您的位置:软件测试 > 开源软件测试 > 开源Bug管理工具 >
量化项目管理案例:缺陷趋势预测利器(6)
作者:网络转载 发布时间:[ 2013/12/6 15:13:59 ] 推荐标签:

  下面以项目数据为例进行K值分析。

  ● K值并不是不变的,而是随着样本数据的增多在不断改变。接下来,我们会以实际项目数据为例来分析K值的变化情况。原始数据个数是78,测试结果是得到100个预测点。本实验只考虑Gompertz模型和Logistic模型。

  ◆ 测试开始初期,仅有9个数据时进行预测,如图2

  选择9个数据是因为三和法对数据的基本要求即为“样本数据个数大于9个”,所以我们选择起点:9个数据点作为渐近值分析的起点。

  从图2中可以看出,9个数据时,样本数据的累积值为100,预测值(即K)为187.0和103.5,这意味着样本的趋近值为187.0和103.5,即到100个数据时,应当发现187.0或103.5个缺陷。Gompertz模型和Logistic模型都较为符合样本趋势,Gompertz模型稍好。

图2 9个样本数据时的预测

图3 29个样本数据时的预测图

  ◆ 测试逐步进行,Gompertz模型数据增加到29个时进行预测,如图3

  选择数据个数29的原因:根据实验得出,Gompertz模型的拐点出现在大约在37%(1/e)的位置。这里我们使用的历史数据个数是78个,因此得到拐点的位置大概在第29个。

  从图3中可以看出,29个数据时,样本数据累积值是555,可见之前预测得到的K(187.0和103.5)都不再符合趋势。此时,Gompertz模型预测出的K值为953.6,Logistic模型预测出的K值为536.8,这意味着样本的趋近值为953.6或536.8,即到100个数据时,应当发现953.6或536.8个缺陷。这时的Gompertz模型和Logistic模型差异较大,从各个拟合度指标及样本数据累积值来看,Gompertz模型更好。但是,实验中,Logistic模型的拐点并不在37%处,而是在50%处。

上一页12345下一页
软件测试工具 | 联系我们 | 投诉建议 | 诚聘英才 | 申请使用列表 | 网站地图
沪ICP备07036474 2003-2017 版权所有 上海泽众软件科技有限公司 Shanghai ZeZhong Software Co.,Ltd