在现代医学研究，传统 “均值 ± 标准差”“箱线图” 等统计表达，往往会丢失数据的分布形态、双峰特征、组间重叠等关键信息，无法适配真实世界临床数据的复杂特征。而 R 语言 ggdist 包的stat_slab()函数，作为分布可视化体系的核心底层工具，不仅能实现样本数据的完整分布呈现，更支持理论概率分布、贝叶斯后验分布的直接可视化，完美匹配高血压研究中从基线特征描述、模型参数展示到不确定性表达的全场景需求。本文将以高血压临床数据为真实案例，系统讲解函数的核心逻辑与实战应用，为大家提供一套规范、高效的分布可视化解决方案。一、认识stat_slab()函数在前面的文章中，我们已经连续介绍了 ggdist 的两个重要主题：一是累积分布函数（CDF）图，二是半眼图（half-eye）与全眼图（eye plot）。这些内容实际上都围绕着同一个核心思想展开——现代统计图形已经不再满足于“均值＋误差线”的传统表达，而正在逐渐走向“完整分布”的可视化。这种变化在医学研究中尤其重要。因为真实世界中的临床数据，往往并不是规则、对称、严格服从正态分布的“理想数据”。相反，它们常常存在偏态、厚尾、多峰、离群值，以及复杂的不确定性结构。如果研究者仍然仅仅
