Sa pagsusuri ng null-hypothesis significance testing, ang p-value ay ang probabilidad na makuha ang mga resulta ng pagsusuri na kasing matinding tulad ng aktwal na nakuha, batay sa pagpapalagay na ang hipotesis na walang kabuluhan (null hypothesis) ay tama.[1][2] Ang napakababang p-value ay nangangahulugan na ang ganitong matinding resulta ay malamang na hindi mangyayari kung ang null hypothesis ay totoo. Bagamat karaniwan na ang pag-uulat ng mga p-value sa mga estadistikang pagsusuri sa maraming larangan ng akademya, ang maling interpretasyon at maling paggamit ng mga p-value ay laganap at naging pangunahing paksa sa matematika at metasiyensiya.[3][4]
Noong 2016, naglabas ng pormal na pahayag ang American Statistical Association (ASA) na nagsasabing "ang p-values ay hindi sumusukat sa probabilidad na ang ipotesis na pinag-aralan ay totoo, o ang probabilidad na ang mga datos ay bunga ng saktong swerte lamang" at na "ang p-value, o estadistikang kahalagahan, ay hindi sumusukat sa sukat ng isang epekto o ang kahalagahan ng isang resulta" o "mga ebidensya ukol sa isang modelo o ipotesis".[5] Sa kabila nito, noong 2019, nagbigay ng pahayag ang isang task force ng ASA tungkol sa estadistikang kahalagahan at pangangulit ng mga resulta, na nagtapos sa: "ang mga p-value at mga pagsusuri ng kahalagahan, kung maayos na naiaangkop at binibigyang-kahulugan, ay nagpapataas ng pagkahigpit ng mga konklusyon mula sa datos".[6]
