在数据处理中,许多实际数据的分布通常是偏斜的。人们希望对拟合这类数据有一个准确的统计模型,而Skew-t分布族就是一类可以拟合偏态分布数据的统计模型。Skew-t分布不仅能刻画数据的偏斜、单峰等特性,而且可以刻画比正态分布的尾部还长的尾部分布。Skewt分布在经济学、医学、生物学和社会研究等各个领域得到了广泛的应用。因此,研究Skew-t分布的拟合优度问题具有重要的理论和实际意义。似然比检验法是一种常用假设检验方法,很多常用的性质优良的检验方法可以由似然比方法导出。著名的Nyman-Person引理指出,对简单零假设和简单备择假设,似然比检验是一致最优检验。但对于非参数分布族的假设检验问题,由于总体分布的具体形式未知,故参数分布族的似然比检验方法不大适用,需要寻找新的检验方法。经验似然方法是一种有效的非参数统计方法,受到统计学者们的广泛关注。本文主要研究基于经验似然方法对Skew-t分布进行拟合优度检验的问题。第一章,主要介绍了国内外关于Skew-t分布和经验似然方法的研究现状,本文的主要研究内容、结论以及本文的篇章结构。第二章,主要介绍了Skew-t分布的概念及相关性质,介绍了经验似然的基本原理与方法。第三章,基于经验似然方法构建Skew-t分布的拟合优度检验。我们首先采用极大似然估计法对分布中的未知参数进行估计,然后根据Vexler和Gurevich引入的方法构建检验统计量,给出了确定否定域的方法,证明了检验统计量的一些渐近性质。第四章,通过蒙特卡罗模拟(Monte Carlo simulation),得到检验的临界值和犯第一类错误概率的估计,并将其与基于经验分布函数的(EDFT)检验进行了比较分析。结果表明,本文所提出的检验能较好地控制犯第一类错误的概率,具有很好的检验功效。因此,该方法具有可行性实际应用价值。对两个实例进行了实证分析,验证了我们的检验方法的实用性。