一下说不清楚，可以看一下数理统计中假设检验部分的内容

显著性水平通常以α表示，是一个临界概率值。它表示在“统计假设检验”中，用样本资料推断总体时，犯拒绝“假设”错误的可能性大小。α越小，犯拒绝“假设”的错误可能性越小。估计总体参数落在某一区间内，可能犯错误的概率为显著性水平，用α表示 ，1-α 为置信度或置信水平，其表明了区间估计的可靠性。统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。显著性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假设为真而被否定的风险也愈大。显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定。

假设一个总体的平均值，用样本的平均值来看（有个式子，服从正态分布），如果落在5%的置信区间的话，说明是小概率时间，则拒绝原假设，也就是原假设显著不成立。