数据： 出于本问题/交流的目的，我们可以假设数据看起来像rnbinom(1000,size=0.1,prob=0.01)R 中的数据，它从负二项分布（size=0.1成功概率和概率prob=0.01）生成 1,000 个观察值的随机样本。这是参数化，其中随机变量表示size成功次数之前的失败次数。尾巴很长，1000 次观察并不是很多数据。

问题： 我得到了一些数据（{1,2,....} 上的整数）[见上文]（1,500 个数据点），并要求我找到任何参数的“最佳拟合”分布和估计值。我对数据一无所知。我知道对于长尾数据来说，这不是一个非常大的样本。更多数据是可能的。

我所做的： 我考虑过通过将两个不同的分布拟合到数据中来使用似然比检验，但我认为这并不适用（例如，我无法确定适当的临界 p 值），除非这两个分布是嵌套的...

然后我考虑使用 Kolmogorov-Smirnov 检验（针对离散数据进行了调整），但无论如何，在 R 中，它抱怨它无法计算“有关系的数据”的 p 值。

在这种情况下，我测试/确定不同分布的拟合的最佳方法是什么？以下是我考虑过的其他一些事情：

1. 要求（很多）更多数据。但这会有帮助吗？例如，我可以使用渐近结果吗？
2. 考虑一些引导/重新采样/蒙特卡洛方案？如果是这样，是否有我可以/应该阅读的标准参考资料来学习如何正确地做到这一点？谢谢