MODEL RAYLEIGHA W ZWINNYCH METODYKACH WYTWARZANIA OPROGRAMOWANIA
|
|
- Józef Stefaniak
- 7 lat temu
- Przeglądów:
Transkrypt
1 ROZDZIAŁ 99 MODEL RAYLEIGHA W ZWINNYCH METODYKACH WYTWARZANIA OPROGRAMOWANIA Model Rayleigha to narzędzie służące do estymacji liczby wykrywanych w systemie informatycznym defektów, w trakcie realizacji tego systemu, oraz do predykcji liczby defektów ukrytych, które wyjdą na jaw dopiero po wdrożeniu systemu u klienta. Model ten ma ugruntowaną pozycję wśród klasycznych metodyk wytwarzania oprogramowania. Brak natomiast prac badających jego użyteczność w metodykach zwinnych. W rozdziale został opisany przeprowadzony w warunkach akademickich eksperyment, w którym, przy pomocy monitorowania pojawiania się defektów w projekcie informatycznym, weryfikowano poprawność działania modelu Rayleigha dla zwinnego procesu wytwarzania oprogramowania. Badano projekty studenckiego realizowane w procesie zbliżonym do programowania ekstremalnego. 1. WPROWADZENIE Bardzo istotnym elementem każdego procesu wytwarzania oprogramowania powinno być zarządzanie jakością. Istnieje kilka różnych definicji jakości w procesie wytwarzania oprogramowania. Według autorów [9] najważniejszy jest punkt widzenia klienta, który z kolei swoją wizję jakości zazwyczaj opiera na kilku zmiennych, takich jak: cena, niezawodność, wydajność, satysfakcja z użytkowania produktu i inne. Nie wszystkie te zmienne są mierzalne w związku z tym w [9] sugeruje się przybliżanie jakości przy pomocy liczby awarii systemu występujących w jednostce czasu i liczby defektów przypadających na milion linii kodu. Autorzy [4] podają, że zespół działań, których celem jest sporządzenie raportów informujących o jakości produktu i reagowanie gdy raporty te wskazują na niespełnienie założonych standardów, nazywany jest zapewnianiem jakości (quality assurance). Zgodnie z tą definicją zapewnianie jakości można oprzeć o wielkości zasugerowane w [9] są to wielkości mierzalne i łatwo można na ich podstawie określić wymagane standardy. Z wielkościami tymi jednak wiąże się dosyć poważny problem. Trudno wyliczyć ich wartości przed zakończeniem realizacji projektu. Jednym z narzędzi umożliwiających Marian Jureczko: Politechnika Wrocławska, Instytut Informatyki, Automatyki i Robotyki; Wybrzeże Wyspiańskiego 27, Wrocław; marian.jureczko@pwr.wroc.pl
2 M. Jureczko szacowanie liczby defektów jeszcze przed ukończeniem projektu jest model Rayleigha. Istnieje bogata literatura dotycząca zastosowania modelu Rayleigha w zarządzaniu jakością w projekcie informatycznym. Obszerne wyjaśnienie sposobu jego używania i zasady działania można znaleźć w [8], [10] i [11]. W [13] wykazano, że model Rayleigha, po odpowiednim dopasowaniu parametrów w rozkładzie Weibulla, jest jednym z najlepszych predykatorów liczby defektów. Porównywano tam dwie wersje modelu Rayleigha, z kilkoma różnymi modelami przyrostu niezawodności, opartymi o rozkład wykładniczy. Walidację modelu Rayleigha dla trzech różnych projektów programistycznych można znaleźć w [5]. Ponadto zaproponowano tam, w oparciu o te trzy projekty, sposób łączenia danych historycznych z różnych projektów w celu lepszego wykalibrowania modelu. Prowadzone są również badania mające na celu zwiększenie dokładności oszacowań dostarczanych przez model. Przykład takich badań opisano w [12], gdzie wprowadzono koncepcję punktów zmiany. Koncepcja ta polega na podzieleniu czasu na odcinki, na których stosuje się rozkłady z różnymi parametrami. Wszystkie wymienione powyżej prace, opisujące i rozwijające model Rayleigha, dotyczą zastosowania go w kaskadowym procesie wytwarzania oprogramowania. Eksperyment opisywany w tym rozdziale jest próbą udzielenia odpowiedzi na pytanie o możliwość zastosowania modelu Rayleigha do przewidywania liczby defektów w systemie wytworzonym w procesie zwinnym. Jedyną pracą łączącą model Rayleigha z metodykami zwinnymi, do jakiej udało się dotrzeć, jest [14]. Niestety praca ta, koncentruje się na zwinnym wytwarzaniu dokumentacji i nie próbuje nawet odpowiadać na sformułowane powyżej pytanie. Struktura tego rozdziału jest następująca. W podrozdziale 2 przedstawiono rozkład Weibulla i opierający się na nim model Rayleigha. Podrozdział 3 zawiera definicję i szczegółowy opis przeprowadzonego eksperymentu. W podrozdziale 4 przedstawiono uzyskane wyniki, a w podrozdziale 5 płynące z nich wnioski i potencjalne kierunki prowadzenia dalszych badań. 2. MODEL RAYLEIGHA I ROZKLAD WEIBULLA Model Rayleigha to narzędzie pozwalające estymować liczbę defektów w programie na podstawie danych historycznych. Jest on oparty o rozkład Weibulla i w związku z tym przed omówieniem samego modelu przedstawiony zostanie rozkład Weibulla ROZKŁAD WEIBULLA Rozkład Weibulla jest od dawna powszechnie używany do przeprowadzania analizy niezawodności. Jego cechą charakterystyczną jest to, że koniec wykresu 2
3 Model Rayleigha w zwinnych metodykach wytwarzania oprogramowania asymptotycznie dąży do zera, ale go nigdy nie osiąga. Dystrybuantę F(t) oraz funkcję gęstości prawdopodobieństwa f(t) tego rozkładu definiuje się następująco: F( t) = 1- e m f( t) = t t c m e ( t/ c ) m - ( t/ c ) m (1) (2) gdzie m to współczynnik kształtu, c współczynnik skali, natomiast t oznacza czas. Stosując rozkład Weibulla do zarządzania jakością w projekcie programistycznym wykorzystuje się jego funkcję gęstości prawdopodobieństwa. Służy ona do estymacji liczby, lub częstotliwości występowania defektów w funkcji czasu. W będącym tematem rozdziału eksperymencie badano liczbę wykrywanych defektów w funkcji czasu. Kształt funkcji gęstości rozkładu w istotny sposób zależy od wartości współczynnika kształtu m, co pokazano na rysunku 1. Dobór wartości współczynnika kształtu powinien być oparty o dane doświadczalne MODEL RAYLEIGHA Rys. 1 Gęstość prawdopodobieństwa rozkładu Weibulla (dla c=1) Model Rayleigha to narzędzie umożliwiające przewidywanie liczby defektów operacyjnych (defektów ukrytych w gotowym, przekazanym klientowi systemie) na podstawie historii występowania defektów w trakcie procesu wytwarzania oprogramowania. Prace [5], [8], [10], [11] i wiele innych pokazują zastosowanie Rys. 2 Model Rayleigha modelu Rayleigha w kaskadowych procesach wytwarzania oprogramowania. W procesach tych wyróżnia się fazy, np.: projekt wysokiego poziomu, projekt niskiego poziomu, implementacja, testy jednostkowe, testy integracyjne, testy systemu. Fazy te występują po sobie. Rozpoczęcie następnej ma miejsce dopiero po zakończeniu poprzedniej. W celu zastosowania modelu Rayleigha w takim procesie konstruuje się histogram, co pokazano na rysunku 2. Każdy słupek histogramu odpowiada liczbie defektów wykrytych w danej fazie procesu. Do tak skonstruowanego histogramu dopasowuje się rozkład Weibulla. 3
4 M. Jureczko Dopasowanie rozkładu polega na odpowiednim dobraniu jego parametrów (m, c). Następnie należy jeszcze go przemnożyć przez stałą równą liczbie defektów. Dzięki temu uzyskuje się funkcję f R, z której całka jest całkowitej równa liczbie defektów. Adekwatność uzyskanego rozkładu należy zweryfikować stosując test dopasowania, według autorów [3] najlepiej do tego celu stosować test Kołmogorowa Smirnowa lub ewentualnie test chi kwadrat. Jeżeli dopasowany rozkład będzie adekwatny do zebranych danych (historii występowania defektów w trakcie procesu wytwarzania oprogramowania) to licząc z uzyskanej z niego funkcji f R całkę, od miejsca w którym się zakończyła ostatnia faza procesu (w omawianym tu przykładzie faza testów systemu) do nieskończoności, dostajemy oszacowanie liczby defektów ukrytych w systemie. Model Rayleigha jest oparty o rozkład Weibulla ze współczynnikiem kształtu m=2, lub bliskim tej wartości. W [10] podano, że przyjęcie m=2 może prowadzić do konstrukcji modelu, który zaniża liczbę defektów operacyjnych i w praktyce często lepszy jest model z parametrem m=1,8. Najlepsze efekty uzyskuje się, gdy dobiera się wartość współczynnika na podstawie danych historycznych. W taki właśnie sposób postąpiono w opisywanym tu eksperymencie. 3. OPIS EKSPERYMENTU Podrozdział ten zawiera definicję eksperymentu, jego plan oraz opis sposobu przeprowadzenia DEFINICJA EKSPERYMENTU Obiekty badania: iteracyjny, zwinny proces wytwarzania oprogramowania, zbliżony do metodyki programowania ekstremalnego (XP); model Rayleigha jako narzędzie pozwalające na predykcję liczby defektów operacyjnych w systemie informatycznym. Cel eksperymentu: zweryfikowanie możliwości zastosowania modelu Rayleigha do opisywania liczby wykrywanych defektów w funkcji czasu, przy założeniu, że system informatyczny, w którym są wykrywane defekty, jest wytwarzany w zwinnym procesie; zbadanie skuteczności modelu Rayleigha w estymacji liczby defektów operacyjnych systemu informatycznego wytwarzanego w zwinnym procesie. Środowisko: badano projekty realizowane przez studentów piątego roku informatyki, studiów magisterskich. Tematyka projektów była różnorodna ŚRODOWISKO EKSPERYMENTU Eksperyment został przeprowadzony w środowisku akademickim. Badano projekty 4
5 Model Rayleigha w zwinnych metodykach wytwarzania oprogramowania realizowane w ramach zajęć projektowych przez studentów piątego roku informatyki. Studenci mieli przynajmniej kilkuletnie doświadczenie w posługiwaniu się obiektowymi językami programowania wynikające z odbytych przez nich zajęć dydaktycznych. Nowością dla nich natomiast były metodyki zwinne oraz wynikające z nich metody pracy, takie jak testy jednostkowe. Każdy projekt był realizowany przez czteroosobowy zespół, w którym jedna osoba pełniła funkcję kierownika projektu. Implementacja projektów trwała jeden semestr, z którego wyłączono ostatni miesiąc. Miesiąc ten został przeznaczony na testowanie. Testy były przeprowadzane przez innych studentów, niż ci, którzy projekt realizowali. Były to testy na zasadzie czarnej skrzynki. Miały one za zadanie zasymulować użytkowanie aplikacji przez użytkownika docelowego (klienta). Model Rayleigha ma za zadanie przewidywać liczbę defektów po zakończeniu fazy testów, w zastosowanym tu podejściu waliduje się go jako estymator liczby defektów wykrytych po ostatniej iteracji projektu, czyli w fazie testów. Podejście takie znajduje swoje uzasadnienie w wykładniczych modelach przyrostu niezawodności ([6], [7], [8], [10], [13], [15]). Z modeli tych wynika bowiem, że liczba błędów wykrytych podczas fazy testów jest dużo większa niż liczba defektów operacyjnych. Szacowanie przy pomocy modelu sumy defektów operacyjnych i defektów wykrytych podczas fazy testów i przyrównywanie ich do liczby defektów wykrytych podczas testów nie prowadzi więc do dużej niedokładności. Stosowany proces wytwarzania oprogramowania był wzorowany na programowanie ekstremalnym w oparciu o [1] i [2]. Niestety z uwagi na formułę przedmiotu, w ramach którego projekty były realizowane, nie wszystkie zalecane w XP praktyki można było wyegzekwować. Stosowano iteracyjne podejście sterowane historiami użytkownika (historie składały się ze scenariusza głównego i ewentualnie alternatywnych). W każdej iteracji implementowano, uprzednio wybrane w ramach gry planistycznej (rolę klienta grał prowadzący) z zachowaniem praktyki opcjonalności, historie. Iteracje trwały jeden lub dwa tygodnie. Programowanie rozpoczynano od testów, zarówno na poziomie testów akceptacyjnych jak i jednostkowych. Nie udało się natomiast wdrożyć takich praktyk jak programowanie w parach (z uwagi na fakt, że studenci nad projektem pracowali w domu, a nie na zajęciach) czy też cykle kwartalne (to z uwagi na zbyt krótki czas realizacji projektu). W eksperymencie badano dziesięć projektów. Niestety, z powodu braków w danych, aż cztery projekty trzeba było odrzucić i analizie poddano jedynie sześć. W analizowanych projektach liczba defektów wykrytych przed przekazaniem systemu do testów wahała się od 21 do 57, średnio dla projektu wykrywano 43 defekty ZMIENNE W eksperymencie weryfikuje się dwie hipotezy, każda z nich opiera się na innych 5
6 M. Jureczko zmiennych. Przy weryfikowaniu, czy model Rayleigha poprawnie opisuje pojawianie się w funkcji czasu defektów, zmienną jest czas (numer iteracji) wykrycia defektu. Przy weryfikowaniu, czy model Rayleigha poprawnie przewiduje liczbę defektów operacyjnych, zmienną zależną jest liczba defektów wykryta podczas testów czarnej skrzynki, a zmienną niezależną oszacowana liczba defektów uzyskana z modelu HIPOTEZY Dla każdego z badanych projektów z osobna weryfikowano hipotezę zerową: H 0 x Rozkład empiryczny występowania defektów w funkcji czasu nie różni się w sposób istotny od rozkładu teoretycznego wynikającego z modelu Rayleigha. Hipotezę weryfikowano przy pomocy testu dopasowania x, gdzie x może się równać chi (test chi kwadrat) lub ks (test Kołmogorowa Smirnowa). H 1 x Hipoteza alternatywna. Rozkład empiryczny w istotny sposób różni się od rozkładu teoretycznego. Dla wszystkich badanych projektów łącznie weryfikowano hipotezę zerową: H 1 P Nie ma istotnej różnicy pomiędzy liczbą defektów znalezionych w projekcie podczas testów czarnej skrzynki, a predykcją tej liczby uzyskaną z modelu Rayleigha. H 1 P Hipoteza alternatywna. Istnieje istotna różnica pomiędzy empiryczną liczbą defektów, a predykcją modelu POMIARY W procesie wytwarzania oprogramowania zastosowano system śledzenia defektów Mantis. W systemie tym zgłaszano głównie defekty wynikające z niezaliczonych testów akceptacyjnych. Pojawiały się również postulaty dotyczące niedopasowania implementacji do oczekiwań klienta, oraz wykrycia złych praktyk programistycznych. Każde zgłoszenie odpowiadało jednemu defektowi. Data wprowadzenia zgłoszenia stanowiła podstawę do powiązania defektu z iteracją. Na podstawie liczby defektów skonstruowano histogram (wysokość słupka odpowiadała liczbie defektów zgłoszonych w iteracji), który był badany pod kątem zgodności z modelem Rayleigha. Na etapie testów czarnej skrzynki dwuosobowa grupa studentów testowała system wcielając się w rolę przyszłego klienta. Zgłaszano błędy dotyczące niezgodności ze specyfikacją, niestabilnego działania i niewłaściwych rozwiązań w interfejsie aplikacji. 6
7 4. WYNIKI EKSPERYMENTU Model Rayleigha w zwinnych metodykach wytwarzania oprogramowania Dla każdego z projektów skonstruowano histogram opisujący wykrywanie defektów w funkcji czasu. Do histogramu dopasowano rozkład Weibulla. Dla każdego projektu sprawdzono przy pomocy dwóch testów dopasowania, czy rozkład dobrze opisuje pojawianie się defektów. Rezultat tych kroków opisano w 4.1. Dla każdego, z uzyskanych w 4.1, modeli wyliczono analitycznie oszacowanie liczby defektów operacyjnych i porównano je z liczbą defektów wykrytych podczas testów czarnej skrzynki. Rezultat tego porównania przedstawiony jest w 4.2. Projekt 1 Projekt 2 m=1,8 m=2,5 Projekt 3 Projekt 4 m=1,9 m=1,7 Projekt 5 Projekt 6 m=2,59 m=1,75 Rys. 3 Defekty wykrywane w badanych projektach z dopasowanymi do nich rozkładami Weibulla 7
8 M. Jureczko 4.1. MODEL RAYLEIGHA JAKO ESTYMATOR LICZBY WYKRYWANYCH W TRAKCIE WYTWARZANIA OPROGRAMOWANIA DEFEKTÓW Na rysunku 3 pokazano histogramy wykrywania defektów w procesie wytwarzania oprogramowania dla poszczególnych, badanych projektów oraz dopasowane do nich rozkłady. Dla każdego z rozkładów podano uzyskany współczynnik kształtu m. Tabela 1. Wyniki zastosowania testów Kołmogorowa Smirnowa i chi kwadrat do uzyskanych rozkładów. P oznacza przyjęcia, a O odrzucenie hipotezy zerowej. Przy pomocy α oznaczono poziom istotności testu. Projekt α 0, 0,0 0,0 0, 0,0 0,0 0, 0,0 0,0 0, 0,0 0,0 0, 0,0 0,0 0, 0, ,01 H 0 ks P P P P P P P P P O P P O P P O P P H 0 chi P P P P P P O O P O O O O O P O O P W tabeli 1 pokazano dla których projektów udało się dopasować rozkład Weibulla tak dobrze, że test dopasowania pozwolił zaakceptować hipotezę zerową mówiącą o tym, że nie ma istotnej różnicy pomiędzy rozkładem teoretycznym, a danymi empirycznymi. Test Kołmogorowa Smirnowa pozwolił zaakceptować wszystkie rozkłady na najczęściej stosowanym poziomie istotności α=0,05. Natomiast, działający w stosunku do rozkładu Weibulla bardzo restrykcyjnie [3], test chi kwadrat, pozwolił przyjąć jako poprawne tylko niektóre spośród uzyskanych rozkładów MODEL RAYLEIGHA JAKO ESTYMATOR LICZBY DEFEKTÓW OPERACYJNYCH Tabela 2. Liczba defektów operacyjnych Projekt Liczba defektów znaleziona podczas testów czarnej skrzynki Predykcja liczby defektów operacyjnych uzyskana z modelu 6,55 1,04 1,83 3,54 2,26 1,18 W tabeli 2 przedstawiono rezultat zastosowania modelu Rayleiga do predykcji liczby defektów operacyjnych. Uzyskane wyniki pokazują, że model bardzo mocno zaniża liczbę defektów. Wartości uzyskane podczas testów czarnej skrzynki są zdecydowanie większe niż ich predykcje. Predykcje uzyskiwano wyliczając całkę z dopasowanego rozkładu na przedziale od końca ostatniej iteracji do nieskończoności. Rozmiar próbki jest zbyt mały, żeby można zweryfikować poprawność hipotezy H 0 P. W świetle uzyskanych wyników, wydaje się jednak bardzo mało prawdopodobne, aby hipoteza ta była prawdziwa. 8
9 Model Rayleigha w zwinnych metodykach wytwarzania oprogramowania 5. WNIOSKI I MOŻLIWOŚCI DALSZEGO ROZWOJU Przeanalizowane projekty programistyczne pozwalają stwierdzić, że schemat wykrywania defektów w czasie, w projekcie wykonywanym według zwinnej metodyki, jest podobny do tego, z jakim mamy do czynienia w projektach realizowanych według metodyk tradycyjnych. Zarówno w jednym, jak i w drugim przypadku schemat ten może zostać opisany przy pomocy modelu Rayleigha. Przebadano zaledwie sześć projektów. Stawianie ogólnych wniosków może więc być bardzo ryzykowne. Przebadane projekty mają bowiem ze sobą wiele wspólnego (wszystkie były realizowane przez niezbyt doświadczonych programistów studentów, w niezbyt długim okresie czasu jeden semestr). Uzyskane tu wnioski mogą więc nie mieć zastosowania do projektów informatycznych innych kategorii. Uzasadnione jest powtórzenie opisanego w tym rozdziale eksperymentu dla kolejnych projektów, w celu uzyskania statystycznie istotniejszych rezultatów. Druga z badanych hipotez, dotycząca możliwości predykcji liczby defektów operacyjnych projektu zrealizowanego według metodyki zwinnej przy pomocy modelu Rayleigha, nie została zweryfikowana. Rozmiar próbki nie pozwalał na uzyskanie statystycznie istotnych wyników, zdrowy rozsądek podpowiada jednak, że model nie przewiduje poprawnie liczby defektów operacyjnych. Powody, dla których model nie zadziałał prawidłowo, czyli tak jak działa w przypadku procesu kaskadowego, mogą być różne. Być może studenci zaniżali liczbę defektów w swoich aplikacjach, mając nadzieję, na zaprezentowanie tym sposobem swojej pracy w lepszym świetle. Możliwe jest również, że brak doświadczenia w przeprowadzaniu testów, powodował, iż produkt po ostatniej iteracji zawierał więcej defektów, niż by to miało miejsce w sytuacji, w której rozwijany by on był przez programistów mających doświadczenie w stosowaniu metodyk zwinnych. Otrzymanie ostatecznych wniosków co do możliwości zastosowania modelu do predykcji liczby defektów operacyjnych wymaga dalszych badań i przeanalizowania kolejnych projektów. Z punktu widzenia możliwości stosowania modelu Rayleigha, najciekawszym, potencjalnym wynikiem dalszych badań, jest znalezienie zależności funkcyjnej pozwalającej, na podstawie wyjścia modelu, wyliczyć liczbę defektów operacyjnych (w najprostszym przypadku byłoby to przemnożenie wyjścia modelu przez stałą). Wyznaczenie zależności funkcyjnej wymaga jednak zdecydowanie większej próbki niż ta, którą udało się uzyskać na potrzeby opisanego w tym rozdziale eksperymentu. Eksperyment pokazuje, że model Rayleigha nie sprawdza się w metodykach zwinnych tak dobrze, jak ma to miejsce w przypadku procesu kaskadowego. Sytuacja taka nie może zbytnio dziwić. W procesie kaskadowym początkowo stale rośnie rozmiar wytworzonego systemu, co może pociągać za sobą zwiększanie się liczby defektów. Natomiast końcowe fazy są poświęcone tylko testowaniu, więc liczba defektów powinna się zmniejszać. W metodykach zwinnych system rośnie, aż do samego końca. Na rzecz zmniejszania się liczby defektów przemawia jedynie widmo 9
10 M. Jureczko zbliżającego się wydania. Duża liczba defektów blisko terminu wydania zwiększa ryzyko niepomyślnego wdrożenia systemu u klienta. LITERATURA DO ROZDZIAŁU [1] Astels D., Miller G., Novak M.: Extreme programming: teoria i praktyka prowadzenia projektów programistycznych. Helion, Gliwice [2] Beck K., Andres C.: Wydajne programowanie: Extreme programming. Mikom, Warszawa [3] Cieślik G., Jóźwiak I., Jureczko M.: Applying Rayleigh model to predict software reliability. IEEE Transactions on Reliability, 2008, w recenzji. [4] Flasiński M.: Zarządzanie projektami informatycznymi. Wydawnictwo naukowe PWN, Warszawa [5] Galinac T., Golubić S.: Project overlaping and its influence on the product quality. Proc of the 8 th International Conference on Telecommunications, pp , [6] Goel A.L.: Software Reliability Models: Assumptions, Limitations, and Applicability. IEEE Transactions on Software Engineering vol. SE-11, no. 12, pp , [7] Huang C-Y.: Cost-reliability-optimal release policy for software reliability models incorporating improvements in testing efficiency. The Journal of System and Software no. 77, pp , [8] Kan S. H.: Modeling and software development quality. IBM Systems Journal, vol. 30, no. 3, pp , [9] Kan S. H., Basili V. R., Shapiro L. N.: Software quality: An overview from the perspective of total quality management. IBM System Journal, vol. 33, no. 1, pp. 4-19, [10] Kan S. H.: Metryki i modele w inżynierii jakości oprogramowania. Wydawnictow naukowe PWN, Warszawa [11] Li P.L.: A Catalog of Techniques that Predict Information about the Count or Rate of Field Defects. CMU tech report CMU-ISR , School of Computer Science, Pittsburgh, [12] Lin C-T., Huang C-Y., Chang J-R.: Integrating generalized Weibull-type testing-effort function and multiple change-point into software reliability growth models. Proc. of the 12 th Asia-Pacific Software Engineering Conference, [13] Lo J-H, Huang C-Y.: An integration of fault detection and correction processes in software reliability analysis. The Journal of System and Software no. 79, pp , [14] Luqi, Zhang L.: Documentation Driven Agile Development for Systems of Embedded Systems. Proc. Of the 4 th Workshop on Software Engineering for Embedded Systems, [15] Rinsaka K., Dohi T.: Optimal Testing/ Maintenance Design in a Software Development Project. Electronics and Communications in Japan (Part III: Fundamental Electronic Science), vol 89, no. 8, pp. 1-9,
Wydział Matematyki. Testy zgodności. Wykład 03
Wydział Matematyki Testy zgodności Wykład 03 Testy zgodności W testach zgodności badamy postać rozkładu teoretycznego zmiennej losowej skokowej lub ciągłej. Weryfikują one stawiane przez badaczy hipotezy
Bardziej szczegółowoKARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Inżynieria oprogramowania, C12
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH Modeling and analysis of computer systems Kierunek: Informatyka Forma studiów: Stacjonarne Rodzaj przedmiotu: Poziom kwalifikacji: obowiązkowy
Bardziej szczegółowoRAPORT Z POLSKIEGO BADANIA PROJEKTÓW IT 2010
RAPORT Z POLSKIEGO BADANIA PROJEKTÓW IT 2010 Odpowiada na pytania: Jaka część projektów IT kończy się w Polsce sukcesem? Jak wiele projektów sponsorowanych jest przez instytucje publiczne? Czy kończą się
Bardziej szczegółowoNazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH. Modeling and analysis of computer systems Forma studiów: Stacjonarne
Nazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Modeling and analysis of computer systems Forma studiów: Stacjonarne Rodzaj przedmiotu: obowiązkowy w ramach specjalności:
Bardziej szczegółowoProjektowanie systemów informatycznych. Roman Simiński programowanie.siminskionline.pl. Cykl życia systemu informatycznego
systemów informatycznych Roman Simiński roman.siminski@us.edu.pl programowanie.siminskionline.pl Cykl życia systemu informatycznego Trochę wprowadzenia... engineering co to oznacza? Oprogramowanie w sensie
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoMaciej Oleksy Zenon Matuszyk
Maciej Oleksy Zenon Matuszyk Jest to proces związany z wytwarzaniem oprogramowania. Jest on jednym z procesów kontroli jakości oprogramowania. Weryfikacja oprogramowania - testowanie zgodności systemu
Bardziej szczegółowoTestowanie hipotez statystycznych. Wprowadzenie
Wrocław University of Technology Testowanie hipotez statystycznych. Wprowadzenie Jakub Tomczak Politechnika Wrocławska jakub.tomczak@pwr.edu.pl 10.04.2014 Pojęcia wstępne Populacja (statystyczna) zbiór,
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Inżynieria oprogramowania Rodzaj zajęć: wykład, laboratorium TESTOWANIE OPROGRAMOWANIA Software testing Forma
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoEtapy życia oprogramowania
Modele cyklu życia projektu informatycznego Organizacja i Zarządzanie Projektem Informatycznym Jarosław Francik marzec 23 w prezentacji wykorzystano również materiały przygotowane przez Michała Kolano
Bardziej szczegółowoEtapy życia oprogramowania. Modele cyklu życia projektu. Etapy życia oprogramowania. Etapy życia oprogramowania
Etapy życia oprogramowania Modele cyklu życia projektu informatycznego Organizacja i Zarządzanie Projektem Informatycznym Jarosław Francik marzec 23 Określenie wymagań Testowanie Pielęgnacja Faza strategiczna
Bardziej szczegółowoSYSTEMY INFORMATYCZNE ćwiczenia praktyczne
SYSTEMY INFORMATYCZNE ćwiczenia praktyczne 12.03.2019 Piotr Łukasik p. 373 email: plukasik@agh.edu.pl / lukasik.pio@gmail.com www.lukasikpiotr.com Zakres tematyczny implementacji projektu informatycznego
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoBłędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation)
Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation) Zarządzanie wymaganiami Ad hoc (najczęściej brak zarządzania nimi) Niejednoznaczna, nieprecyzyjna komunikacja Architektura
Bardziej szczegółowoInżynieria oprogramowania (Software Engineering)
Inżynieria oprogramowania (Software Engineering) Wykład 2 Proces produkcji oprogramowania Proces produkcji oprogramowania (Software Process) Podstawowe założenia: Dobre procesy prowadzą do dobrego oprogramowania
Bardziej szczegółowoWykład VII. Programowanie III - semestr III Kierunek Informatyka. dr inż. Janusz Słupik. Wydział Matematyki Stosowanej Politechniki Śląskiej
Wykład VII - semestr III Kierunek Informatyka Wydział Matematyki Stosowanej Politechniki Śląskiej Gliwice, 2014 c Copyright 2014 Janusz Słupik Wytwarzanie oprogramowania Model tworzenia oprogramowania
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoIn ż ynieria oprogramowania wykład II Modele i fazy cyklu życia oprogramowania
In ż ynieria oprogramowania wykład II Modele i fazy cyklu życia oprogramowania prowadzący: dr inż. Krzysztof Bartecki www.k.bartecki.po.opole.pl Proces tworzenia oprogramowania jest zbiorem czynności i
Bardziej szczegółowoNiezawodność i diagnostyka projekt. Jacek Jarnicki
Niezawodność i diagnostyka projekt Jacek Jarnicki Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór tematów, organizacja
Bardziej szczegółowoOpis metodyki i procesu produkcji oprogramowania
Opis metodyki i procesu produkcji oprogramowania Rational Unified Process Rational Unified Process (RUP) to iteracyjny proces wytwarzania oprogramowania opracowany przez firmę Rational Software, a obecnie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROJEKTOWANIE SYSTEMÓW INFORMATYCZNYCH I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z inżynierii oprogramowania w zakresie C.
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoTematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, Zofia Kruczkiewicz
Tematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, 2004 Zofia Kruczkiewicz 1. Przedstaw znaczenie oprogramowania we współczesnym świecie x 1 2. Jaki wpływ na ludzi, komunikację
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoTworzenie gier na urządzenia mobilne
Katedra Inżynierii Wiedzy Wykład 3 O czym dzisiaj? Metodyki tworzenia oprogramowania; Praca w zespole; Zarządzanie projektem; Narzędzia wspomagające i dobre praktyki; Zabezpieczenie kodu. Jaki model wybrać?
Bardziej szczegółowoZadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
Bardziej szczegółowoProjekt grupowy - opis przedmiotu
grupowy - opis przedmiotu Informacje ogólne Nazwa przedmiotu grupowy Kod przedmiotu 11.3-WI-INFP-PG Wydział Kierunek Wydział Informatyki, Elektrotechniki i Automatyki Informatyka / Sieciowe systemy informatyczne
Bardziej szczegółowoTestowanie oprogramowania
Testowanie oprogramowania 1/17 Testowanie oprogramowania Wykład 01 dr inż. Grzegorz Michalski 13 października 2015 Testowanie oprogramowania 2/17 Dane kontaktowe: Kontakt dr inż. Grzegorz Michalski pokój
Bardziej szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Bardziej szczegółowoOceny z prezentacji INKU011S. Zofia Kruczkiewicz
Oceny z prezentacji INKU011S Zofia Kruczkiewicz Data Student Oceny Uwagi 22.10.2017 231085 3.0 Przedstaw idealne środowisko do stosowania inżynierii oprogramowania- opisz elementy tego środowiska (sprzęt
Bardziej szczegółowoTematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, Zofia Kruczkiewicz
Tematy seminariów wg Roger S. Pressman, Praktyczne podejście do oprogramowania, WNT, 2004 Zofia Kruczkiewicz 1. Przedstaw znaczenie oprogramowania we współczesnym świecie. x 3 2. Jaki wpływ na ludzi, komunikację
Bardziej szczegółowoOptymalizacja Automatycznych Testów Regresywnych
Optymalizacja Automatycznych Testów Regresywnych W Organizacji Transformującej do Agile Adam Marciszewski adam.marciszewski@tieto.com Agenda Kontekst projektu Typowe podejście Wyzwania Cel Założenia Opis
Bardziej szczegółowoCykle życia systemu informatycznego
Cykle życia systemu informatycznego Cykl życia systemu informatycznego - obejmuję on okres od zgłoszenia przez użytkownika potrzeby istnienia systemu aż do wycofania go z eksploatacji. Składa się z etapów
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza
Bardziej szczegółowoWaterfall model. (iteracyjny model kaskadowy) Marcin Wilk
Waterfall model (iteracyjny model kaskadowy) Marcin Wilk Iteracyjny model kaskadowy jeden z kilku rodzajów procesów tworzenia oprogramowania zdefiniowany w inżynierii oprogramowania. Jego nazwa wprowadzona
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2015/2016
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Mechaniczny obowiązuje studentów rozpoczynających studia w roku akademickim 201/2016 Kierunek studiów: Informatyka Stosowana Forma
Bardziej szczegółowoKARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Projekt zespołowy D1_10
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Inżynieria oprogramowania Rodzaj zajęć: laboratorium PROJEKT ZESPOŁOWY DYPLOMOWY IO Team Project SE Forma studiów:
Bardziej szczegółowoPodstawy modelowania programów Kod przedmiotu
Podstawy modelowania programów - opis przedmiotu Informacje ogólne Nazwa przedmiotu Podstawy modelowania programów Kod przedmiotu 11.3-WI-INFP-PMP Wydział Kierunek Wydział Informatyki, Elektrotechniki
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoMetodyki zwinne wytwarzania oprogramowania
Metodyki zwinne wytwarzania oprogramowania Wykład 1 Marcin Młotkowski 7 października 2014 Plan wykładu Sprawy organizacyjne Organizacja pracowni 1 Sprawy organizacyjne Organizacja pracowni 2 3 Marcin Młotkowski
Bardziej szczegółowoINŻYNIERIA OPROGRAMOWANIA
INSTYTUT INFORMATYKI STOSOWANEJ 2013 INŻYNIERIA OPROGRAMOWANIA Inżynieria Oprogramowania Proces ukierunkowany na wytworzenie oprogramowania Jak? Kto? Kiedy? Co? W jaki sposób? Metodyka Zespół Narzędzia
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoPYTANIA PRÓBNE DO EGZAMINU NA CERTYFIKAT ZAAWANSOWANY REQB KLUCZ ODPOWIEDZI. Część DODATEK
KLUCZ ODPOWIEDZI Część DODATEK 8.1 9.4 PYTANIA PRÓBNE DO EGZAMINU NA CERTYFIKAT ZAAWANSOWANY REQB Na podstawie: Syllabus REQB Certified Professional for Requirements Engineering, Advanced Level, Requirements
Bardziej szczegółowoJakość w procesie wytwarzania oprogramowania
Jarosław Kuchta Jakość Oprogramowania http://www.eti.pg.gda.pl/katedry/kask/pracownicy/jaroslaw.kuchta/jakosc/ J.Kuchta@eti.pg.gda.pl Względny koszt wprowadzania zmian w zależności od fazy realizacji projektu
Bardziej szczegółowoProgramowanie zespołowe
Programowanie zespołowe Laboratorium 4 - modele tworzenia oprogramowania, manifest Agile i wstęp do Scruma mgr inż. Krzysztof Szwarc krzysztof@szwarc.net.pl Sosnowiec, 14 marca 2017 1 / 21 mgr inż. Krzysztof
Bardziej szczegółowoKARTA PRZEDMIOTU. Projekt zespołowy D1_10
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Projekt zespołowy D1_10 Nazwa przedmiotu (j. ang.): Team Project Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia:
Bardziej szczegółowoWERYFIKACJA HIPOTEZ STATYSTYCZNYCH
WERYFIKACJA HIPOTEZ STATYSTYCZNYCH I. TESTY PARAMETRYCZNE II. III. WERYFIKACJA HIPOTEZ O WARTOŚCIACH ŚREDNICH DWÓCH POPULACJI TESTY ZGODNOŚCI Rozwiązania zadań wykonywanych w Statistice przedstaw w pliku
Bardziej szczegółowoUsługa: Audyt kodu źródłowego
Usługa: Audyt kodu źródłowego Audyt kodu źródłowego jest kompleksową usługą, której głównym celem jest weryfikacja jakości analizowanego kodu, jego skalowalności, łatwości utrzymania, poprawności i stabilności
Bardziej szczegółowoZasady organizacji projektów informatycznych
Zasady organizacji projektów informatycznych Systemy informatyczne w zarządzaniu dr hab. inż. Joanna Józefowska, prof. PP Plan Definicja projektu informatycznego Fazy realizacji projektów informatycznych
Bardziej szczegółowoKomputerowe wspomaganie zarządzania projektami innowacyjnymi realizowanymi w oparciu o podejście. Rozdział pochodzi z książki:
Rozdział pochodzi z książki: Zarządzanie projektami badawczo-rozwojowymi. Tytuł rozdziału 6: Komputerowe wspomaganie zarządzania projektami innowacyjnymi realizowanymi w oparciu o podejście adaptacyjne
Bardziej szczegółowo<Nazwa firmy> <Nazwa projektu> Specyfikacja dodatkowa. Wersja <1.0>
Wersja [Uwaga: Niniejszy wzór dostarczony jest w celu użytkowania z Unified Process for EDUcation. Tekst zawarty w nawiasach kwadratowych i napisany błękitną kursywą
Bardziej szczegółowoKoncepcja systemu zarządzania jakością w dużym projekcie informatycznym zgodnie z normą ISO/IEC 9001:2008
Koncepcja systemu zarządzania jakością w dużym projekcie informatycznym zgodnie z normą ISO/IEC 9001:2008 Autor: Kinga Lewandowska Promotor: dr inż. Szymon Supernak Zakres pracy CZĘŚĆ TEORETYCZNA Przegląd
Bardziej szczegółowoSTATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech
TATYTYKA wykład 8 Wnioskowanie Weryfikacja hipotez Wanda Olech Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoTest niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)
Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi) Czy miejsce zamieszkania różnicuje uprawianie sportu? Mieszkańcy
Bardziej szczegółowoLekkie metodyki. tworzenia oprogramowania
Lekkie metodyki tworzenia oprogramowania Programowanie zwinne ( Agile software development) grupa metodyk wytwarzania oprogramowania opartego o programowanie iteracyjne (model przyrostowy). Wymagania oraz
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoWykład 8. Testowanie w JEE 5.0 (1) Autor: Zofia Kruczkiewicz. Zofia Kruczkiewicz
Wykład 8 Testowanie w JEE 5.0 (1) Autor: 1. Rola testowania w tworzeniu oprogramowania Kluczową rolę w powstawaniu oprogramowania stanowi proces usuwania błędów w kolejnych fazach rozwoju oprogramowania
Bardziej szczegółowoOBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp
tel.: +48 662 635 712 Liczba stron: 15 Data: 20.07.2010r OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA z wykorzystaniem programu obliczeniowego Q maxp DŁUGIE
Bardziej szczegółowoModel referencyjny doboru narzędzi Open Source dla zarządzania wymaganiami
Politechnika Gdańska Wydział Zarządzania i Ekonomii Katedra Zastosowań Informatyki w Zarządzaniu Zakład Zarządzania Technologiami Informatycznymi Model referencyjny Open Source dla dr hab. inż. Cezary
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoTestujemy dedykowanymi zasobami (ang. agile testers)
Testujemy dedykowanymi zasobami (ang. agile testers) - wspólne standupy; - ten sam manager; - duży przepływ informacji; - po pewnym czasie zanika asertywność; - pojawia się tendencja do nie zgłaszania
Bardziej szczegółowoWytwórstwo oprogramowania. michał możdżonek
Wytwórstwo oprogramowania michał możdżonek 01.2008 Plan wykładu 1. Proces tworzenie oprogramowania 2. Zarządzanie projektami 3. Wymagania 4. Projektowanie 5. Testowanie 6. Szacowanie złożoności i kosztu
Bardziej szczegółowoAgile vs PRINCE2. 2014/2015 I rok st. magisterskie Informatyka
Agile vs PRINCE2 Ewa Solecka - specjalność ogólna- 1117627 Przemysław Mrozowski specjalność ogólna- 1121130 Michał Roztoczyński specjalność ogólna - 1118910 2014/2015 I rok st. magisterskie Informatyka
Bardziej szczegółowoInżynieria Środowiska. II stopień ogólnoakademicki. przedmiot podstawowy obowiązkowy polski drugi. semestr zimowy
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2017/2018 STATYSTYKA
Bardziej szczegółowoMetodyka projektowania komputerowych systemów sterowania
Metodyka projektowania komputerowych systemów sterowania Andrzej URBANIAK Metodyka projektowania KSS (1) 1 Projektowanie KSS Analiza wymagań Opracowanie sprzętu Projektowanie systemu Opracowanie oprogramowania
Bardziej szczegółowoAgile Project Management
Charles G. Cobb, pmp Zrozumieć Agile Project Management Równowaga kontroli i elastyczności przekład: Witold Sikorski APN Promise Warszawa 2012 Spis treści Wstęp...vii Kto powinien przeczytać tę książkę?...
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoTESTOWANIE HIPOTEZ STATYSTYCZNYCH
TETOWANIE HIPOTEZ TATYTYCZNYCH HIPOTEZA TATYTYCZNA przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Prawdziwość tego przypuszczenia jest oceniana na
Bardziej szczegółowoMODELE CYKLU ŻYCIA OPROGRAMOWANIA (1) Model kaskadowy (często stosowany w praktyce do projektów o niewielkiej złożonoś
OPROGRAMOWANIA (1) Model kaskadowy (często stosowany w praktyce do projektów o niewielkiej złożonoś (często stosowany w praktyce do projektów o niewielkiej złożoności) wymagania specyfikowanie kodowanie
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW33/01 KARTA PRZEDMIOTU Nazwa w języku polskim : INŻYNIERIA OPROGRAMOWANIA Nazwa w języku angielskim: SOFTWARE ENGINEERING Kierunek studiów (jeśli
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoSTATYSTYKA
Wykład 1 20.02.2008r. 1. ROZKŁADY PRAWDOPODOBIEŃSTWA 1.1 Rozkład dwumianowy Rozkład dwumianowy, 0 1 Uwaga: 1, rozkład zero jedynkowy. 1 ; 1,2,, Fakt: Niech,, będą niezależnymi zmiennymi losowymi o jednakowym
Bardziej szczegółowoProgramowanie zwinne
Programowanie zwinne Wykład 1 Marcin Młotkowski 10 października 2012 Plan wykładu Sprawy organizacyjne Organizacja pracowni 1 Sprawy organizacyjne Organizacja pracowni 2 3 Marcin Młotkowski Programowanie
Bardziej szczegółowoInżynieria oprogramowania - opis przedmiotu
Inżynieria oprogramowania - opis przedmiotu Informacje ogólne Nazwa przedmiotu Inżynieria oprogramowania Kod przedmiotu 11.3-WK-IiED-IO-W-S14_pNadGenRB066 Wydział Kierunek Wydział Matematyki, Informatyki
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoTestowanie i walidacja oprogramowania
i walidacja oprogramowania Inżynieria oprogramowania, sem.5 cz. 3 Rok akademicki 2010/2011 Dr inż. Wojciech Koziński Zarządzanie testami Cykl życia testów (proces) Planowanie Wykonanie Ocena Dokumentacja
Bardziej szczegółowoANALIZA STATYSTYCZNA WYNIKÓW BADAŃ
ANALIZA STATYSTYCZNA WYNIKÓW BADAŃ Dopasowanie rozkładów Dopasowanie rozkładów- ogólny cel Porównanie średnich dwóch zmiennych 2 zmienne posiadają rozkład normalny -> test parametryczny (t- studenta) 2
Bardziej szczegółowoInżynieria oprogramowania (Software Engineering)
Inżynieria oprogramowania (Software Engineering) Wykład 3 Studium wykonalności Definicja wymagań Studium wykonalności (feasibility study) Prowadzone przed rozpoczęciem projektu, krótkie, niekosztowne badanie
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Inżynieria 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia koordynator
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 9 i 10 1 / 30 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoOferta szkoleń firmy Code Sprinters
Oferta szkoleń firmy Code Sprinters Code Sprinters sp z o.o. Królewska 2/2 Kraków Telefon +48 12 379 34 14 Fax +48 12 379 34 11 info@codesprinters.com www.codesprinters.com Jako liderzy na rynku szkoleń
Bardziej szczegółowoprzedmiot podstawowy obowiązkowy polski drugi
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 07/08 IN--008 STATYSTYKA W INŻYNIERII ŚRODOWISKA Statistics in environmental engineering
Bardziej szczegółowoPodsumowanie wyników ankiety
SPRAWOZDANIE Kierunkowego Zespołu ds. Programów Kształcenia dla kierunku Informatyka dotyczące ankiet samooceny osiągnięcia przez absolwentów kierunkowych efektów kształcenia po ukończeniu studiów w roku
Bardziej szczegółowoNiezawodność i diagnostyka projekt
Niezawodność i diagnostyka projekt Jacek Jarnicki Henryk Maciejewski Zajęcia wprowadzające 1. Cel zajęć projektowych 2. Etapy realizacji projektu 3. Tematy zadań do rozwiązania 4. Podział na grupy, wybór
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoWprowadzenie do metodologii modelowania systemów informacyjnych. Strategia (1) Strategia (2) Etapy Ŝycia systemu informacyjnego
Etapy Ŝycia systemu informacyjnego Wprowadzenie do metodologii modelowania systemów informacyjnych 1. Strategia 2. Analiza 3. Projektowanie 4. Implementowanie, testowanie i dokumentowanie 5. WdroŜenie
Bardziej szczegółowo