2SE。
Part III 怎么知道我要用什么误差棒?
用SE做误差棒,...别用啦。
用SD做误差棒,也不对,因为SD与p-value无关,会有些confusing。
划重点--误差棒就是95%CI!!
但是,SD在描述数据的时候很有用。
所以,总结如下:
~如果你想要描述数据mean±... 这个后面的值应该是SD~
~如果你想要对比结果的差异:用mean±95%CI=mean±2SE~
~nowhere in paper you should be using mean± SE~
参考过:
https://www.youtube.com/watch?v=NMcogBp1rnA
https://www.sciencedirect.com/science/article/pii/S1883195814000024
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3469943/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2959222/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1255808/
http://jcb.rupress.org/content/177/1/7.full
http://jcb.rupress.org/content/177/1/7.full#T1
https://www.youtube.com/watch?v=NMcogBp1rnA
祝你在宁静中稳稳前进~
下期预告
【技法】如何拍出好看的生物荧光成像?
【技法】如何在学术报告优雅的提问?
【文章】我说金针菇和螺蛳粉真的特别好吃你说是的
【文章】达芬奇的诅咒
领取专属 10元无门槛券
私享最新 技术干货