在统计学中，p值是用来衡量实际观测到的数据与假设值之间的差异性的指标。一般来说，p值越小，说明实际观测到的数据与假设值之间的差异性越大，也就意味着我们越有理由拒绝原假设。

例如，我们假设某种药物可以治疗某种疾病，我们对两组患者进行了实验，一组服用了药物，另一组未服用药物。我们观察到服用药物的患者的症状有所改善，而未服用药物的患者的症状没有改善。我们需要确定这个观察结果是否足够显著，从而推翻“药物无法治愈该疾病”的原假设。

在这种情况下，我们可以使用t检验等统计方法来计算p值。如果p值小于设定的显著性水平（一般为0.05），那么我们就有足够的证据拒绝原假设，即认为药物可以治愈该疾病。

当然，p值只是一个指标，我们需要结合实际情况和领域知识来全面判断。同时，我们也需要注意避免过度关注p值，而忽略了其它重要的因素。