拟合优度检验是建立统计模型的一个重要步骤之一，它主要任务是检验给定分布（分布族）对数据的拟合程度。传统的EDF型检验有著名的Kolmogorov-Smirnov检验，Anderson-Darling检验和Cramer-vonMises检验，但它们的检验效果有时并不是最好的。例如，张进在文献[1]中所提出新的EDF统计量ZA，ZC和ZK，在正态性检验时的效果要好于传统的EDF型统计量。　　 虽然EDF型统计量具备有效的拟合性质，但是它们的分布规律不仅依赖于被检验的样本容量和样本分布，还依赖于假定分布中未知参数的类型及参数估计的方法等，这使得在有些情况下我们要求出它们的分布或渐进分布就比较困难。这时，我们往往能通过建立恰当的模型，用模拟的方法来解决具体的问题。　　 本文引用几个著名的EDF统计量，对含有未知参数的指数分布作了拟合优度检验，并用蒙特卡洛的方法给出了样本来自于指数分布时统计量的分位表，然后取不同的样本分布对统计量的检验功效作了简单的比较。