未标注不确定性等于宣称确定
别名: 虚假确定性 · 沉默的精度
概念解释
当图表只呈现点估计而没有任何不确定性标注时，读者不是"不知道这个数字有多不确定"——他们会默认"这个数字是确定的"。缺失不被解读为"信息不足"，而被解读为"没有需要说明的不确定性"。这是一种沉默的宣称：可视化通过选择不表达什么，表达了"精确"这个可能不成立的主张。与主动展示错误数字不同，这种失真没有任何视觉上的异常信号，读者没有理由怀疑，因此也没有理由去验证。
机制
默认确定效应的根源在于视觉语言的惯例：数据可视化的历史主流是呈现"确定"的值——地图上的距离没有误差带、饼图上的比例没有置信区间——读者在这种惯例中形成了"图表显示的就是事实"的预期。当一张图打破惯例（出现误差棒），读者注意到有不确定性；当一张图符合惯例（没有误差棒），读者的预期得到确认——"这是确定的数字"。问题在于，符合惯例可能是两种完全不同的情况：数据确实足够确定（大样本、低噪声），或者制图者选择不表达不确定性（数据其实很不确定）。读者无法从呈现本身区分这两种情况，而两种情况下的合理行动不同——前者可以直接用数字做决策，后者应该先收集更多数据。这就是为什么"省略"不是中性的：它选择了一种解读（确定）并把它呈现为默认，而不是让读者自己评估。
边界
"未标注等于宣称确定"的强度取决于读者的专业水平：数据分析师知道所有估计都有不确定性，即使图上没有标注也会在心里保留怀疑；业务读者则更可能把图表当字面事实。同样的图对前者是"省略了细节但我知道有不确定性"，对后者是"这就是确定的数字"。另一个边界是不确定性信息的可获得性：有些数据源本身不提供不确定度估计（外部 API 只返回点值），此时标注"不确定度未知"与"精确到小数点后一位"有本质区别——前者诚实但可能引起不必要的警觉，后者继续维持虚假确定。设计上的折中不是对所有数字都画误差棒，而是在精度声明上更保守（如"约 3%"替代"3.2%"）。
怎么落地
- 关键指标在精确度声明上与实际不确定度匹配：不确定度大时用约数或更少的小数位，而不是精确到虚假的小数。
- 无法获得不确定度估计时，明确标注"基于 X 个样本"或"估算值"，让读者自行调整信任度。
- 团队内建立约定：所有面向决策的仪表盘必须标注数据来源、样本量或不确定度中的至少一项。
- 验证：审视仪表盘上所有精确到两位小数的指标，检查它们的实际不确定度是否支撑这个精度声明；不支撑的即虚假确定实例。