Fisher的精确检验给出了非均匀的p值

我正在尝试在模拟的遗传问题中应用费舍尔的精确检验，但是p值似乎偏向右侧。作为一名生物学家，我想我只是在漏掉每个统计学家显而易见的东西，因此，我将非常感谢您的帮助。

我的设置是这样的：（设置1，边际不固定）
在R中随机生成两个0和1的样本。每个样本n = 500，采样0和1的概率相等。然后，我将每个样本中0/1的比例与Fisher的精确测试进行比较（只是fisher.test；还尝试了具有类似结果的其他软件）。重复采样和测试3万次。产生的p值的分布如下：

所有p值的平均值约为0.55，在0.0577处为第5个百分点。即使分布在右侧看起来也不连续。

我一直在阅读所有内容，但我没有发现任何迹象表明这种行为是正常的-另一方面，这只是模拟数据，因此我看不到任何偏见的来源。我错过了任何调整吗？样本量太小？或者也许它不应该是均匀分布的，并且p值的解释不同？
还是我应该重复一百万次，找到0.05分位数，并在将其应用于实际数据时将其用作显着性临界值？

谢谢！

更新：

Michael M建议固定边际值0和1。现在，p值给出了更好的分布-不幸的是，它不是统一的，也不是我认识的任何其他形状：

添加实际的R代码：（设置2，固定的边距）

samples=c(rep(1,500),rep(2,500))
alleles=c(rep(0,500),rep(1,500))
p=NULL
for(i in 1:30000){
  alleles=sample(alleles)
  p[i]=fisher.test(samples,alleles)$p.value
}
hist(p,breaks=50,col="grey",xlab="p-values",main="")

最终编辑：
正如胡布在评论中指出的那样，由于分箱，这些区域看上去只是扭曲了。我将附加设置1（免费边距）和设置2（固定边距）的QQ图。在下面的Glen模拟中可以看到类似的图，并且所有这些结果实际上似乎相当统一。谢谢您的帮助！

问题在于数据是离散的，因此直方图可能会欺骗。我用显示近似均匀分布的qqplots编写了模拟代码。

library(lattice)
set.seed(5545)
TotalNo=300
TotalYes=450

pvalueChi=rep(NA,10000)
pvalueFish=rep(NA,10000)

for(i in 1:10000){
  MaleAndNo=rbinom(1,TotalNo,.3)
  FemaleAndNo=TotalNo-MaleAndNo
  MaleAndYes=rbinom(1,TotalYes,.3)
  FemaleAndYes=TotalYes-MaleAndYes
  x=matrix(c(MaleAndNo,FemaleAndNo,MaleAndYes,FemaleAndYes),nrow=2,ncol=2)
  pvalueChi[i]=chisq.test(x)$p.value
  pvalueFish[i]=fisher.test(x)$p.value
}

dat=data.frame(pvalue=c(pvalueChi,pvalueFish),type=rep(c('Chi-Squared','Fishers'),each=10000))
histogram(~pvalue|type,data=dat,breaks=10)
qqmath(~pvalue|type,data=dat,distribution=qunif,
       panel = function(x, ...) {
         panel.qqmathline(x, ...)
         panel.qqmath(x, ...)
       })