尝试用通俗的语言和例子来解释这两个统计学概念，它们在电路设计和信号处理中都非常有用，比如测量jitter。

OK，下面以橙子为例进行解释：

假设小明受雇于一家水果公司，刚入职的首个任务就是让小明估计果园中橙子的平均大小。不过如果估计错误，就要支付罚款。所以小明拿了N个橙子开始测量并取平均，最后得出一个80mm大小的结论，假如现在就去告诉公司说，“我这里的橙子大小是80mm”，如果出错，就必须支付罚款，而小明又不想支付这笔罚款，因此思考加入一些错误余量（error margin）。于是说，“好吧，我不太确定……应该是80mm±2mm”。这里的±2mm是就是小明估计的一个区间，统计学上称它为置信区间（CI，confidential interval），表示错误的余量。如果还有一些时间，小明可多次对N 个（不同的）橙子重复这些测量，发现实际上在90%的情况下，橙子大小的平均值确实在 80mm±2mm范围内。这里的90%就被称为置信水平（CL，confidential level）。因此，小明现在跑去回答公司应该就没问题了，说：“我有90%的把握，橙子的平均大小为80mm±2mm”。虽然这是一个非常复杂的答案，但它也可能是唯一让小明不支付罚款的答案。如果增加测量橙子的数量N，还可以收紧上述这个置信区间（显然，极端情况是全部测量，就没有区间概念一说）；或者是，对于相同的置信区间，增加测量样本数N可提高置信水平。

上面给出了一个比较通俗的例子，应该很容易理解这两个概念了。在数学上，置信区间的表达式如下，

可以看到，其他因素不变的情况下，样本数n越大，置信区间长度越小，就越接近准确的平均值。在电子科学领域，我们可以把对橙子的测量换成对其他具有统计分布的物理量的测量，比如jitter，虽然对象不同，但讲的是同一件事啦。😀