卡方拟合优度检验，用于衡量观测频数与期望频数之间的差异
一般地，假设总体分r类 ,分布假设检验问题
在原假设下， 期望频数 ：
假设从总体中随机抽取n个样本，并记 为样本中分到类中的个数，称为 观测频数 。
K.Pearson在原假设 成立下：
因此，在显著性水平 下，拒绝域为
p-value = 0.9254>0.05,则不应拒绝原假设，孟德尔的结论是成立的。
同理，可以先计算出
某美发店上半年各月顾客数量如下，请问该店各月顾客数是否为均匀分布？
我们用R语言来模拟一下实际操作
R语言实验结果与示例完全相同。
首先可以利用fitdistr函数求得weibull分布的形状参数和尺寸参数，假设数据为x:
library(MASS) #fitdistr需要利用MASS包fitdistr(x, densfun = "weibull",lower=0)
得到形状参数shape与尺度参数scale
然后利用ks.test进行检验：
ks.test(jitter(x),"pweibull",shape,scale)上边的jitter用来做小扰动，因为如果x中有重复数据的话ks.test会报错，如果x中没有重复数据则不需要jitter。shape是得到的形状参数，scale是得到的尺度参数。
ks.test得到两个结果，一个是D,越小越好，一个是p-value，这个值要大于0.05
![怎么删除数组中重复元素，比如string[] a={1,2,1};把1除去](/aiimages/%E6%80%8E%E4%B9%88%E5%88%A0%E9%99%A4%E6%95%B0%E7%BB%84%E4%B8%AD%E9%87%8D%E5%A4%8D%E5%85%83%E7%B4%A0%EF%BC%8C%E6%AF%94%E5%A6%82string%5B%5D+a%3D%7B1%2C2%2C1%7D%3B%E6%8A%8A1%E9%99%A4%E5%8E%BB.png)
