正規性についてAnderson–Darling検定を行う：

あるデータが特定の分布にフィットするかどうかの検定を行う：

2つのデータ集合の分布を比較する：

GammaDistribution[1,1/λ]がExponentialDistribution[λ]に等しいことを示すことができる．この結論はシミュレーションでサポートされる：

Anderson–Darling検定を行い，それぞれのデータ集合をその予測される の値でグループ分けする：

結果の 値の分布はほぼ一様分布に従い，主張を支持する：

Anderson–Darling検定の検出力曲線：

近似検出力曲線を可視化する：

基礎となる分布がUniformDistribution[{-4,4}]であり，検定サイズが0.05，サンプルサイズが6である場合に，Anderson–Darling検定の検出力を推定する：

3種のアヤメのそれぞれからの50のメンバーに対していくつかの測定を行う．setosa 種は簡単に見分けることができるが，残り2つの種である versicolor と virginica は混同されることが多いことが分かっている：

それぞれの種の花びらの長さの分布：

versicolor と virginica については同じ分布で，setosa は全く異なる：

以下のような花びらの長さの測定値が母集団について知られていると仮定する：

正規混合分布が花びらの長さの分布によくフィットしているようである：

Anderson-Darling検定統計を最小にすることで分布パラメータを推定する：

MLE値と比較する：

これら2つの最適パラメータについてAnderson-Darling検定統計を比較する：

デフォルトで一変量データはNormalDistributionと比べられる：

母数はデータから推定されている：

多変量データは，デフォルトでMultinormalDistributionと比べられる：

検定分布の母数は，指定されない場合にはデータから推測される：

指定された母数は推測されない：

最尤推定値は，検定分布の指定されていない母数に使われる：

母数が未知の場合，AndersonDarlingTestは可能であれば修正を適用する：

母数は推定されるが，修正は適用されない：

フィットされた分布は前と同じであり， 値は修正される：

独立周辺密度が多変量の適合度検定では仮定される：

独立性が仮定されると，検定統計は同一である：

Anderson–Darling検定の統計：

Anderson–Darling検定はNExpectationを使って定義することができる：

Anderson–Darling検定は，入力がTimeSeriesのときにのみ値に働く：

Anderson–Darling検定は離散分布には使えない：

一般に連続性の訂正は，検定サイズをうまく保存する：

しかし場合によってはこれが当て嵌まらないこともある：

そのような場合にはモンテカルロ法またはPearsonChiSquareTestを使う：

母数がデータから推定される場合には，Anderson–Darling検定は，分布によっては有効ではないことがある：

母数の値が既知である場合には与える：

あるいは，モンテカルロ法を使って 値を近似する：

帰無仮説 が真である場合の統計量を計算する：

特定の対立仮説による検定統計：

検定統計の分布を比較する：