在link第一张图显示了这里的如何可视化标准错误，我想复制一个非常好的例子，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
#
您能否帮我理解平均值（sem）的标准误差：sem或semm更适合估计Monte-Carlo模拟与真实平均值的接近程度。 我的意思是我必须使用观察来计算sem，或者在每次观察之后使用均值来计算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,
我想计算MATLAB中线性混合效应模型（fitlme）中对比度的标准误差。 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',