看着图感觉像是均匀分布，可是检验出来不是？这是什么原因

看不懂啊，解析一下，也许我能帮你解决。

我对ks.test函数也抱怀疑态度，有时候真的对它无可奈何：

> x = runif(500)*10
> ks.test(x, "punif", min = 0, max = 10)

        One-sample Kolmogorov-Smirnov test

data:  x
D = 0.0651, p-value = 0.0289
alternative hypothesis: two-sided

检测不通过，如果重复上述操作，会发现有时可以过，有时不能过。

换一种方法检验看看行不行：你可以将范围0-1的数字乘以100，变成0-100范围内的数据，之后再用ceiling取整，变成范围1-100的整数样本。接着参考帖子“https://bbs.pinggu.org/thread-2983774-1-1.html”（《单样本的均匀分布检验》）中的方法，只不过将档位从10上调到100，运行unif.test(x, n = 100)试一试，如果结果在0.9以上，基本就是均匀分布。前提是样本容量，即x向量的长度要足够大，基本保持在250以上。

该序列是利用核密度估计得到的概率值序列，检验是否是均匀分布，可是开始做的小样本，后来换成大样本就不能通过检验了，为什么这样呢

大神啊，我看看去