Boa noite Cesar,

    Obrigado pela ajuda. Para mim, quando eu rodo aparece também alguns alertas:

Warning messages:
1: In chisq.test(table(emp), table(est), correct = TRUE) :
  Aproximação do qui-quadrado pode estar incorreta
2: In densfun(x, parm[1], parm[2], ...) : NaNs produzidos
3: In chisq.test(table(emp), table(est), correct = TRUE) :
  Aproximação do qui-quadrado pode estar incorreta
4: In chisq.test(table(emp), table(est), correct = TRUE) :
  Aproximação do qui-quadrado pode estar incorreta

-- 
======================================================================
Alexandre dos Santos
Proteção Florestal 
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial 
Cáceres - MT                      CEP: 78.200-000
Fone: (+55) 65 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO)
e-mails:alexandresantosbr@yahoo.com.br 
        alexandre.santos@cas.ifmt.edu.br 
Lattes: http://lattes.cnpq.br/1360403201088680 
OrcID: orcid.org/0000-0001-8232-6722   -   ResearcherID: A-5790-2016
Researchgate: www.researchgate.net/profile/Alexandre_Santos10                       
LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635
Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/
======================================================================

#Pacote MASS
library(MASS)

#Crio um banco de dados simulado
Features<-sort(rep(1:3,100))
Resp1<-rnbinom(200,0.75,0.10) ##60 dados com distribuição binomial negativa
Resp2<-rpois(100,10) ##30 dados com distribuição de Poisson
Resp<-c(Resp1,Resp2)
d<-as.data.frame(cbind(Features,Resp))

#Criando um loop para realizar o teste de Chi quadrado para os três conjuntos de dados - Feature 1, 2 e 3
uniq <- unique(unlist(d$Features))
res<-NULL
for (i in 1:length(uniq)){
    data_1 <- subset(d, Features == uniq[i])
    k <- fitdistr(data_1$Resp,"negative binomial") #Extração dos parâmetros média e mu da binomial negativa
    par <- k$estimate
    size <- par[1]#Parâmetro k
    mu <- par[2]#Média
    N <- length(data_1$Resp)
    est <-N*dnbinom(data_1$Resp,size=size,mu=mu)  ## Criando  valores estimados
    fecdf <- ecdf(data_1$Resp) ###ecdf- Cria a distribuição cumulativa empírica
    knotsX <- knots(fecdf)
    emp <- fecdf(c(knotsX,Inf))  # Distribuição empírica
    testChi<-chisq.test(table(emp),table(est),correct=TRUE) #Teste de Qui-quadrado sobre a contagem dos dados empíricos versus estimados
    result<-ifelse(testChi$p.value>0.05,"Binomial Negative","Other distribution") ## Classifica os testes em binomial negativa ou outra distribuição
    res<-rbind(res,c(uniq[i],result))
    colnames(res)<-c("Features","Distribution")
}
res