Yo diría que solo importan las barras de error, pero en el ejemplo dado, todo el asunto probablemente no tenga sentido.
El ejemplo se presta a la interpretación como un intervalo de confianza, en el cual los límites superior e inferior de cierto grado de certeza son el rango de probabilidad. Esta respuesta propuesta abordará esa interpretación. Fuente mayoritaria: https://www.amazon.com/How-Measure-Anything-Intangibles-Business-ebook/dp/B00INUYS2U
El ejemplo dice que para un nivel de confianza dado, es poco probable que la respuesta sea superior al 60% e igualmente improbable que sea inferior al 50%. Este es un conjunto de números tan conveniente que se asemeja a "binning", en el que un botín del 55% se despliega aún más a un rango de +/- 5%. Los números redondos familiares son inmediatamente sospechosos.
Una forma de llegar a un intervalo de confianza es decidir sobre un nivel de confianza elegido, digamos 90%, y permitimos que la cosa sea más baja o más alta que nuestra estimación, pero que solo hay un 10% de probabilidad la respuesta "correcta" se encuentra fuera de nuestro intervalo. Por lo tanto, estimamos un límite superior tal que "solo hay una probabilidad de 1/20 de que la respuesta correcta sea mayor que este límite superior", y hacemos lo mismo para el límite inferior. Esto se puede hacer a través de "estimación calibrada", que es una forma de medición, o mediante otras formas de medición.
En cualquier caso, el punto es A) admitir desde el principio que existe una incertidumbre asociada con nuestra incertidumbre, y B) evitar levantar las manos sobre la cosa, llamarlo un desastre y simplemente agregar un 5% por encima y por debajo. El beneficio es que un enfoque riguroso en un grado elegido puede arrojar resultados que aún son matemáticamente relevantes, en un grado que puede expresarse matemáticamente: "Hay un 90% de posibilidades de que la respuesta correcta se encuentre entre estos dos límites ..." es un intervalo de confianza (IC) correctamente formado, y se puede usar en cálculos posteriores.
Además, al asignarle una confianza, podemos calibrar el método utilizado para llegar a la estimación, comparando predicciones versus resultados y actuando sobre lo que encontramos para mejorar el método de estimación. Nada puede hacerse perfecto, pero muchas cosas pueden hacerse 90% efectivas.
Tenga en cuenta que el IC del 90% no tiene nada que ver con el hecho de que el ejemplo dado en el OP contiene el 10% del campo y omite el 90%.
¿Cuál es la envergadura de un Boeing 747-100, a un IC del 90%? Bueno, estoy 95% seguro de que no es más de 300 pies, y estoy igualmente seguro de que no es menos de 200 pies. Entonces, en la parte superior de mi cabeza, te daré un IC del 90% de 200 -235 pies.
TENGA EN CUENTA que no hay una estimación "central". Los IC no están formados por conjeturas más factores de falsificación. Es por eso que digo que las barras de error probablemente importan más que una estimación dada.
Dicho esto, una estimación de intervalo (todo lo anterior) no es necesariamente mejor que una estimación puntual con un error correctamente calculado (que está más allá de mi recuerdo en este punto; solo recuerdo que con frecuencia se hace incorrectamente). Solo digo que muchas estimaciones expresadas como rangos, y me arriesgaré a que la mayoría de los rangos con números redondos, sean estimaciones de punto + dulce en lugar de estimaciones de intervalo o de punto + error.
Un uso adecuado de punto + error:
"Una máquina llena las tazas con un líquido, y se supone que debe ajustarse de modo que el contenido de las tazas sea de 250 g de líquido. Como la máquina no puede llenar cada taza con exactamente 250.0 g, el contenido agregado a las tazas individuales muestra alguna variación, y se considera una variable aleatoria X. Se supone que esta variación se distribuye normalmente alrededor del promedio deseado de 250 g, con una desviación estándar, σ, de 2.5 g. Para determinar si la máquina está calibrada adecuadamente, una muestra de n = 25 las tazas de líquido se eligen al azar y las tazas se pesan. Las masas de líquido medidas resultantes son X1, ..., X25, una muestra aleatoria de X. "
Punto clave: en este ejemplo, tanto la media como el error se especifican / asumen, en lugar de estimarse / medirse.