在统计学中，显著性检验是评估两个样本或变量之间差异是否由偶然性引起的。通常，当显著性水平设定为0.05时，有以下解读：

1. 当P值大于0.05时，这表明观察到的差异可能是由于随机误差，即我们不能确定实际存在的差异是否真正存在，因此结论是“不显著”。

2. 相反，如果P值小于或等于0.05，这意味着观察到的差异在统计学上被认为是显著的，因为这样的结果在95%的重复实验中出现的概率小于5%。这意味着我们有足够的证据相信这不是纯粹的随机事件，而是样本间存在真实的差异。

关于具体的分位数，单侧检验的0.05显著性水平对应的Z值是1.645，而双侧检验的0.05分位数是1.96。更高的分位数（如2.58，对应99%置信区间）意味着更严格的显著性标准。

需要注意的是，虽然P值小于0.05表明差异“具有显著性”，但这并不等同于“有显著差异”。例如，尽管5和5.1的数值看似微小，但若P值小于0.05，我们可以说它们之间存在统计学上的显著差异，但并不能直接断定这个差异在实际意义上是否“显著”。