(1)把母体5的值域划分为k个互不相交的区间[a,ai=1,,k,其中a1,a,可以 分别取-0,0 (2)在H。成立下，用极大似然估计法估计分布所含的未知参数 (3)在H。成立下，计算理论概率 Pi=Fo(am)-Fo(a,) 并且算出理论频数nP: (4)按照子样观察值X,x2,…,x,落在区间[a,a)中的个数，即实际频数 ,i=1,,k,和(3)中算出的理论频数nD 计算 x2=么二2) 的值： (⑤)按照所给出的显著性水平a,查自由度k-m-1的x2-分布表得x2.(k-m-l),其 中m是未知参数的个数： (6若x2≥X,则拒绝原假设H。,若x2<X，则认为原假设H。成立 三柯尔莫哥洛夫似合检验-D检验 X2-似合检验是比较子样频率与母体的概率的.尽管它对于离散型和连续型母体分布都 适用但它是依赖于区间的划分的.因为即使原假设H。:F(x)=F(x)不成立，在某种划分下 还是可能有 F(a)-F(a)=Fo(a,)-F(a)=P,i=l,…,k从而不影响(7.5)中x2的值，也就 是有可能把不真的原假设H。接受过来.由此看到，用X2检验实际上只是检验了 F(a,)-F(a)=P,i=L,…,k,是否为真，而并未真正地检验母体分布F(x)是否为F(x) 柯尔莫哥洛夫对连续母体的分布提出了一种方法.一般称做何尔莫哥洛夫检验或D。-检验这 个检验比较子样经验分布函数F(x)和母体分布函数F(x)的.它不是在划分的区间上考虑 F(x)与原假设的分布函数之间的偏差而是在每一点上考虑它们之间的偏差这就克服了 (1) 把母体  的值域划分为 k 个互不相交的区间[ , ), 1, , , 1 a a i k i i+ =  其中 a ak , 1 可以 分别取 − , ; (2) 在 H0 成立下,用极大似然估计法估计分布所含的未知参数; (3) 在 H0 成立下,计算理论概率 ( ) ( ) pi = F0 ai+1 − F0 ai 并且算出理论频数 nPi ; (4) 按照子样观察值 n x , x , , x 1 2  落在区间 [ , ) ai ai+1 中的个数 , 即实际频数 n ,i 1, , k, i =  和(3)中算出的理论频数 nPi , 计算 i i i nP (n nP ) 2 −  = 的值; (5) 按照所给出的显著性水平  ,查自由度 k-m-1 的 2  -分布表得 ( 1) 2 1− k − m − ,其 中 m 是未知参数的个数; (6) 若 2  2  1− ,则拒绝原假设 H0 ,若 2 1 2    − ,则认为原假设 H0 成立. 三 柯尔莫哥洛夫似合检验------ Dn 检验 2  -似合检验是比较子样频率与母体的概率的.尽管它对于离散型和连续型母体分布都 适用.但它是依赖于区间的划分的.因为即使原假设 : ( ) ( ) 0 0 H F x = F x 不成立,在某种划分下 还是可能有 F a F a F a F a P i k i i i i i ( ) ( ) ( ) ( ) , 1, , − −1 = 0 − 0 −1 = =  从而不影响(7.5)中 2  的值,也就 是有可能把不 真的原假设 H0 接受过来. 由此 看到, 用 2  - 检验实际上只是检验了 ( ) ( ) , 1, , , 0 0 1 F a F a P i k i − i− = i =  是否为真,而并未真正地检验母体分布F(x)是否为 ( ) 0 F x . 柯尔莫哥洛夫对连续母体的分布提出了一种方法.一般称做柯尔莫哥洛夫检验或 Dn -检验.这 个检验比较子样经验分布函数 F (x) n 和母体分布函数 F(x)的.它不是在划分的区间上考虑 F (x) n 与原假设的分布函数之间的偏差.而是在每一点上考虑它们之间的偏差.这就克服了