R Tukey HSD统计检验图中置信区间的含义

我做了5x2交叉验证实验，然后，我做了Tukey HSD成对比较，比较了5种技术的10种精度，如下所示

上图是在执行以下R命令后生成的：

data <- read.table("experimento-geral.txt", head=TRUE, sep=",", dec=".");
data$metodo <- factor(data$metodo);
summary(data$acuracia)
aov.data <- aov(data$acuracia ~ data$metodo, data=data)
anova(aov.data)
tky <- TukeyHSD(aov.data, "data$metodo");
png("pertubacao-metodo.png",width=320,height=480)
plot(tky)

---

数据我不太明白你在方差分析之前做了什么，也不知道这是否会使Tukey成对比较的结果变得毫无意义，但是

考虑x轴标签。这表明该量表是根据
metodo
水平对的
acuracia
值的平均值差异来衡量的。因此，对于每对
metodo
，我们对每对中考虑的两种方法的
acuracia
平均值的真实差异有一个单独的估计。这一估计有不确定性。这种不确定性反映在该对均值差的置信区间中。这些置信区间的宽度已按照Tukey的HSD方法进行调整，以控制比较集合（系列）上的I型错误率

要掌握的关键是，每一对的比较被简化为每一对的观察平均值的差异。这是每对方法的单个估计值，因此是该单个估计值的单个置信度。
我不太明白您在方差分析之前做了什么，也不知道这是否会使Tukey成对比较的结果变得毫无意义，但是

考虑x轴标签。这表明该量表是根据
metodo
水平对的
acuracia
值的平均值差异来衡量的。因此，对于每对
metodo
，我们对每对中考虑的两种方法的
acuracia
平均值的真实差异有一个单独的估计。这一估计有不确定性。这种不确定性反映在该对均值差的置信区间中。这些置信区间的宽度已按照Tukey的HSD方法进行调整，以控制比较集合（系列）上的I型错误率

要掌握的关键是，每一对的比较被简化为每一对的观察平均值的差异。这是每对方法的单个估计值，因此是该单个估计值的单个置信度。
我不太明白您在方差分析之前做了什么，也不知道这是否会使Tukey成对比较的结果变得毫无意义，但是

考虑x轴标签。这表明该量表是根据
metodo
水平对的
acuracia
值的平均值差异来衡量的。因此，对于每对
metodo
，我们对每对中考虑的两种方法的
acuracia
平均值的真实差异有一个单独的估计。这一估计有不确定性。这种不确定性反映在该对均值差的置信区间中。这些置信区间的宽度已按照Tukey的HSD方法进行调整，以控制比较集合（系列）上的I型错误率

要掌握的关键是，每一对的比较被简化为每一对的观察平均值的差异。这是每对方法的单个估计值，因此是该单个估计值的单个置信度。
我不太明白您在方差分析之前做了什么，也不知道这是否会使Tukey成对比较的结果变得毫无意义，但是

考虑x轴标签。这表明该量表是根据
metodo
水平对的
acuracia
值的平均值差异来衡量的。因此，对于每对
metodo
，我们对每对中考虑的两种方法的
acuracia
平均值的真实差异有一个单独的估计。这一估计有不确定性。这种不确定性反映在该对均值差的置信区间中。这些置信区间的宽度已按照Tukey的HSD方法进行调整，以控制比较集合（系列）上的I型错误率

要掌握的关键是，每一对的比较被简化为每一对的观察平均值的差异。这是每对方法的单个估计值，因此是该单个估计值的单个置信度