参数似然比检验是由Neyman-Pearson在1928年提出来的一种参数检验方法，其基本思路是依据Fisher提出的似然原理得到拒绝域.在总体参数分布族已知的情形下，该检验往往优于非参数检验.为了研究同一参数族下多个总体的一致性检验问题，本文定义了一种参数似然比函数，证明相应的参数似然比统计量在原假设为真时在一定的正则条件下的渐近分布是标准卡方分布，并据此给出了同一参数族下多总体一致性的检验方法.本文主要分为三章:　　第一章为绪论，简单介绍似然比检验的概念及似然比检验的研究概况，Kruskal-Wallis检验法(KWT)的概念及研究概况，及本文的主要研究内容和主要结果及创新点.　　第二章将构造似然比检验(LRT)统计量去解决假设检验问题，结果表明:当原假设为真时在一定的正则条件下，似然比检验(LRT)统计量的极限分布为x2s（k-1）.并给出本文的一些假设条件和主要结果，模拟结果，引理及主要结果的证明.　　本文的创新性体现在以下两个方面:　　1、在同一分布族的条件下，应用似然比检验的方法来判断各组样本是否来自同一分布，即一致性检验，结果表明，所得到的似然比检验统计量的渐近分布为标准卡方分布.　　2、通过数值模拟，发现，LRT的模拟结果要优于KWT的模拟结果.