اغلب مدل های آماری روی توزیع های نرمال پایه ریزی می شوند و روش هایی برای آزمون کردن این توزیع مورد نیاز است. بسیاری از آزمون های نیکویی برازش از حضور داده های پرت تأثیر منفی می پذیرند، به این معنی که ممکن است آن ها فرضیه صفر را حتی به خاطر وجود یک مشاهده بسیار بزرگ یا بسیار کوچک رد کنند. در این مطالعه بسطی از آزمون شاپیرو- ویلک را ارائه می دهیم که از چنین مشکلی تأثیر نمی پذیرد. روش حاضر الهام گرفته از روش جستجوی پیشرو (fs) است که یک روش تشخیصی جدید است و اخیراً توسط دانیل کوین (2008) پیشنهاد شده است. با به کار گیری مشاهدات یک متغیر نشان داده می شود که این روش قادر است ساختار داده ها را حتی در حضور داده های پرت تشخیص دهد.