在統計學中，顯著性差異的判斷是基于P值的分析。當顯著性水平設為0.05時，P值小于0.05通常被視為“顯著”，表明觀察到的差異很可能并非隨機誤差，而是實際存在的；反之，如果P值大于0.05，則被認為是“不顯著”，可能只是偶然巧合導致的結果。

P值越小，說明對比樣本間的差異越有統計學上的意義。在單側檢驗中，0.05的顯著性水平對應的標準正態分布的分位數為1.645，這意味著如果Z值大于這個數值，P值就會小于0.05。雙側檢驗則有所不同，例如0.05的雙側分位數是1.96，這意味著Z值大于或小于這個數值時，P值會小于0.025，即顯著性水平加倍。

1.64、1.96和2.58分別對應單側和雙側檢驗的不同置信水平。1.64對應的是單側檢驗的95%置信區間，1.96和2.58則分別對應雙側檢驗的95%和99%置信區間。這些值是判斷差異是否達到顯著性的重要參考標準。

值得注意的是，盡管P值可以衡量差異的顯著性，但人們往往容易混淆“差異具有顯著性”和“差異顯著”這兩個概念。前者指的是P值小于0.05，意味著有5%的錯誤率認為兩個群體有差異，而不是說差異本身有多大。真正的“顯著差異”是根據實際值的差距和背景知識來判斷的，即使P值顯著，也不能自動等同于實際差異的顯著。

總的來說，理解P值和這些分位數的區別，可以幫助我們準確地評估統計分析結果中差異的顯著性，避免誤解和混淆。