显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。

假设检验是围绕对原假设内容的审定而展开的。如果原假设正确我们接受了（同时也就拒绝了备择假设），或原假设错误我们拒绝了（同时也就接受了备择假设），这表明我们作出了正确的决定。但是，由于假设检验是根据样本提供的信息进行推断的，也就有犯错误的可能。

有这样一种情况，原假设正确，而我们却把它当成错误的加以拒绝。犯这种错误的概率用α表示，统计上把α称为假设检验中的显著性水平，也就是决策中所面临的风险。

α表示原假设为真时，拒绝原假设的概率。

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。

显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。

显著性水平代表的意义是在一次试验中小概率事物发生的可能性大小。

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；大于这个标准则不拒绝原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，不拒绝区间。

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。

[例题]：某厂生产日光灯管。以往经验表明，灯管使用时间为1600h，标准差为70h，在最近生产的灯管中随机抽取了55件进行测试，测得正常使用时间为1520h。在0.05的显著性水平下，判断新生产的灯管质量是否有显著变化。

解：

H0：u=1600，Ha：u≠1600

在Ho成立条件下， ，

于是，在α显著性水平下，Ho的拒绝域为

由题意知，

因为，=-8.48<－1.96，所以拒绝Ho。

即样本数据表明日光灯管的质量有显著性改变（显著性水平0.05）。

显著性水平是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。检验中，依据显著性水平大小把概率划分为二个区间，小于给定标准的概率区间称为拒绝区间，大于这个标准则为接受区间。事件属于接受区间，原假设成立而无显著性差异；事件属于拒绝区间，拒绝原假设而认为有显著性差异。对显著水平的理解必须把握以下二点：

1、显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。

2、统计上所讲的显著性与实际生活工作中的显著性是不一样的。