我正在研究试图适应对数正态分布的样本。在某些情况下，Kolmogorov-Smirnov 检验统计量类似于 D = 0.0056，相关的 p 值为 0。因此，我的样本显示与理论对数正态分布的偏差非常小，但查看 p 值我拒绝零假设，即我的样本来自参考分布（对数正态）。

KS-test 通过 R 代码执行：

sample.z <- std(sample) # I standardize data to allow for comparisons
LN <- rlnorm(1e5, 0, 1) # theoretical lognormal with mean = 0 and sigma = 1
ks.test(sample.z, LN)

查看 QQ 图，我发现我的分布尾部存在显着偏差。因此，我在想也许我得到这些结果是因为我的近似对数正态分布中的帕累托尾巴。的确，

library(igraph)
power.law.fit(sample)

通过在具有特定 alpha 的特定下限 (xmin) 之后识别帕累托尾来证实这一假设。

现在，我想在 QQ 图中展示我的帕累托尾巴的拟合度。我怎样才能做到这一点？您能否建议其他数据可视化方法来强调对数正态分布中帕累托尾的存在？