ks.testinR允许调整要测试的分布的均值和标准差。例如

x <- rnorm(1000, 4, 10)
ks.test(x, "pnorm", mean = 4, sd = 10)

在 R 中，您可以只使用ks.test带有以下参数的函数：

ks.test(your_data, "pnorm", mean=test_mu, sd=test_sd)

your_data您的数据向量在哪里，test_mu是理论正态分布的特定平均值test_sd及其标准偏差。

要以图形方式检查数据，您可以使用包中的qqPlot函数car。只需将其与以下参数一起使用：

qqPlot(your_data, "norm", mean=test_mu, sd=test_sd)

这将生成一个带有比较线和 95% 逐点置信包络的 QQ 图（默认情况下）。

希望有帮助。

所以不要使用默认值！如前所述，R 允许您指定总体均值和标准差。

以下是如何在 MATLAB 或其他任何无法指定选项的情况下执行此操作：

通过总体参数标准化您的变量： $z_i = \frac{x_i-\mu_0}{\sigma_0}$

...然后根据标准正常进行测试。

（但是，如果那些$\mu$和$\sigma$值来自样本......不要这样做！）