มันจะเป็นกรณีที่ถ้าคุณสังเกตตัวอย่างที่เป็นไปไม่ได้ภายใต้ null (และถ้าสถิติสามารถตรวจพบได้) คุณจะได้รับ p-value เท่ากับศูนย์
ที่สามารถเกิดขึ้นได้ในปัญหาโลกแห่งความจริง ตัวอย่างเช่นถ้าคุณทำการทดสอบ Anderson-Darling ของความดีพอดีของข้อมูลกับเครื่องแบบมาตรฐานที่มีข้อมูลอยู่นอกช่วงนั้นเช่นที่ตัวอย่างของคุณคือ (0.430, 0.712, 0.885, 1.08) - ค่า p เป็นศูนย์จริง ๆ (แต่การทดสอบ Kolmogorov-Smirnov ในทางตรงกันข้ามจะให้ค่า p ที่ไม่เป็นศูนย์ถึงแม้ว่าเราสามารถแยกแยะได้โดยการตรวจสอบ)
การทดสอบอัตราส่วนความน่าจะเป็นเช่นนั้นจะให้ค่า p เป็นศูนย์ถ้าตัวอย่างไม่สามารถทำได้ภายใต้ค่า Null
ตามที่กล่าวถึงในข้อคิดเห็นการทดสอบสมมติฐานไม่ได้ประเมินความน่าจะเป็นของสมมติฐานว่าง (หรือทางเลือก)
เราไม่พูดถึงความน่าจะเป็นของโมฆะที่เป็นจริงในเฟรมเวิร์กนั้น (ไม่สามารถทำได้จริง ๆ ) (เราสามารถทำได้อย่างชัดเจนในกรอบเบย์แม้ว่า - แต่แล้วเราก็โยนปัญหาการตัดสินใจแตกต่างจากตอนแรก) .