(2)算出经验分布函 0,当x<x F(x)= ，当n5x<=,n 1当≤x (3)在原假设H。下，计算观测值处的理论分布函数Fx)的值； (④)对每一个x,算出经验分布函数与理论分布函数的差的绝对值 IFn(xa)-F(xa)I与IF(x)-F(x)川 P(D,2D)=a 的临界值Dna;当>1O0时，可通过Dn。≈乙m/√n查Dn的极限分布函数数值表得入m从 而求出Dn。的近似值 ()若(5)算出的D。2Dna则拒绝原假设H。:若D,<Dna则接受假设，并认为原假设 的理论分布函数与子样数据是似合得好的。 例7.10略)见P351 定理7.4当样本容量n,和，分别趋身于0时，统计量 Dn=supl Fim(x)-Fn(x)川 有极限分布函数 ∑(-)yem(-22),当a>0 (7.35) 0,当≤0 例7.11（略）见P353 (2) 算出经验分布函           =  = + x x x x j n n n x x x F x k j j j n 当 当 当 1, , , 1, , ( ) 0, ( ) ( ) ( 1) (1)  (3) 在原假设 H0 下,计算观测值处的理论分布函数 F(x)的值; (4) 对每一个 i x 算出经验分布函数与理论分布函数的差的绝对值 | ( ) ( ) | | ( ) ( ) | n (i) (i) n (i 1) (i) F x − F x F x − F x 与 + (5) 由(4)算出统计量的值 (6) 给出显著性水平  ,由柯尔莫哥洛夫检验的临界值表查出 P(Dn  Dn, ) =  的临界值 Dn, ;当 n>100 时,可通过 Dn,  1− / n 查 Dn 的极限分布函数数值表得 1− 从 而求出 Dn, 的近似值. (7) 若由(5)算出的 Dn  Dn, 则拒绝原假设 H0 ;若 Dn  Dn, 则接受假设,并认为原假设 的理论分布函数与子样数据是似合得好的. 例 7.10 略) 见 P351 定理 7.4 当样本容量 n1和n2 分别趋身于  时,统计量 | ( ) ( ) | 2 1 , 2 sup 1 1 2 D F x F x n n x n n = − 有极限分布函数 ( ) 1 2 1 2 1 2 D  K  n n n n P n n →          +       − −  =   =− 0, 0 ( 1) exp( 2 ), 0 2 2    当 当 j j j (7.35) 例 7.11 (略)见 P353