Kolmogorov-Smirnov 检验可用于检验任何完全指定的连续分布的空值。

由于统计量只是 cdf 中最大差异的函数，因此如果您对数据使用概率积分变换，则不会改变检验统计量，而是将其变成针对一致性的检验。

上图显示了正态性检验的情况，下图显示了转换数据上的标准统一检验。给定 x 轴的任何单调变换，距离（D，用蓝色标记）是相同的。

因此，每个 KS 测试都将与您进行均匀性测试完全相同——即它是无分布的——只要分布是连续且完全指定的（没有要估计的参数），什么都没有关系分布是，测试工作完全相同。

如此均匀、正常、伽玛、贝塔、柯西、逻辑、Student t 或其他任何你喜欢的东西。

（如果分布没有完全指定 - 即如果您不知道一个或多个参数，那么它实际上不是 Kolmogorov-Smirnov 检验，而是Lilliefors 检验*，并且不再是无分布的，尽管在均匀性的情况下有一个巧妙的技巧，可用于将其带回完全指定的分布。）

* Lilliefors 自己做了正常和指数案例

--

关于您的头衔，没有什么可以告诉您您的数据来自均匀分布的人群 - 但拟合优度测试可能会告诉您它们不是。