有一个独立变量X，我想知道它是否服从指数分布。
按理说是可以用卡方检验进行检验的，但是我在实际中遇到了一些问题。

先说X，我预测X~exp（λ =1），变量X的容量为1000， 观测值区间为（0,7）。因此，
1、我打算对变量X分组tab1，统计每组区间的频率
2、然后构造一个新的变量tab2存放对应指数分布的在对应分组内的概率
3、最后进行卡方检验, 通过P值判断是否服从指数分布
最后
b <-seq(0,7, by = 1)
tab1 <- table(cut(X,breaks=b))
tab2 <- pexp(b, 1)

chisq.test(tab1, p = tab2)  #代码里tab1是表，tab2是向量，还需要对tab1进行处理

问题在于tab1中的数据
(0,1] (1,2] (2,3] (3,4] (4,5] (5,6] (6,7]
  636   231    90    27    12     1     3


因为有数据在1-5之间，因此卡方检验会提示结果可能不准，但是修正卡方检验和fisher精确检验似乎都不太适用？ 因为数据不是2*2矩阵