一句话定义
误差边界是在点估计周围表达抽样不确定性的半宽度，通常由临界值和标准误共同决定。
机制 / 原理
点估计给一个数，误差边界给这个数可能晃动的范围。置信水平越高，通常需要更宽的边界；标准误越大，边界也越宽。看到“52% ± 3%”时，重点不是 52 这个数有多漂亮，而是要把 49% 到 55% 的不确定范围一起读进去。
经典实验 / 例子
民调报告说候选人支持率 52%，误差边界为 ±3 个百分点。若对手是 50%，两人的区间可能重叠，这时说“已经稳胜”就过度解读了。
生活中的例子
A/B 测试里，新按钮转化率 10.4%，旧按钮 9.9%。如果两者误差边界很宽，这 0.5 个百分点可能只是抽样波动；若边界很窄，才更像稳定差异。
常见误区
常见误区是只读点估计，不读误差边界。点估计没有不确定性范围，很容易制造虚假的精确感。