如何对R中的GEV分布进行Kolmogorov-Smirnov统计？

我现在使用

极值

包拟合广义极值（GEV）分布，我想使用Kolmogorov-Smirnov检验来估计拟合优度，但得到以下错误：

library(extRemes)
library(eva)
data("PORTw", package = "extRemes")
fit1 <- fevd(TMX1, PORTw, units = "deg C")
ks.test(PORTw$TMX1,"pgev",fit1$results$par[[1]],fit1$results$par[[2]],shape=fit1$results$par[[3]])

`Warning message:
In ks.test(PORTw$TMX1, "pgev", fit1$results$par[[1]], fit1$results$par[[2]],  :
  ties should not be present for the Kolmogorov-Smirnov test`

库（极端）
图书馆（eva）
数据（“PORTw”，package=“extRemes”）
fit1我推荐“EnvStats”软件包。
您将拥有更多适用于拟合优度测试的通用性：

library(EnvStats)
# For a data set called X
X <- rgevd(500)
# Generalized Extreme Value (EnvStats)
egevd(X, method = "mle")# Maximum likelihood
# Goodness of fit test
gofTest(X, distribution = "gev",test = "ks")#Kolmogorov-Smirnov
gofTest(X, distribution = "gev",test = "chisq")#Chi-Squared

库（EnvStats）
#对于称为X的数据集
X“EnvStats”包

库（EnvStats）
种子集（250）
您是否“想知道如何在R中执行此操作”。你不可能问如何在R中进行KS测试，对吗？至少在没有自己搜索的情况下是这样，对吗？很抱歉这个模糊的问题，我已经用更多的信息对它进行了编辑。这只是一个警告。您应该在控制台上看到KS测试的结果（但未能复制输出）。再一次。。。你能用一种完全自然的语言解释一下统计问题到底是什么吗？或者为什么您认为输出不正确？也许你需要阅读一些统计理论来解释为什么KS测试不需要联系？或者在CrossValidated.com上发布一个关于基本理论的问题，以及对此事件的担忧程度？您可能希望实际查看您的数据：
表（PORTw$TMX1）
谢谢。我没有注意到这只是一个警告，我可以看到结果。问题是，
fit1
与理论GEV分布之间是否存在统计差异？目的是评估
fit1
模型的拟合优度。那么广义帕累托分布呢？我无法在这个“gofTest”函数中分配distribution=“gp”（似乎不支持它）。如果你能给我一个提示的话。
library(EnvStats)
set.seed(250) 
dat <- rpareto(30, location = 1, shape = 1)  
head(dat)
epareto(dat)
gofTest(dat, distribution = "pareto",test = "ks")#Kolmogorov-Smirnov
plot.gof(gofTest(dat, distribution = "pareto",test = "ks"))#Plot