এটির ক্ষেত্রে যদি আপনি শূন্যের নীচে অসম্ভব এমন কোনও নমুনা পর্যবেক্ষণ করেন (এবং যদি পরিসংখ্যানগুলি এটি সনাক্ত করতে সক্ষম হয়) তবে আপনি ঠিক শূন্যের একটি পি-মান পেতে পারেন।
বাস্তব বিশ্বের সমস্যার মধ্যে এটি ঘটতে পারে। উদাহরণস্বরূপ, যদি আপনি কোনও সীমার বাইরে কিছু ডেটা সহ স্ট্যান্ডার্ড ইউনিফর্মের সাথে ডেটার ফিটের উপকারের একটি অ্যান্ডারসন-ডার্লিং পরীক্ষা করেন - যেমন যেখানে আপনার নমুনা (0.430, 0.712, 0.885, 1.08) - পি-মানটি আসলে শূন্য (তবে একটি বিপরীতে কোলমোগোরভ-স্মারনভ পরীক্ষা এমন একটি পি-মান দেবে যা শূন্য নয়, যদিও আমরা এটি পরিদর্শন করে রায় দিতে পারি))
সম্ভাব্য অনুপাতের পরীক্ষাগুলি একইভাবে শূন্যের একটি পি-মান দেবে যদি শূন্যের নীচে নমুনাটি সম্ভব না হয়।
মন্তব্যে উল্লিখিত তীব্র ধারণা হিসাবে, অনুমানের পরীক্ষাগুলি নাল অনুমানের (বা বিকল্প) সম্ভাবনার মূল্যায়ন করে না।
আমরা সেই কাঠামোয় নালার সত্যতার সম্ভাবনা সম্পর্কে কথা বলতে পারি না (যদিও আমরা এটি একটি বায়েশিয়ান কাঠামোয় স্পষ্টভাবে করতে পারি, তবে - তবে আমরা সিদ্ধান্তের সমস্যাটিকে কিছুটা আলাদাভাবে ফেলেছি) ।