مزایای آزمون KS :

1)     هر یک از مشاهدات را به صورت اصلی در نظر می گیرد در حالی که آزمون کای-دو مشاهدات را طبقه بندی می کند، و لذا مقداری از اطلاعات را از دست می دهد.

2)     آزمون KS در مواردی که تعداد مشاهدات کوچک و فراوانی آنها زیاد است به دلیل دقیق بودن قابل اعمال است در حالیکه آزمون کای-دو  اساساً برای نمونه های بزرگ استفاده می شود.

3)     آزمون KS نسبت به کای-دو از سادگی و سهولت بیشتری برخوردار است.

نکته: آزمون کای-دو  را می توان هم برای داده های پیوسته و هم گسسته به کاربرد در حالی که آزمون  KS فقط برای داده های پیوسته اعمال شدنی است.