谢谢你的提交！我改为Philipp Dehnen所提出的。

所以我已经使用这个脚本(感谢Ahmed)一段时间了，用小样本(n < 10)测试正态性。工作得很好，但当我使用的测试目标是。05时，它似乎报告了一个假阳性率。06。我在做大规模的随机，所以我用4 <= n <= 10还是用25 <= n <= 35都是一致的。当我强制进行SW测试时，它给了我正确的FP率。05。我担心SF测试有一些奇怪的问题。

Lars报告了一个类似的问题(2008年3月)。我试着去看看是否是峰度计算(参见Luis Dec 2010)，但它并没有解决这个问题。

因此，我建议强制SW和避免略高的生育率。只是我的意见。

Mindaugas：添加武力选项总是弗朗西亚的Wilk Intead你可以轻松改变以下内容：

1号线:
功能[h，pvalue，w] = swtest（x，alpha，wilk）
第124行：
如果峰度(x) > 3 && ~wilk

现在，您应该能够通过将输入参数中的wilk设置为true来强制wilk测试。
Wilk必须是逻辑的，如果您想要您可以添加更多错误检查行。

如果能够实现对向量的正态性测试，那么就更好了，对于2D(甚至是具有更多维度的数组)，比如'ttest' with 'Dim' option。

谢谢，但是你必须使用Shapiro-Wilk添加强制选项

想尝试这个代码。
提前谢谢~ ~

谢谢你的实现。我在我当前的项目中使用它很多。
我发现了一个均匀分布的样本的问题，例如：

SWTEST（1,6））

失败:
使用ERFC时出错
输入必须是真实的和完整的。

我追踪到211线

w =（权重'* x）^ 2 /（（x - 均值（x））'*（x - 均值（x）））;

如果样品是均匀的，W可以成为Inf的NaN。我不知道该如何正确对待这件事。检查W是否为NaN/Inf，如果是，拒绝无效假设?

要回答所有问题：
-峰度(第119行)并没有修改测试的威力，它很少被用来帮助在Shapiro-Wilk和Shapiro-Francia方法之间进行选择。最好使用样本峰度'kurtosis(x)'。
- 当构成x = norminv（（1：9）/ 10））时，x通常不会分布，它代表了通过定义不正常的CDF的倒数。因此，如果您想测试其电源，可以计算x = normrnd（mu，sigma，n，1），在那里您可以选择样本（n）的大小并执行测试。

你能解释一下以下吗？
x通常是分布式。
如果我执行2个尾被测试，则函数拒绝零假设。

X = NORMINV（（1：9）/ 10）;
[h，p，w] = swtest（x，0.05,0）
h =
1
P =
0.0028
w =
0.9925.

不好意思，尾部选择的用处是什么?何时使用1,0或-1值?
谢谢你的帮助

我无法用数据测试代码，我不知道为什么。

我测试了这段代码，但我有一个疑问。在第119行中，峰度计算似乎是针对总体(峰度(x))而不是针对样本(峰度(x,0))。那么，在第119行中，它不应该是“if kurtosis(x,0)> 3”(flag=0)吗?
谢谢。

我测试了该代码的样本尺寸，小于4，大约4096。在所有测试的层面上，P值相当均匀。因此，似乎这项测试保持了标称抑制率。（Anderson-Darling测试对小样本尺寸的表现很好。）

有没有人试图验证除了LARS之外吗？

感谢您实现Shapiro-Wilk和Shapiro-Francia正态性测试的代码。

该算法有良好的评价，易于使用和参考。

我的印象是，这种实现比文献中应该描述的更加自由。在0.1级和不同的样本容量下运行1000次后，我计算出平均经验alpha值为0.11。

对不起，文件似乎可以。我的问题是我在我的电脑上有一个distchck..m文件的过期副本。

我只是在一些测试数据(n=16)上尝试它，它崩溃了，因为变量newSWstatistic的值是虚构的。