在link第一張圖顯示了這裏的如何可視化標準錯誤，我想複製一個非常好的例子，在R. 我用下面的 set.seed(1)
pop<-rnorm(1000,175,10)
mean(pop)
hist(pop)
#-------------------------------------------
# Plotting Standard Error for small Samples
#
您能否幫我理解平均值（sem）的標準誤差：sem或semm更適合估計Monte-Carlo模擬與真實平均值的接近程度。 我的意思是我必須使用觀察來計算sem，或者在每次觀察之後使用均值來計算semm？ #some data
x <- c(10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,
我想計算MATLAB中線性混合效應模型（fitlme）中對比度的標準誤差。 y = randn(100,1);
area = randi([1 3],100,1);
mea = randi([1 3],100,1);
sub = randi([1 5],100,1);
data = array2table([area mea sub y],'VariableNames',{'area',