適合度檢定(Goodness-of-fit Test)用於檢測觀察值是否符合某種特質，是統計學應用非常廣泛的檢定，其中卡方檢定(Chi-Squared Test)更是適合度檢定最常用的方法。卡方檢定廣受歡迎的原因之一在於其彈性，通常只要求分組後每一組觀察值的期望個數不少於5，若樣本較少需考慮併組，但如何併組至今仍無定論。本文即針對樣本數不足時，運用計算模擬的方法探討卡方適合度檢定，希冀研究結果可提供卡方適合度檢定併組的參考；另外，相似性指數(Similarity Indices)一般用於比較兩個母體的異同，使用上並不受限於觀察值期望個數的限制，我們也同時探討相似指數是否也可用於適合度檢定。 過去研究顯示當母體接近均勻分配時，適合度檢定或有較為不同特性，因此我們將研究分成當母體服從（或接近）均勻分配、或是幾何分配兩種情形。當母體接近均勻分配時，我們發現卡方適合度檢定並不受限於期望個數不大於5的限制，不考慮併組的卡方檢定的型一誤差符合顯著水準的要求，而且比併組的卡方檢定有更大的檢力(Power)；然而，在母體服從幾何分配時，卡方檢定必須依賴併組以改善型一誤差。另外，我們也發現相似性指數確實在各種假設條件之下，檢定力皆不如併組修正的卡方檢定優越。