Goodness of fit

拟合优度（英語：goodness of fit）描述了统计模型中对一组观测值的拟合程度。拟合优度的度量通常总结观察值与相关模型下预期值之间的差异。这些措施可用于统计假设检验，例如检验残差的正态性，检验两个样本是否来自相同的分布（参见柯尔莫哥洛夫-斯米尔诺夫检验），或者结果频率是否遵循指定的分布（参

赤池信息量准则（英語：Akaike information criterion，简称AIC）是評估統计模型的复杂度和衡量统计模型「擬合」資料之优良性（英語：Goodness of Fit，白話：合身的程度）的一种标准，是由日本统计学家赤池弘次创立和发展的。赤池信息量准则建立在信息熵的概念基础上。 在一般的情况下，AIC可以表示为：

5, 6; 2不是1, 3, 4 ...），六面的機率總和等於1。 「皮爾森卡方檢定」可用於三種情境的變項比較：拟合度检验（英语：Goodness of fit）、同质性检验（英语：Homogeneity_and_heterogeneity_(statistics)）和獨立性檢定。

Peña, D. and Zamar, R. (1997) A multivariate Kolmogorov-Smirnov test of goodness of fit, Statistics & Probability Letters, 35(3), 251-259. Eadie, W.T.; D

，直到费歇尔在1922年及1924年的论文发表后才暂告一段落。 皮爾森卡方檢定，是最有名的卡方檢驗，有兩種用途，分別是「適配度檢定」（Goodness of Fit test）以及「獨立性檢定」。科學文章中，當提到卡方檢定而沒有特別註明是哪一種時，通常便是指皮爾森卡方檢定。 葉氏連續性修正（英语：Yates's