검정력은 다른 통계적 검정과 마찬가지로, 동등성 검정에서도 중요한 고려 사항이다.
그러나 동등성 검정에 대한 가설은 일반적인 모평균 감정에 대한 가설과 다르다.

2-표본 t-검정과 2-표본 동등성 검정의 차이를 생각해 보자.
2-표본 t-검정은 두 모집단의 평균이 다른지 여부를 검정하기 위해 사용한다.
 
 

 

검정에 대한 가설은 다음과 같다.
  • 귀무 가설(H₀): 두 모집단의 평균이 같다.
  • 대립 가설(H_a): 두 모집단의 평균이 다르다.
검정의 p-값이 알파(α)보다 작으면 귀무 가설을 기각하고 평균이 다르다는 결론을 내린다.

이와 반대로, 2-표본 동등성 검정은 두 모집단의 평균이 동일한지 여부를 검정하기 위해 사용한다.
검정의 동등성은 사용자가 지정하는 값의 범위(동등성 간격이라고도 함)에 의해 정의된다.
 
 

 

검정에 대한 가설은 다음과 같다.
  • 귀무 가설(H₀): 평균 간의 차이가 동등성 구간을 벗어난다. 평균이 동일하지 않다.
  • 대립 가설(H_a): 평균 간의 차이가 동등성 구간 내에 있다. 평균이 동일하다.
 
검정의 p-값이 α보다 작으면 귀무 가설을 기각하고 평균이 동일하다는 결론을 내린다.
따라서 동등성 검정의 검정력은 차이가 동등성 한계 내에 있을 때 그렇다는 결론을 내릴 확률이다.
검정의 검정력이 낮으면 차이가 실제로 동등성 한계 내에 있는데
그렇지 않다는 잘못된 결론을 내릴 수 있다.

다음과 같은 요인이 검정의 검정력에 영향을 미친다.
  • 표본이 클수록 더 높은 검정력을 제공한다.
  • 차이가 두 동등성 한계의 중앙에 가까운 경우 검정력이 더 높다.
 
 

 

  • 변동성이 낮을수록 더 높은 검정력을 제공한다.
  • α 값이 높을수록 더 높은 검정력을 제공한다.
    그러나 α는 제1종 오류의 확률을 나타내므로 α를 높이면 동등하지 않은 데 동등하다고
    주장할 확률이 증가한다.