这个计算结果就是告诉我们,新机床的产品（x）和老机床的总体均值之差处于图2的蓝色区域（z=-2.83）内，而图2中两边蓝色部分面积之和即a=0.05，也就是预先设定的检验水准。这说明，当我们假设新机床的产品（x）和老机床的总体均值一样这个假设（就是H0）,在只有5%的可能性不为真的前提下，在只做了一次抽样的情况下（样本均值为0.076mm），这件事情真的发生了，也就是图4中的差值大到了真的处于不能接受H0这个假设的5%的范围，所以我们认为拒绝前面的假设H0。
上述实验结果还表明，只有进一步缩小a值（比如3%），才能使得z=-2.83不包括在上面两个蓝色区间内，也就是在a更小的情况下，才能接受H0。这里的a代表显著性水平，显著性水平越低，就表示原假设越难被推翻，假设检验越保守。显著性水平越高，就表示原假设越容易被否定，假设检验越激进。也就是说，显著性水平是留给某次实验用来推翻原假设的可能性的大小。放在这个问题上，就是说，对于新老机床性能一样这件事情，在我们假设有5%可能性被推翻的时候，经过这次实验真的被推翻了；但当我们假设只有3%的可能性被推翻的时候，新老机床性能一样这个结论就没有被推翻。
这就好比一个女孩子对一个男孩子说，你本来追不到我（H0），但我愿意给你10%的可能性（显著性水平）试一下，结果男孩子真追到了；而当这个女孩子只愿意给5%的可能性的时候，结果就没有追到一样。
