采用夏皮罗一威尔克 (Shapiro-Wilk test）检验法对评分一致性进行检验，并利用此 检验法对每个评委的公平性进行评价。为了验证其可行性，给出了具体的模拟数据进行 分析和运算，达到了较好的效果。 由于每个评委看待问题的角度不同，个人观念也有差异，所以不同评委对同一份答 卷评的分数有高有低，可能出现“不公平”及尺度偏差等问题。在处理这些数据时，充分 考虑了评委的差异，给评委打的分数乘上一个系数，构造出了最终的分数调整计算公式， 根据实际情况，利用回归方程和最小二乘法确定系数的大小。通过构造具体的例子说明 此方法确实可行。

Shapiro-Wilk 复合正态性参数假设检验，样本量 3<= n <= 5000。基于 Royston R94 算法。 此检验还对 platykurtic 样本执行 Shapiro-Francia 正态性​​检验。

夏皮罗维尔克检验(Shapiro-Wilk test)的步骤原理以及python3实现的程序，判断是否是正态分布，

示例：[SW, SF] = swft(x_list, names, 1) 输入参数： 1) x_list - 要测试的数据的数值或单元矩阵。 行是观察。 列被视为自变量。 2) 名称（可选）- 变量名称的单行元胞数组。 （注意：如果 x_list 是元胞数组，则第一行可以包含变量名称。）如果省略名称参数，则 swft 分配通用标签“ var 1” ...“ var n”，用于在输出表中显示。 3) 标志（可选） - 在输出表中用“< 0.0001”代替 p 值小于0.0001： 0（默认） - 显示计算的 p 值1 - 显示“< 0.0001” 输出： 1) SW - 包含 Shapiro-Wilks 检验结果的表格。 2) SF - 包含 Shapiro-Francia 检验结果的表格。 swft 函数计算正态分布的 Shapiro-Wilk 和 Shapiro-Francia 检

Shapiro-Wilk检验，小样本使用的正态性检验，程序里注释很清楚