虽然非参数检验通常在非常广泛的分布类别中具有相同的 I 类错误（在许多情况下，对于所有连续分布），但它们在所有分布中并不具有相同的功效特征。

因此，虽然基本思想是相同的——您指定一个特定的替代方案，在该替代方案上您需要特定数量的功率，然后您计算出样本量，该样本量将为您提供该替代方案的拒绝率 – 以便能够计算权力，你需要准确地说明情况是什么。

如果您确实精确地指定了它，那么您不一定必须能够以代数方式进行计算（尽管有时它应该是可行的）；模拟一般就足够了。

在这个答案的底部，我比较了 Shapiro-Wilk 和 Lilliefors 检验的正态性与一系列（越来越偏斜的）伽马分布的功率曲线。在这两个测试中测试的正态性未指定假设正态的均值和方差，但在 Kolmogorov-Smirnov 的情况下，您也可以指定它们。否则计算是一样的。

同样，在这个答案中，我比较了单样本 t 检验和 Wilcoxon 符号秩检验的功效。在这种情况下，指定了正态性。

在这两个答案中，都选择了固定的样本量，并且考虑的备选方案集合下的某些参数是变化的。对于样本量计算，您将完全修复替代方案并改变样本量，直到确定所需的功效。

[如果您不希望非常具体地指定一个分布——例如，通过将其限制为更广泛的分布类别——您将不得不计算该类别中所有分布的最低功率。在许多情况下，这可能很困难。]