用python脚本实现：分离、自由组合规律的计算机模拟：分别选样本数为10，50，200，500，1000的情况下，F1代四种表型的分布，并进行拟合优度检验

根据提供的引用内容，我们可以使用Python中的SciPy库来实现拟合优度检验。下面是实现该功能的Python脚本：

import numpy as np
from scipy import stats

# 生成样本数据
n_list = [10, 50, 200, 500, 1000]
f1_list = []
for n in n_list:
    f1 = np.random.exponential(size=n)
    f1_list.append(f1)

# 计算拟合优度检验
for i, f1 in enumerate(f1_list):
    k2, p = stats.kstest(f1, 'expon')
    print("n = {}: k2 = {:.6f}, p-value = {:.6f}".format(n_list[i], k2, p))

上述代码中，我们首先使用NumPy库生成了样本数据，其中使用了指数分布函数`np.random.exponential()`。然后，我们使用SciPy库中的`stats.kstest()`函数计算了每个样本数据的拟合优度检验结果，并将其输出。