Nie ma powszechnie stosowanej konwencji dotyczącej tego, czym jest „margines błędu”, ale myślę, że (jak zauważyłeś) jest on najczęściej używany jako oznaczający promień przedziału ufności , albo w pierwotnej skali oszacowania, albo jako procent oszacowania. Czasami jest on używany jako synonim „standardowego błędu”, więc musisz uważać, aby inni zrozumieli, co masz na myśli, gdy go używasz.
A „przedział ufności” ma mieć uniwersalną konwencję o jego znaczeniu. Zasadniczo jest to zakres możliwych oszacowań generowanych przez proces szacowania, który X% czasu (95% jest najczęściej stosowanym) zawiera prawdziwą wartość szacowanego parametru. Ta koncepcja „procesu”, który generowałby prawdziwą wartość X% czasu, jest nieco sprzeczna z intuicją i nie należy jej mylić z „przedziałem wiarygodności” z wnioskowania bayesowskiego, który ma znacznie bardziej intuicyjną definicję, ale jest to nie to samo, co szeroko stosowany przedział ufności.
Twoja aktualna wycena jest trochę nieporządna i wymaga drobnych poprawek zgodnie z opisem. Unikałbym tego dodatkowego użycia słowa „margines” i preferowałbym „słupki błędów”. Więc:
„Przedziały ufności są szacowane jako 1,96 pomnożone przez odpowiednie błędy standardowe i pokazane na wykresach jako słupki błędów.”
(To odsuwa na bok pytanie, czy jest to dobry sposób obliczania przedziałów ufności, który zależy od modelu itp. I nie jest istotny).
Ostatni komentarz do terminologii - nie podoba mi się „błąd standardowy”, co oznacza po prostu „odchylenie standardowe oszacowania”; lub „błąd próbkowania w ogóle” - wolę myśleć w kategoriach losowości i wariancji statystyk niż „błędów”. Ale wpadłem na użycie powyższego terminu „błąd standardowy”, ponieważ, jak sądzę, jest on tak powszechnie używany.