在统计显著性检验中，一个重要的概念是显著性水平α。当α取值为0.05时，通常将P值的大小作为判断结果的重要标准。

P值被理解为对比两个事物间差异是由偶然性引起的概率。P值越小，说明差异更可能源自实际差异而非偶然，从而增强我们推断它们确实不同的信心。例如，在单侧检验中，如果显著性水平为0.05，对应的Z值边界是1.645。双侧检验中，0.025的分位数为1.96，这意味着Z值大于1.96时，P值小于0.05，表明差异具有统计学上的显著性。

P值小于0.05意味着差异发生的概率小于5%，这意味着如果在相同的条件下重复实验，得出相反结论的概率小于5%。这并不意味着实际效果的显著差异，而是表明数据的差异在统计上是显著的。

对于具体的分位数，1.64对应单侧检验的95%置信区间，1.96是双侧检验的95%置信区间，而2.58则对应双侧检验的99%置信区间。这些数值可以帮助我们确定临界值。

需要注意的是，尽管我们用“显著”描述P值小于0.05的情况，但这并不等同于实际的“显著差异”。例如，尽管5和5.1之间可能没有显著差异，但P值小于0.05表明它们之间的差别在统计上是显著的，但这并不意味着实际差别大。因此，理解这两者之间的区别至关重要。