在统计学中，假设检验是一种用于判断样本数据是否符合某种假设的方法。在假设检验中，我们首先提出一个原假设（H0），然后根据样本数据进行统计推断，得出一个统计量，进而计算出一个p值。如果p值小于显著性水平（通常为0.05），则拒绝原假设，否则接受原假设。

在某些情况下，当我们进行假设检验时，得到的p值大于0.05，这意味着样本数据并未提供足够的证据来拒绝原假设。因此，我们需要接受原假设，并认为样本数据符合原假设所描述的情况。

举个例子，假设我们想要检验一种新的药物是否有效降低血压。我们提出原假设：这种药物对血压无影响（即H0: 药物无效），并进行双盲随机对照试验。经过统计分析，得到的p值为0.10，大于显著性水平0.05。因此，我们接受原假设，认为这种新药物对血压没有显著影响。

总之，当得到的p值大于0.05时，我们应该接受原假设，认为样本数据符合原假设描述的情况。然而，需要注意的是，接受原假设并不意味着我们可以完全忽略样本数据所提供的信息，而是需要在原假设的基础上进一步探索和分析数据，以便更全面地了解所研究的问题。