在前一章中，我们讨论了如何使用数据来测试假设。这些方法提供了一个二元答案：我们要么拒绝要么不拒绝无效假设。然而，这种决定忽略了一些重要的问题。首先，我们想知道我们对答案的不确定性有多大（不管它是如何发展的）。此外，有时我们没有一个明确的空假设，所以我们想看看什么范围的估计与数据一致。第二，我们想知道实际效果有多大，因为正如我们在前一章的减肥例子中看到的，统计显著的效果并不一定是一个实际重要的效果。
在这一章中，我们将讨论解决这两个问题的方法：置信区间提供对我们估计的不确定性的度量，以及影响大小提供一种标准化的方法来理解影响有多大。我们还将讨论 _ 统计能力 _ 的概念，它告诉我们，我们可以多么好地期望找到任何可能存在的真正效果。