Será el caso de que si observa una muestra que es imposible bajo nulo (y si la estadística es capaz de detectarlo), puede obtener un valor p de exactamente cero.
Eso puede suceder en problemas del mundo real. Por ejemplo, si realiza una prueba de bondad de ajuste de datos de Anderson-Darling a un uniforme estándar con algunos datos fuera de ese rango, por ejemplo, dónde está su muestra (0.430, 0.712, 0.885, 1.08), el valor p es en realidad cero (pero una prueba de Kolmogorov-Smirnov, por el contrario, daría un valor p que no es cero, aunque podemos descartarlo mediante inspección).
Las pruebas de razón de probabilidad también darán un valor p de cero si la muestra no es posible bajo nulo.
Como mencionó Whuber en los comentarios, las pruebas de hipótesis no evalúan la probabilidad de la hipótesis nula (o la alternativa).
No hablamos (no podemos, realmente) acerca de la probabilidad de que el nulo sea verdadero en ese marco (sin embargo, podemos hacerlo explícitamente en un marco bayesiano, pero luego presentamos el problema de decisión de manera algo diferente desde el principio) .