在统计学中，当我们进行假设检验时，显著性水平和P值是两个非常重要的概念。显著性水平（通常用希腊字母α表示）是一个预先设定的阈值，用于决定我们是否拒绝原假设。简单来说，显著性水平代表了我们愿意接受的错误拒绝原假设的概率。常见的显著性水平包括0.05、0.01等，但题目中的显著性0.9则意味着我们愿意接受较高的错误概率，这在实际应用中较为少见。
P值则是指在原假设为真的情况下，观察到当前样本数据或更极端情况的概率。如果P值小于我们设定的显著性水平，我们就拒绝原假设；反之，则无法拒绝。因此，当显著性水平设为0.9时，只要P值低于0.9，我们就可以拒绝原假设，但这通常意味着我们的结果可能并不具有很强的统计显著性。
在实际分析中，选择合适的显著性水平非常重要，因为它直接影响了我们的结论。例如，在科学研究中，通常会选择较低的显著性水平（如0.05），以确保结论的可靠性。而在某些商业决策中，可能会选择更高的显著性水平，以平衡风险与机会。