假设检验的效力是什么？有什么含义？怎么计算？
1个回答
我们一般称为假设检验的统计效力(statistical power)。
定义：统计效力等于我们成功拒绝了错误的零假设的概率。
换个角度翻译一下上面的定义，power = 1 - Type II error。效力就是1减第二类错误。
统计效力越高，说明当某个现象（对立假设）存在的时候，我们更有可能检测到这个现象。统计效力越高，说明这个假设检验越有效。统计效力和假设检验本身的显著性水平相关也和样本的大小相关。
起个好名字
2017-06-04 10:25
相关主题
T检验的effect size是什么？有什么含义吗？
1回答
多重比较校正
1回答
t检验，需要测试集验证集吗？
3回答
spss的检验分了t，卡方，非参数，分类的依据和目的是啥
1回答
多重检验中的FDR(false discovery rate, 错误发现率)是什么？
2回答
F检验的使用场景
3回答
多因素方差分析
2回答
python里用F检验来比较方差
1回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！