本文主要讨论了D-S证据理论合成方法的几种改进的方法，并讨论了它们在分布假设检验中的应用。 D-S证据理论是一种研究不确定性问题的方法，它凭借其能够很好地表示“不确定性”和“未知”等认知学科上重要概念的优点，已被成功地应用于很多领域的信息融合中，用来解决不确定信息的处理问题。但是，在证据合成过程中，当证据间高度冲突即κ→1时，合成方法就会产生有悖常理的结果，为了解决这一问题，前人总结出了几种能够对冲突部分的概率进行一定处理的合成公式，但这几种合成公式在某些情况下仍然存在不足，因此，本文又给出了一种新的合成方法.并通过算例比较证明了此种方法的是理想的。 皮尔逊x2检验是一种传统的分布假设拟合优度检验方法，由于统计量x2是在样本容量无限增大时渐近服从x2分布的，因此这种方法在对中小样本进行检验时存在不足。因此，本文提出了几种新的检验方法，即应用证据理论合成公式及改进后的合成公式进行分布假设检验。本文还讨论了证据理论合成公式及改进后的合成公式应用于0-1分布的假设检验，并通过两个算例对证据理论合成公式及改进后的合成公式的合成结果与皮尔逊x2检验方法进行了对比分析，得到证据理论合成方法及改进的合成方法在分布检验时对样本的敏感度高于皮尔逊x2检验方法的结论。最后总结出证据理论合成方法及改进的合成方法在0-1分布假设检验时的合成公式，并将证据理论合成方法及改进的合成方法推广到多项分布的假设检验。新的方法适用于中小样本的检验，而且由于受其他因素的影响小，从而提高了检验结果的可靠性。