עוצמה סטטיסטית – הבדלי גרסאות

למעשה עוצמה סטטיסטית היא <math>1-P</math> כאשר P מייצג את הסיכוי לטעות מסוג שני (<math>\beta</math>). כאשר הסיכוי לטעות מסוג שני (<math>\beta</math>) נמוך וקרוב ל-0, העוצמה הסטטיסטית גדולה, וכאשר הסיכוי לטעות מסוג שני (<math>\beta</math>) גבוה, וקרוב ל-<math>1</math>, העוצמה הסטטיסטית קטנה. ככל שהמחקר שנערך רגיש יותר, העוצמה הסטטיסטית גבוהה יותר והסיכוי לטעות מסוג <math>\beta</math> קטן יותר. יש שמסמנים את הערך של העוצמה הסטטיסטית באמצעות האות <math>\pi</math>.

#'''רמת מובהקות''' – ככל ש[[רמת מובהקות|רמת המובהקות]] גדולה יותר, העוצמה הסטטיסטית גדולה יותר. כאשר השטח הקריטי גדול יותר, קל יותר לדחות את <math>H_0</math>, ולכן העוצמה הסטטיסטית גדולה יותר. 

#'''שינוי סוג ההנחה לחד-צדדי''' – שינוי ההנחה לחד-צדדית מקלהמקל על דחיית <math>H_0</math> מבלי לשנות את רמת המובהקות, שכן מגדילים את שטח הדחייה. 

#'''גודל האפקט (Effect size)''' – מדד סטנדרטי המלמד על עצמתעוצמת הקשר בין המשתנים. (מידת ההשפעה של הטיפול/מניפולציה). בודקיםבודק את הקשר בין האוכלוסיות והפיזור. אם הפיזור/שונות (<math>\sigma</math>) קטן יותר, אז העוצמה גבוהה יותר וקל יותר לדחות את <math>H_0</math>. אם ההבדל בין ממוצעי הקבוצות גדול, העוצמה גבוהה וקל יותר לדחות את <math>H_0</math>. ניתן להשפיע על גודל האפקט ולהקטין את הפיזור <math>\sigma</math> של סטטיסטי המבחן, על ידי תכנון הניסוי בצורה חכמה, לדוגמה: אם רוצים להשוות בין התוחלות של שתי אוכלוסיות בעלות [[שונות]] דומה, כדאי לדגום כמות שווה משתי האוכלוסיות, למשל 100 אנשים מכל אוכלוסייה, ולא לדגום כמויות שונות, למשל 180 מאוכלוסייה אחת ו-20 מהאוכלוסייה השנייה.