「給力」與「不給力」

在統計中，第一型錯誤是在虛無假設為真時你卻拒絕它，一般我們會把犯第一型錯誤的機率（α）定為 0.05。P 值是在虛無假設為真時出現比該資料更極端值的機率，但不是犯第一型錯誤的機率，也不是虛無假設為真的機率（因為我們已經事先假設虛無假設為真了）。

第二型錯誤是在虛無假設為假時你卻接受它，一般我們會把犯第二型錯誤的機率（β）定為 0.2，1-β （0.8）稱為「統計檢定力」。統計檢定力決定於：樣本大小（愈多則愈高）、效果量（愈大則愈高）、測量的正確性（愈正確則愈高）、使用的統計方法。大部分的臨床研究樣本數都是少的，因此具有低的統計檢定力（統計檢定力平均只有0.2）。一般人以為低的統計檢定力比較容易犯第二型錯誤（亦即增加假陰性率），其實它另外有三個壞處：

第一是增加資料的變異性：亦即減少資料的精準度。

第二是高估效果量：樣本數少會減少點估計（效果量）的正確度，其中只有效果量被高估的才能達到 P < 0.05 （因為資料的變異性增加），此稱為「贏家的詛咒」（在競標中，出價最高者得標，因此贏家的得標價經常會超過這個物件的真實價值）。例如在「全基因組關聯分析」（數百萬個基因多型性）的研究中，我們只會注意有意義的結果（稱為「確認偏誤」），亦即只有挑選最大的差異。

第三是增加「假發現率」（在 P < 0.05 的結果中犯錯的機率，亦即假陽性率）。例如：有 1000 個研究，如果虛無假設為假的先驗機率為 0.5，那麼有 500 個研究的虛無假設為真，如果我們把 α 定為 0.05，那麼其中有 475 個研究結果是正確的，但是有 25 個研究結果（5%）誤認為假。另外有 500 個研究的虛無假設為假，如果統計檢定力是 0.8，那麼其中有  400 個研究結果是正確的，但是有 100 個研究結果（20%）誤認為真，因此在 425 （400  + 25）個有陽性發現（亦即拒絕虛無假設）的結果中，有 25 個（5.9%）是錯誤的，亦即假發現率是5.9%。如果統計檢定力是 0.2，那麼其中有  100 個研究結果是正確的，但是有 400 個研究結果（80%）誤認為真，因此在 125 （100  + 25）個有陽性發現（亦即拒絕虛無假設）的結果中，有 25 個（20%）是錯誤的，亦即假發現率是 20%。

因此我們做事情要「給力（夠力、帶勁、酷）」，做研究也要給力。