- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
软件可靠性的评价准则
迄今为止,尚无一个软件可靠性模型对软件的不同特性和不同使用环境都有效。已公开
发表的100余种软件可靠性模型,表达形式不同,适应性各异,与实际的软件开发过程有较大差
异。而且,新模型还在不断发表。因此,在进行软件可靠性预计、分析、分配、评价和设计之
前,对软件可靠性模型进行评价及选择与软件项目相符或相近的模型非常重要。通过建立有
效的评价准则,在考虑它们与各种软件的关系的基础上,对拟评价的可靠性模型就有效性、适
应性和模型能力等进行评价,判定它们的价值,比较它们的优劣,然后选择有效的软件可靠性
模型。另一方面,在可接受的模型之间无法做出明确的选择时,可根据模型的使用环境等,在
模型评价准则的基础上,进行模型择优。当然,软件可靠性模型的评价不仅依赖于模型的应用
,还依赖于理论的支持和丰富的、高质量可靠性数据的支持。软件可靠性模型的评价最早始
于1984年Iannino、Musa、Okumoto和Littlewood所提出的原则。根据这一原则,结合后人
的工作,形成了基本的软件可靠性评价准则集。它们是软件可靠性模型比较、选择和应用的
基础。
准则一:模型预测有效
软件可靠性模型最重要的评价指标是模型预测的有效性。它根据软件现在和过去的故障
行为,用模型预测软件将来的故障行为和可靠性水平。它主要通过能有效描述软件故障随机
过程特性的故障数方式对模型进行描述与评价。基于软件故障时间特性的随机过程也是一种
常用的方法,而且这两种方法相互重叠。
要确定软件可靠性模型预测的有效性,首先要比较模型预测质量。这种比较通常通过相
对误差法、偏值、U图法、Y图法、趋势法等方法进行。故障数度量是一种在工程上被广泛
应
用的方法。此外,还可以通过比较不同数据集合所做出的中位线图形来评价模型预测的有效
性。如果一个模型产生的曲线最接近于0,则该模型是最优的。而且,这种有效性测定方法有
效地克服了规范化图形评价与具体软件项目之间的联系,保证了它的独立性。
用给定可靠性数据对软件可靠性模型进行比较时,必须考察拟合模型与观察数据的一致
性和符合性。当然,根据拟合模型进行采样,是否可以获得足够的观察数据非常重要。拟合优
度检验是一种系统地表达并证明观察数据和拟合模型之间全局符合性的方法,使用最广泛的
是x2检验。
1.准确性
软件可靠性模型预测的准确性可用前序似然函数来测定。设观察到的失效数据对应于软
件相继失效之间的时间序列t1,t2,..,ti-1,并用这些数据来预测软件在未来可能的Ti,即希
望得到Ti的真实概率密度函数Fi(t)的最优估计值。假设以t1,t2,...,ti-1为基础预测Ti的
分布Fi(t)的概率密度函数
@@42D11000.GIF;表达式1@@
对Ti+1,Ti+2,...,Ti+n的这种向前一步预测,即进行了n+1次预测之后的前序似然函数为
@@42D11001.GIF;表达式2@@
由于这种度量常常接近于0,所以常用其自然对数进行比较。假定比较的两个软件可靠性
模型分别为A和B,则对它们进行n次预测之后的前序似然比为
@@42D11002.GIF;表达式3@@
这个比率表示一个模型将比另一个模型给出更准确的预测的可能。如果
@@42D11003.GIF;表达式4@@
则表明模型A比模型B预测的准确性高,模型A的有效性优于模型B。如果有c0且
@@42D11004.GIF;表达式5@@
即随着预测次数的无限增加,两个模型A和B的前序似然比趋于一个常量,则表明两个模型
A和B的预测结果是等价的,即两个模型的预测准确性或有效性是等价的。
2.偏倚
在软件可靠性模型的应用过程中,如果用模型得到预期预测结果的时间和观测到的软件
失效时间不一致,就认为该模型是有偏的。为了测定模型的偏倚量,可计算在单位斜率线和i
时刻真实概率密度的估计Fi(ti)概率积分变换值之间的最大垂直距离。Fi(ti)是在各个观察
到的失效时间点上计算出来的模型分布函数值。同时,这一模型的分布函数值还表明了模型
偏倚的方向。当Fi0时,表示模型趋向于乐观,反之则表示模型趋向悲观。无论哪种情况绝对
值越小,模型固有的偏倚就越小。
3.趋向
有时,模型在早期的预测值集是令人乐观的,但这种乐观有可能随着预测的不断进行而丧
失。它说明所描述的偏倚检验将均化这些影响,因而模型显得是无偏的。在这种情况下,重要
的是分析Fi(ti)的趋向。它被定义为单位斜率线和yi的累积分布函数之间的科
文档评论(0)