27. Простейшие интуитивные (эвристические) модели

Эти модели особенно эффективны для целей сертификации. Было разработано несколько моделей для оценки числа ошибок. Они основаны на более слабых предположениях, чем сложные модели.

Предполагается начать тестирование двумя независимыми группами. В течении некоторого времени производится параллельное тестирование системы, затем результаты собираются и сравниваются.

N₁, N₂ – число обнаруженных каждой группой ошибок

N₁₂ – число ошибок, обнаруженных дважды (обеими группами)

N – число ошибок в программе (неизвестное)

Е – эффективность тестирования

Предполагаем, что возможность обнаружения одинакова. Это серьезное предположение не лишенное смысла. Можно рассматривать каждое подмножество N как аппроксимацию всего пространства.

Например, если первая группа обнаружила 10% ошибок, то она должна было найти примерно 10% всякого случайным образом выбранного подмножества, например подмножества N₂. Можно сказать, что

Если выполнить подстановку для N₂ получим

Очевидно, самый простой способ оценки числа ошибок – сравнить оценки, основанные на исторических данных, в частности на среднем числе ошибок, приходящихся на 1 оператор в предыдущих проектах.

Пример: данные IBM для OS/360, OS/VS1, OS/VS2 –

x – многократно исправляемый модуль или число модулей, которые потребовали 10 и более исправлений.

y – число модулей, потребовавших 1 или несколько исправлений.

z – полное число исправлений в модулях.

Из-за неопределенностей во всех рассмотренных модулях пока самый разумный подход – воспользоваться несколькими моделями и объединить их результаты. Например, данные по прежним проектам можно использовать для грубой оценки. Далее можно использовать модель с двумя параллельными группами. Далее – тестирование с искусственным внесением ошибок, определить достоверность С по модели Миллса, а также использовать другие модели.