第七讲 数据分析.pptVIP

使用 CASRE /3 读入输入文件 通过乘以λF规整数据 选择并运行模型 查看和解释结果 运行 CASRE 解释结果/1 对FI/FIO比例的估计的准确性依赖于经历的失效数目 (即样本的大小). 在失效强度估计中好的结果经常发生在5,000或者更多源代码行的程序中. 对1,000或者更多开发的源代码程序可以取得满意的结果 解释结果/2 当FI/FIO比例很大并且从趋势看在计划的发布期限前不太可能实现 FIO, 考虑采取下面一个或者更多的方法: 添加额外的测试和调试资源 对失效强度的目标，开发时间，开发成本之间的关系的平衡进行调整 推迟时间 解释结果/3 如果FI/FIO 大于2，检查最近的5个值，判断它们是否显示了一个稳定的，向上的趋势。如果是这样，需要确定原因。 一种原因可能是程序的演化 另一原因可能是测试选择概率发生变化，比如说先测试某些操作，然后更换某一测试操作集合 发布准则/1 对规整后的失效强度的估计具有很大的不确定性。它由“信任极限” （“confidence limit”）来定义. 例如，如果信任极限为90 %, 那么我们只有90 %的信任度期望系统满足其失效强度目标. CASRE 并不计算信任极限. 一个近似的方法: 如果规整后的失效强度FI/FIO下降到 0.5 或者更小，考虑终止测试。 假定在快发布的时候，如果有90 ％的置信区间达到了失效强度，