توابع مفصل می‌توانند ساختار وابستگی بین متغیرها را به‌صورت مدل نشان دهند. تابع مفصل مناسب برای یک کاربرد خاص، تابعی است که به بهترین نحو ممکن وابستگی بین داده‌ها را نشان دهد. آزمون‌های نیکویی برازش از دیدگاه نظری بهترین روش انتخاب تابع مفصل می‌باشند. روش‌های آزمون نیکویی برازش متعددی برای توابع مفصل پیشنهاد شده است. در این مقاله در پی انتخاب روش‌های آزمون نیکویی برازش مناسب، سه روش متفاوت آزمون نیکویی برازش برای تابع مفصل را مورد بررسی و مقایسۀ عددی قرار داده، به بررسی نقاط قوت و ضعف آن ها نسبت به یکدیگر می‌پردازیم. در نهایت روش‌های آزمون مطرح‌شده را با استفاده از داده‌های شاخص بورس اوراق بهادار تهران تحلیل قرار می‌کنیم. 

در این مقاله آزمون واگرایی ‎L2‎ را جهت سنجش نمایی بودن داده‌های سانسور تصادفی معرفی می‌کنیم. سپس توان این آزمون در تشخیص نمایی بودن داده ها را به روش شبیه‌سازی مونت کارلو با سایر آزمون‌های رقیب شامل آزمون‌های کولموگروف-اسمیرنوف، اندرسون-دارلینگ و کرامر فون-میزس که مبتنی بر تابع توزیع تجربی و آزمون‌های مبتنی بر معیار اطلاع مورد مقایسه قرار می‌دهیم. نتایج مطالعات شبیه‌سازی نشان می‌دهد که آزمون‌ پیشنهادی عموما عملکرد بهتری نسبت به سایر آزمون‌های رقیب دارد.