我没有检查你的文字，但你的理解是正确的。

备择假设 (Ha) 通常被模糊地表述为两个总体均值之间的差异不为零。但是出于计算和解释能力的目的，您需要确定的 Ha，假设总体均值之间的差异等于 10（或某个值）。如果那个 Ha 是真的，并且如果您接受测试的所有假设，则功效是从具有指定样本大小的两个总体中随机抽样数据将导致 P 值小于 alpha 的概率。

所以是的，它是反对零假设和替代假设的力量。

在我看来，这是测试本身的力量，而不是反对任何一个假设的力量。如果数据很少，测试将无法拒绝$H_0$不管它是不是假的，所以测试本身几乎没有能力揭示有关问题的任何信息。如果我们有大量数据，我们将能够自信地期望拒绝错误$H_0$即使可能的影响大小低于$H_a$比较小，所以测试很强大。

也许我们应该认为测试的能力有点类似于显微镜或望远镜的（光学）能力，因为它提供了我们可以合理地期望解决的区分的精细程度的想法。

但是，我想您可能会争辩说，如果我们无法使用具有高功效的检验来拒绝零假设，那么这是对以下想法的“有力”支持$H_a$可能是假的（好像$H_a$是真的，测试不太可能不拒绝$H_0$）。

有关“功率”的统计含义的信息，请参见统计功率。