有人多次告诉我，Anderson Darling (AD) 检验比 Kolmogorov-Smirnov (KS) 检验要好得多，因为 AD 在拟合分布尾部方面做得更好。KS只擅长拟合分布的中档；但是，即使在这方面也不比AD好。我认为 KS 测试的主要优点是其非常直观的视觉解释（拟合各自的累积分布）。由于 KS 易于视觉和直观的解释，它已在某些专业中占据主导地位，例如金融服务行业的信用评分模型。但是，视觉上更直观并不意味着更好。

使用自动将统计分布拟合到数据集的蒙特卡罗模拟模型时；由于上述原因，他们各自的软件手册通常建议更多地依赖 AD 而不是 KS 测试（更适合尾巴）。

我不确定这些测试，所以这个答案可能是题外话。抱歉，如果是这样。但是，您确定要进行测试吗？这实际上取决于练习的目的是什么。为什么要将分布拟合到数据中，之后您将如何处理拟合分布？

如果您只是因为感兴趣而想知道哪种分布最适合，那么测试可能会有所帮助。

另一方面，如果你想对分布做一些实际的事情，那么你最好根据你的意图开发一个损失函数，并使用为你提供最令人满意的损失函数值的分布。

从您的描述（特别关注尾部）中，我听起来您想要对分布做一些实际的事情。如果是这样，我很难想象现有测试将提供比在原位比较拟合分布的效果更好的指导的情况，不知何故。

我认为我的问题包含在这个更一般的讨论中：Motivation for Kolmogorov distance between distributions