Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
In der folgenden Tabelle 5.1-7 sind einige Schätzungen und Prognosen für die beiden<br />
Modelle für die kumulierten Fehler der Kurve TEL-A (Gesamte Schätzung und<br />
Prognose der beiden Modelle in Kap. 5.3) dargestellt. Das Goel-Okumoto Modell ist<br />
nicht geeignet, weil die Berechnung der Gesamtfehleranzahl und der Restfehler mit den<br />
realen Daten in keiner Weise übereinst<strong>im</strong>mt. Die Tabelle 5.1-7 ist in vier Quadranten<br />
unterteilt. Der linke obere Quadrant zeigt die Wahrscheinlichkeit der Fehlerentdeckung<br />
(P). Dabei bedeutet 0.34 bei Yamada-Delayed-S-shaped Modell, dass zu 34% weitere<br />
Fehler entdeckt werden. Die zwei verschiedenen Konfidenzintervalle bedeuten, dass für<br />
die Vorhersagen zwei unterschiedlich lange Datenreihen benutzt wurden, d.h. eine<br />
kürzere und eine längere. Der rechte obere Quadrant zeigt die gesamte Anzahl von<br />
Fehlern in der <strong>Software</strong> an, wie sie vom Modell berechnet wird. Zur Anonymisierung<br />
der Daten wurde nicht die Zahl angegeben, sondern die Prozentzahl. 100% entsprechen<br />
der Gesamtzahl der real gefundenen Fehler bis zur ZE 26. Prozentzahlen in der Nähe<br />
von 100% zeigen an, dass das Modell sehr gut passt. In der Tabelle 5.1-7 sieht man,<br />
dass die durch das Yamada-Delayed-S-shaped Modell eingeschätzte<br />
Gesamtfehleranzahl mit 115.3% sehr nahe der realen Anzahl kommt (bei Goel-<br />
Okumoto ist 1180%). Der linke untere Quadrant zeigt die geschätzte Restfehleranzahl<br />
in Prozent der realen Restfehler bis zur ZE 26 an. Der rechte untere Quadrant zeigt Chi2<br />
(wie oben erklärt). Darüber hinaus kann man mit dem Modell für jede beliebige<br />
Zeitspanne vorhersagen lassen, wie viele Fehler voraussichtlich in dieser Zeitspanne<br />
gefunden werden. Im vorliegenden Beispiel wurde die Zeitspanne von 10 ZE gewählt.<br />
Hier zeigt sich, dass bis zur 10. ZE voraussichtlich 94.1% aller Restfehler gefunden<br />
werden.<br />
60