قدرت شواهد آماری توسط نسبت درستنمایی اندازه گیری می شود. دو ویژگی کاربردی وکلیدی این معیار، احتمال مشاهده شواهد قوی گمراه کننده و احتمال مشاهده شواهد ضعیف است. برای تابع درستنمایی متناظر با مدل آماری پارامتری، این احتمالات وقتی مدل به طور صحیح انتخاب شده باشد ساختار ساده ای در نمونه های بزرگ دارد. در این پایان نامه به بررسی چگونگی تغییر این ساختار با داشتن مدل اشتباه می پردازیم که نیاز به معیاری برای تشخیص نیرومندی تابع درستنمایی داده شده، داریم. همچنین برای نیرومندی تابع درستنمایی نیم رخی این معیار را تعیین می کنیم و به اثبات می رسانیم که اطلاع مورد انتظار تابع درستنمایی اصلاح شده نیرومند، از اطلاع مورد انتظار تابع درستنمایی مدل صحیح نمی تواند فراتر رود. نشان می دهیم وقتی مدل به کار رفته به طور صحیح انتخاب شده باشد درستنمایی اصلاح شده نیرومند به طور مجانبی کاملاً کاراست و همچنین نشان می دهیم در چندین مثال مهم حتی وقتی مدل انتخاب شده نادرست باشد این کارایی تغییر نمی کند. توزیع احتمال پسین بیز بر پایه درستنمایی اصلاح شده، نیرومند است و حتی وقتی مدل متغیرهای تصادفی قابل مشاهده شامل توزیع صحیح نباشد توزیع احتمال پسین به طور مجانبی صحیح است.