在犯弃真错误概率得到控制的条件下，犯取伪错误也应尽可能小，或者说，不取伪的概率1-β应尽可能增大。1-β越大，意味着当原假设不真实时，检验判断出原假设不真实的概率越大，检验的判别能力就越好；1-β越小，检验的判别能力就越差。可见1-β是反映统计检验判别能力大小的重要标志，我们称之为检验功效或检验力。
比如在一些生物学、医学等比较苛刻的调查设计方案中，对统计功效的要求也有控制要求，是不可缺少的内容。这也就意味着在统计推论中既要控制α错误，又要控制β错误，满足双重控制条件下的样本量才是更有效的样本量。统计功效的大小取决于多种因素，包括：检验的类型、样本容量、α显著性水平，以及抽样误差的状况。统计功效分析应是上面诸因素结合在一起的综合分析。其实，人们现在最常用的也是最有效的方式就是增加样本数量，这样可以同时降低两种错误的可能性。
一些统计软件，如SAS、SPSS等虽都有计算统计功效的功能，但由于它们不是功效分析的专用统计软件，因而在使用中有不少局限，如在使用范围、检验类型、文件切换、提供的使用说明等方面与专门的功效分析统计软件相比，都有一定的差距。且一般统计软件在计算统计功效时也不够简便，这使功效的应用受到了限制。而这并不会带来非常大的困扰，因为当n足够大的时候，β错误其实也已经得到了有效的控制，那么根据α错误判定的结果已经非常有力了。因此，现在的大部分假设判断还是依据α错误进行判别。
