利用可视化比较重叠的数据分布

我们展示了一项预先注册且众包的 user study 的结果，在该研究中我们请普通民众判断以不同数据可视化形式表示的两个样本是否来自相同或不同的总体。此类任务可归结为评估两个可视化样本之间的重叠是否足够大以暗示相似或不同的来源。当使用拟合于样本的 idealized normal curves 时，这本质上是经典 Student's t-test 的图形化表述。然而，我们推测使用更复杂的视觉表示，如条形直方图、Wilkinson 点图、带状图或 Tukey 箱线图，将既使人们在此任务上更准确，又使其更好地理解任务含义。换言之，我们研究的目的是探索哪种可视化最能辅助新手对数据作出图形推断。但我们的结果表明，更抽象的 idealized bell curve 表示在此任务上产生了更高的准确率。