使用ZenDAS进行Gompertz趋势分析

一个项目经过18次测试，发现的缺陷数量分别为：60、96、157、191、155、106、64、335、92、196、109、133、166、129、16、30、19、5。在ZenDAS中使用Gompertz曲线拟合了这些测试数据，结果如下：

模型及统计量描述

采用Levenberg-Marquardt算法进行Gompertz曲线拟合，统计结果显示共进行了18次测试，发现了总计2059个缺陷。

求解Kab

模型参数K、a、b的估计值分别为2319.0866、0.0202、0.8092。

快速上升的拐点识别

缺陷快速上升的拐点在第6.4323次测试时，此时累计缺陷数为853.1443个。

缺陷目标值计算

将缺陷遗留率设置为5%，基于目前已发现缺陷数2059个，计算得出应遗留缺陷数为115.9543个。

实现目标的理想测试次数

为实现目标缺陷数，应发现2203.1322个缺陷，当前距离目标有144.1322个缺陷的差距，预计还需进行约3.4623次测试。

分析总结

通过Gompertz模型分析，确定软件潜在缺陷总数为2319个。若目标遗留缺陷率为5%，则需要发现2203个缺陷。目前已发现2059个缺陷，尚需发现144个缺陷，预计需要进行3到4次额外的测试。

有关Gompertz模型的更多详细信息，可以参考历史文章《使用Gompertz模型预测非典的趋势》。

想要了解更多内容？

查看原文：使用ZenDAS进行Gompertz趋势分析

文章来源：

麦哲思科技任甲林

扫码关注公众号