Desarrollo de sistemas con PSP Y TSP
|
|
- Jaime San Segundo Torregrosa
- hace 7 años
- Vistas:
Transcripción
1 Desarrollo de sistemas con PSP Y TSP Proyecto de Investigación Licenciatura en Computación Aida Alvarado Juárez Eduardo Rodríguez Flores Asesor Alfonso Martínez Martínez Coordinador de la licenciatura México D.F. 17 de agosto de 2008
2 1
3 Índice general 1. PSP Proceso Personal de Software INTRODUCCIÓN OBJETIVOS DEL PSP DEFINICIÓN DEL PSP FASES DEL PROCESO PSP PSP PSP PSP PSP PSP PSP ENTRENAMIENTO DEL PSP TAREA TAREA TAREA TAREA TAREA TAREA TAREA TAREA TAREA TAREA i
4 ÍNDICE GENERAL ii 1.6. RESUMEN DEL PLAN DEL REPORTE R GUÍA DEL REPORTE R RESUMEN DEL PLAN DEL REPORTE R BITÁCORA DE REGISTRO DE TIEMPO R ANÁLISIS DE LA EXACTITUD DE ESTIMACIÓN DE LOC ANÁLISIS DE LA EXACTITUD DE ESTIMACIÓN DE TIEMPO ANÁLISIS DE DEFECTOS Y DEL YIELD ANÁLISIS DE CALIDAD Criterios de Evaluación Sugerencias TSP EQUIPO DE PROCESO DE SOFTWARE INTRODUCCIÓN OBJETIVOS TALLER DE LANZAMIENTO TSP Junta 1 del Taller de Lanzamiento Junta 2 del Taller de Lanzamiento Junta 3 del Taller de Lanzamiento Junta 4 del Taller de Lanzamiento Junta 5 del Taller de Lanzamiento Junta 6 del Taller de Lanzamiento Junta 7 del Taller de Lanzamiento Junta 8 del Taller de Lanzamiento Junta 9 del Taller de Lanzamiento FORMAS Y RESULTADOS Forma SUMP Forma TASK Forma Schedule Forma SUMQ
5 Capítulo 1 PSP Proceso Personal de Software 1
6 1.1. INTRODUCCIÓN Como licenciados en computación, en nuestra vida diaria usamos las computadoras y día con día las vamos renovando con las nuevas técnologias, pues, de la misma forma, nosotros debemos de renovar nuestra forma de craer los sistemas para evitar caer en los mismos errores de antaño. Para lograr tener un mejor control o manejo en nuestros sistemas hemos estudiado un proceso personal para desarrollo de software (PSP) para tener pasos definidos, formas y estándares en los sistema. Al estudiar el PSP, estudiamos un proceso de auto mejora; diseñado para ayudarnos a controlar, administrar y mejorar la forma en que trabajamos, ya que nos provee una metodolgía para planear y dar un seguimiento a su trabajo para incrementar su productividad y la calidad de los sistemas de software. El PSP es la base para poder trabajar en equipo. 2
7 1.2. OBJETIVOS DEL PSP Conocer y utilizar las medidas de analisis del PSP. Organizar las ideas de la creacion de un programa mediante la utilización de fases. Conocer las plantillas de uso en el PSP para la elaboración de los programas con mayor eficencia. Saber hacer una estimación acertada. Tratar de eliminar los errores en las fases en las que por lo regular siempre se presentan (compilación y pruebas). Mejorar el tiempo de desarrollo al eliminar los errores. Tener una calidad y produccion eficiente, cuando eliminamos los errores y mejoramos el tiempo de desarrollo. Conforme avanzamos debemos de manejar este proceso de una forma más digerida para poder aplicarlo en sitemas y programas sin ninguna dificultad. 3
8 1.3. DEFINICIÓN DEL PSP El PSP es una línea de trabajo de medición y análisis para ayudarnos a caracterizar nuestro proceso. También es un procedimiento definido que nos ayuda a mejorar nuestro desempeño. Algunos de sus principios son: La calidad de un sistema de software está dada por la calidad del proceso utilizado para desarrollarlo y mantenerlo. La calidad de un sistema de software está determinada por la calidad de su componentes más deficientes. La calidad de un componente de software está dada por el individuo que lo desarrolla. El desempeño individual está dado por el conocimiento, la disciplina y el compromiso del individuo. Se pretende lograr que como profesional del software, debemos conocer nuestro desempeño personal. Debemos de medir, darle seguimiento y analizar su trabajo. Debemos aprender a partir de las variaciones de su desempeño. Debemos incorporar estas lecciones aprendidas en nuestras prácticas personales. Al paso del tiempo y la practica debemos saber controlar: La estimación y planeación de nuestro trabajo, cumplir con nuestros compromisos y resistir presiones por compromisos no razonables. 4
9 1.4. FASES DEL PROCESO PSP PSP0 El PSP 0 es un proceso simple y definido. Utiliza sus métodos actuales de diseño y desarrollo. Los objetivos principales del PSP 0 son: Demostrar el uso de proceso definido al escribir un programa pequeño. Incorporar medidas básicas en el proceso de desarrollo de software. Requiere cambios mínimos a las practicas personales. Cuenta con una serie de elementos para facilitarnos la medición de nuestros avances a lo largo de la tarea 1A, la idea principal durante el PSP0 es incorporando poco a poco al proceso, para familiarizarse de una manera fácil. Para esta primera fase, los elementos necesarios son: Guión del proceso Bitácora de registro de tiempo Bitácora de reporte de defectos Estándar de tipos de defectos Forma de resumen del plan de proyecto En donde : La planeación es la estimación del tiempo de desarrollo. El desarrollo es el producto utilizando sus métodos actuales. El postmortem espara completar el resumen del plan del proyecto, con el tiempo utilizado y los defectos descubiertos e introducidos en cada fase. 5
10 PSP0.1 El PSP0.1 tiene como finalidad medir el tamaño del software para relacionar la cantidad de producto generado con el esfuerzo empleado. Así como también para calcular nuestra productividad, medida en LOC s 1 y normalizar los defectos. Se emplean en las tareas 2A y 3A. Los objetivos principales del PSP 0.1 son: Medir el tamaño de los programas que producimos. Contabilizar los tipos de LOC s en los programas que producimos. Realizará mediciones de tamaño exactas y precisas. Introducimos una nueva serie de elementos al proceso: La forma de propuesta de mejora del Proceso (PIP). Estándar de Conteo (R1). Estándar de Codificación (R2). El resumen de plan de proyecto ha sido expandido para incluir las mediciones de tamaño del software y la distribución del tiempo de planeación a lo largo de las fases. 1 Lineas de código 6
11 PSP1 El PSP1 en el cual su objetivo es establecer un procedimiento ordenado y repetible para el desarrollo de estimación de tamaño de software. La tarea 4A es la única que se realiza durante esta variación de PSP. Los nuevos elementos introducidos en el PSP1 son: El método de Estimación de tamaño PROBE. La plantilla de Estimación de tamaño. La plantilla de reporte de pruebas. 7
12 PSP1.1 En la tarea 5 y 6 utilizaremos el PSP1.1, sus Objetivos del PSP1.1 son introducir y practicar métodos para: Realizar planes de recursos y de calendarios de trabajo. Darle seguimiento a su desempeño en cuanto a sus planes. Juzgar la probabilidad de las fechas de terminación del proyecto. Se incorporan nuevos elementos al proceso: Plantilla de planeación de tareas. Plantilla de planeación de calendario de trabajo. Por lo regular estas plantillas se utilizan para proyectos que tardan varios días o semanas. No se utilizaran durante las tareas de PSP 2. El resumen del plan de proyecto se expandió para que incluya estadísticas básicas del proceso. resumen de plan de proyecto PSP1.1 reporte de pruebas forma PIP plantilla de estimación de tamaño hoja PROBE bitácora de registro de tiempo bitácora de registro de defectos lista de programa fuente resultados de las pruebas 2 Se utilizan cuando trabajamos con TSP 8
13 PSP2 Como profesional del software, debemos de conocer nuestro desempeño personal. Debemos medir, darle seguimiento y analizar el trabajo. Aprender a partir de las variaciones de nuestro desempeño e incorporarlas en nuestras praticas personales. Los objetivos de PSP2 son introducir: Las revisiones de diseño y código Métodos para la evaluación y mejora de calidad de sus revisiones Se incorporan dos nuevos elementos al proceso: Lista de comprobación de la revisión de diseño del PSP2 Lista de comprobación de la revisión de código 9
14 PSP2.1 Los objetivos del PSP2.1 son introducir. Introducir métricas adicionales para la administración de la calidad Plantillas de diseño que proporcionen una línea de trabajo ordenado y formatos para documentar los diseños. Existen cuatro nuevos elementos del proceso: Lista de comprobación de la revisión de diseño PSP2.1 Plantilla del escenario operacional Plantilla de especificación de estados Plantilla de especificación lógica Las tareas 8A, 9A y 10A se realizan con este proceso. 10
15 1.5. ENTRENAMIENTO DEL PSP Elaboramos 10 tareas con las cuales nos fuimos capacitando paso a paso al ir introduciendo en cada una de las tareas una fase del Proceso Personal del Sofware. Nos obliga a crear una disciplina que nos ayuda a mejorar nuestro proceso personal,los datos que se fureron almacenado nos servira para mejorar continuamente la productividad, calidad y la predicción de nuestro trabajo TAREA 1 * Los objetivos de la tarea 1A son: Comprender los requerimientos del programa 1A Concluir la palneación del programa 1A * Requerimientos del Programa 1A Calcular la media y la desviación estándar de una serie de n números reales. Su programa debe leer los n números reales del teclado, de un archivo, etc. Use una lista ligada para almacenar los n números para los cálculos. Pruebe completamente el programa. Debería usar al menos tres pruebas de los datos en las tres columnas de abajo. * Media y Desviación Estándar La media es el promedio de n números. La desviación estándar es calculada de la siguiente forma. Fórmula de la desviación estándar. donde: Std = σ = n i=1 (x i x avg ) 2 n 1 σ: Es el símbolo de la desviación estándar. : El el símbolo de la sumatoria. 11
16 LOC Objeto LOC Nuevas y Modificadas Horas de Desarrollo Media DesEst Cuadro 1.1: tabla D4, página 753 i: Es un índice de n números x avg : Es el valor promedio de los n números * Las listas ligadas son: 1. Un tipo de datos abstracto utilizado para almacenar conjuntos de datos implementadas con apuntadores. 2. Una lista ligada con frecuencia tiene estos componentes. Raíz de la lista Nodo de la lista 12
17 Algunas de las opciones para la estructura de listas ligadas son La raíz de la lista puede apuntar al primer nodo, último nodo, o a ambos. Un nodo de la lista puede apuntar al siguiente nodo, al anterior, o a ambos. Por lo regular se usa un apuntador con valor nulo para indicar una lista vacía o el final de la lista. Las operaciones típicias en una lista ligada incluyen agrega nodo, siguiente nodo y anterior nodo. 13
18 TAREA 2 * Requerimientos del Programa estimado de recursos estimado de tamaño * Requerimientos del Programa 2A Utilice el PSP0.1 para escribir un programa que cuente el total de LOC s lógicas en un programa omitiendo los comentarios y las líneas en blanco. Utilice su estándar de conteo (R1) y su estándar de codificación (R2) para colocar una línea lógica en cada línea física y cuente las líneas físicas. Produzca un conteo único para el archivo de programa fuente. Prueba completamente el programa. Como una prueba, cuente las LOC s en los programas 1A y 2A. 14
19 TAREA 3 * Objetivos del Taller 1. Comprenderá los requerimientos del programa 3A 2. Habrá concluido la planeación del programa 3A Requerimientos del programa Estimación de los recursos Estimación del tamaño * Requerimientos del Programa 3A Use el PSP0.1 para escribir un programa que cuente Las LOC lógicas totales en un programa Las LOC lógicas en cada objeto o función Número de métodos en cada objeto * Produzca e Imprima Un solo conteo de LOC para el archivo del programa fuente Conteo separados de LOC y métodos para cada objeto Usted puede mejorar el programa 2A para realizar el programa 3A (pero mantenga un copia del 2A). Usted puede actualizar su estándar de conteo de LOC (R1) y su estándar de codificación (R2) para simplificar el diseño del programa 3A. Pruebe completamente este programa. Como un mínimo, pruebe el programa contando el programa total y las LOC por cada objeto en los programas 1A, 2A y 3A. Incluya en su reportes de prueba un tabla que proporcione los conteos obtenidos. Use el formato mostrado en la tabla D7 en la página 754 del texto. * Instrucciones de la Tarea 15
20 Usando el proceso PSP0.1, termine la fase de planeación para la tarea 3A. Cuando usted haya terminado la planeación, revise su trabajo con el instructor. Después de que su plan haya sido revisado, concluya la tarea utilizando el PSP0.1. Cuando usted haya concluido la fase postmortem, entregue su paquete de tarea, código fuente y resultados de prueba al instructor en este orden. 16
21 TAREA 4 * Objetivos del Taller 1. Comprenderá los requerimientos del programa 4A 2. Habrá concluido la planeación del programa 4A Diseño conceptual Estimado de tamaño Estimado de recursos * Requerimientos del Programa 4A Calcule los parámetros de regresión lineal β 0 y β 1 para n conjuntos de datos. Mejore la lista ligada desarrollada en el programa 1A para que almacene los conjuntos de n datos, donde cada conjunto de datos contiene exactamente dos número reales. Pruebe el programa con tres conjuntos de datos. 1. LOC de objeto estimadas y LOC N&C reales (tabla D8, página 756) 2. LOC N&C estimadas y LOC N&C reales (tabla D8, página 756) 3. LOC N&C estimadas y LOC N&C reales de sus programas 2A, 3A y 4A * Parámetros de Regresión Parámetro de Regresión β 0 es: y avg β 1 x avg Parámetro de Regresión β 1 es: β 1 = n i=1 x iy i nx avgy avg n i=1 x i 2 n(x avg) 2 17
22 TAREA 5 * Objetivo del Taller Después de este taller, usted comprenderá los requerimientos del programa 5A habrá concluido la planeación del programa 5A diseño conceptual estimado de tamaño estimado de recursos Use el PSP1.1 para escribir un programa para integrar numéricamente un función usando la regla de Simpson para una función de la distribución normal. El programa debería ser diseñado para integrar utilizando varias funciones dadas. Usted necesitará este programa para calcular los valores de varias distribuciones estadísticas utilizadas en los siguientes programas de tareas. Prueba completamente el programa. Como mínimo, utilice este programa para calcular los valores de la integral de la distribución normal para tres valores. Prueba Valor Esperado de - a de - a de - a * Integración Numérica En principio, la integración numérica trata un función como si estuviese compuesta de muchas áreas rectangulares. Suma estas áreas para producir el valor de la integral. El truco es suma estas áreas de tal forma que el erro se minimice. 18
23 *Límites de Integración Para determinar los límites de integración la mayoría de las funciones estadísticas son integradas de - a algún valor todas las funciones estadísticas tienen una área total de 1.0 cuando son integradas de - a +. * Funciones Simétricas Con funciones simétricas (la distribución normal y la distribución t de student), el procedimiento es este. Si el valor de X es Integre de y Positivo 0 a X sume 0,5 al presultado Negativo 0 a X reste 0,5 al resultado * Regla de Simpson La regla de simpson para integrar: xhigh x low F (u)du = W 3 [F (x low) + 4F (x low + W ) + 2F (x low + 2W ) + 4F (x low + 3W ) F (x high 2W ) + 4F (x high W ) + F (x high )] (1.1) 19
24 donde: W es el ancho de las bloques rectangulares F es el valor de la función para cada valor de x La regla de Simpson en otra forma 2 xhigh x low F (u)du = W 3 [F (x low) + donde N es el número de segmentos. * Distribución Normal N 1 i=1,3,5... La fórmula de la distribución normal es: 4F (x low + iw ) + N 2 i=2,4,6... 2F (x low + iw ) + F (x high ] (1.2) φ(x) = x La página 528 contiene las fórmulas para las distribuciones x 2 y t. * Sugerencias 1 (2π) e ( u2 2 ) du (1.3) Refiérase a la página 517 en el Apéndice A para un algoritmo que evalúe la integral usando la regla de Simpson. Inicie con N = 20 y un error aceptable (E) de 1E-07. Si usted está usando C o C++, considere diseñar la regla de Simpson para que acepte un apuntado a una función. (Esto hace la reutilización muy fácil.) Para otros lenguajes, separe el cálculo de la regla de Simpson de la distribución normal. * Instrucciones de la Tarea 2 La anterior ecuación de Simpson es una forma simplificada de la ecuación A5 del libro, página
25 Usando el proceso PSP1.1, termine la fase de planeación para la tarea 5A. Cuando usted haya concluido la planeación, revise su trabajo con el instructor. Después que su plan haya sido revisado, termine la tarea usando el PSP1.1. Cuando haya terminado la fase de postmortem, entregue al instructor su paquete de tarea, código fuente y resultados de prueba al instructor en el siguiente orden. resumen de plan de proyecto PSP1.1 reporte de pruebas forma PIP plantilla de estimación de tamaño hoja PROBE bitácora de registro de tiempo bitácora de registro de defectos lista de programa fuente resultados de las pruebas 21
26 TAREA 6 * Requerimientos del Programa 6A Usando el formato para PSP 1.1 escribimos un programa para calcular los intervalos de predicción del 70 % y del 90 % de las LOC s nuevas y modificadas estimadas, dado un conjunto de datos históricos de tamaño y un estimado de LOC de objeto. Usamos la regla de integración de Simpson del programa 5 para calcular el valor de la distribución t. Use una lista ligada para almacenar los datos históricos. * Intervalo de Predicción El intervalo de predicción proporciona un rango de probabilidad alrededor del estimado. Un intervalo de predicción de 70 % da el rango dentro del cual caerán el 70 % de los estimados. No es un pronóstico, solo una expectativa. Solo aplica si el estimado se comporta como los datos históricos. Se calcula a partir de los mismos datos utilizados para calcular los parámetros de regresión. Par calcular el intervalo de predicción, realizamos los siguientes pasos: 1. Lee los datos históricos x s y y s. 2. Calcule β 0 y β Lea su estimado X k. 4. Calcule una proyección como Y k = β 0 + β 1 X k. 5. Calcule el rango para un intervalo de 70 %. 6. Calcule el UP I = Y k + Rango(70 %). 7. Calcule el LP I = Y k Rango(70 %). 8. Repita los pasos 5 al 7 para el rango de 90 %. 9. Imprima sus resultados. 22
27 * La fórmula para el cálculo del rango de predicción es: donde Range = t(α/2, dof)σ x es el tamaño de los datos históricos. n es el número de puntos de los datos históricos. t(α/2, dof) La fórmula para calcular la desviación estándar es: n + (x k x avg ) 2 n i=1 (x i x avg ) 2 (1.4) donde n σ = 1 ( gl ) (y i β 0 β 1 x i ) 2 (1.5) i=1 x son los datos históricos de tamaño estimado de objetos y son los datos históricos de tamaño nuevo y modificados reales. β 0 y β 1 son los parámetros de regresión lineal de los datos x s v s y s. gl es el número de los grados de libertad de los datos, el cual es n-2. Encontrando t 70 (α/2, n 2) donde,35 = Γ( (n 1) 2 ) ((n 2) Π) 1/2 Γ( (n 2) 2 ) t70(α/2,(n 2)) 0 (1 + u2 (n 2) ) (n 1) 2 du (1.6) n es el número de miembros de x. Γ(x) = (x 1)Γ(x 1),Γ(1) = 1, y Γ(1/2) = Π 1/2. La distribución t Es parecida a la distribución normal. 23
28 Tiene colas muy gruesas. Es usado en estimados de parámetros estadísticos para datos limitados. Calculando el valor de t Para calcular el valor de t(α/2, n 2) Inicie con un valor de prueba de 1 para el límite superior y calcule el valor de la integral. Compare el resultado con el valor deseado. 1. Si el resultado de la integración es demasiado grande, tome un límite superior de prueba más grande. 2. Si el resultado de la integración es demasiado grande, tome un límite superior más pequeño. Haga la integración de prueba sucesivas hasta que el valor de la integración esté dentro de un error aceptable, digamos Para 70 %, integre para tener 0.35 ( ). Para 90 %, integre para tener 0.45 ( ). Una forma para hacer el cálculo es la siguiente: 1. Inicie con un valor de prueba t digamos Haga una integral inicial y pruebe revisar si proporciona el valor apropiado; si no, continué. 3. Si es muy bajo, sume d = 0,5 al valor de prueba t. 24
29 4. Si es muy alto, reste d=0.5 al valor de prueba t. 5. Integre de nuevo y pruebe si el resultado está dentro del error aceptable, si no, continué. 6. Si es muy bajo, ajuste d; sume d al valor de prueba t. 7. Si es muy alto, ajuste d; reste d al valor de prueba t. 8. Repita pasos 5-7. Las reglas para ajustar d son las siguientes: 1. En tanto como las pruebas de error del resultado, proporcione el mismo signo del error, deje d sin cambio. 2. Siempre que cambie el signo del error, divida d entre 2. 25
30 TAREA 7 * Objetivos del Taller: Después de este taller, usted comprenderá los requerimientos del programa 7A habrá terminado la planeación del programa 7A diseño conceptual estimado de tamaño estimado de recursos estimado de defectos * Requerimientos del Programa 7A Usando el PSP2, escriba un programa que calcule la correlación entre dos series de números y calcule la significancia de esa correlación. Utilice la rutina de integración de Simpson del programa 5A para calcular los valores de la distribución t. Almacene los datos en una lista ligada. Pruebe el programa utilizando las LOC nuevas y modificadas reales como los datos x y las horas de desarrollo como los datos y. 26
31 Número de elemento LOC nuevas y modificadas reales Horas de desarrollo n x y , , , , , , , , , ,2 Totales ,2 Determine la correlación y significancía entre las LOC nuevas y modificadas y el tiempo de desarrollo real de sus tareas a la fecha. Determine la correlación y significancia entre las LOC nuevas y modificadas estimadas y el tiempo de desarrollo real de las tareas 2A a la 6A. Prepare y entregue un reporte de pruebas que incluya estos datos. Prueba Valor Esperado Valor Real r t 2 (1 p) r t 2 (1 p) Tabla D12 0,9443 9,0335 1, LOC Reales VS Tiempo de Des. NA NA NA LOC Estimadas Vs Tiempo de Des. NA NA NA * Uso de la Correlación La correlación r xy puede ir de +1 to -1. Cerca de +1 implica una fuerte relación positiva; cuando x se incrementa y se incrementa. Cerca de -1 implica una fuerte relación negativa; cuando x se incrementa y se decrementa. Cerca de 0 implica que no tienen relación. 27
32 La correlación es utilizada en el PSP para juzgar la calidad de la relación lineal en varios datos históricos del proceso que son utilizados para la planeación. Para este propósito, usamos el valor de la relación r xy al cuadrado, o r 2. Si r 2 es: La relación es: 0,9 r 2 Predictiva; usela con gran confianza. 0,7 r 2 < 0,9 fuerte y puede ser usado para planeación.,5 r2 <,7 adecuada para planeación, pero con cuidado, r2 <,5 no es confiable para propósitos de planeación. * Cálculo de la Correlación La fórmula para calcular el coeficiente de correlación r es: donde: n ( n i 1 r(x, y) = x ) ( n iy i i 1 x ( n i) i 1 y ) i [ n ( n ) ( n i 1 x2 i i 1 x ) ] 2 i [n ( n ) ( n i 1 y2 i i 1 y ) ] (1.7) 2 i x y y son dos conjuntos de datos por parejas. n es el número de sus miembros. * La Prueba de la Significancia La prueba de significancia determina la probabilidad que una correlación fuerte sea por casualidad y por lo tanto no tenga significancia práctica. Recuérdese que una correlación fuerte puede ser sólo por coincidencia, especialmente cuando los datos son escasos. Por ejemplo, un conjunto de datos con sólo dos puntos siempre tendrá r 2 = 1, pero esta correlación no es significativa. La prueba de significancia usa la distribución t. 28
33 * Cálculo de la Significancia El cálculo de la significancia consiste de tres pasos. Calcule el valor de t. donde: r(x, y) es la correlación n es el número de puntos t = r(x, y) n 2 1 r(x, y) 2 (1.8) Encuentre la probabilidad p integrando numéricamente la distribución t para n - 2 grados de libertad, de - a t. Calcule la cola de la distribución, 2 (1 p). * Interpretnado la Significancia Una área en la cola 0,05 se considera una evidencia fuerte que existe relación. Una área en la cola 0,2 se considera que la relación es debida a la coincidencia. Instrucciones de la Tarea 29
34 Usando el proceso PSP2, termine la fase de planeación para la tarea 7A. Cuando haya terminado la planeación, revise su trabajo con el instructor. Después que su plan haya sido revisado, termine la tarea usando el PSP2. Cuando haya terminado la fase postmortem, entregue su paquete de la tarea, código fuente y resultados de prueba al instructor en el siguiente orden. Resumen de plan de proyecto PSP2 reporte de pruebas listas de revisión de diseño listas de revisión de codificación forma PIP plantilla de estimación de tamaño hoja PROBE bitácora de registro de tiempo bitácora de registro de defectos listado del programa fuente 30
35 TAREA 8 * Después de este taller, usted comprenderá los requerimientos del programa 8A habrá concluido la planeación del programa 8A - diseño conceptual - estimado de tamaño - estimado de recursos - estimado de defectos * Requerimientos del Programa 8A Usando del PSP2.1, escriba el programa 8A para que ordene una lista ligada de n pares de números reales en orden descendente. Proporcione la capacidad de ordenar cualquier campo de la pareja de datos. Pruebe el programa usando los datos en las dos columnas de la derecha de la tabla D14, página 761, del texto. Realice dos ordenamientos, uno para cada campo. Entregue un reporte de pruebas que describa ambos resultados. * Ordenamiento por Inserción Considerando dos listas ligadas,realizaremos el oredenamiento por inserción. El algoritmo de ordenamiento por inserción ordena al encontrar la posición ordenada correspondiente a un elemento de dato, entonces inserta el elemento de dato en la lista de datos en esa posición. 31
36 * Instrucciones de la Tarea Usando el proceso PSP2.1, termine la fase de planeación para 8A. Cuando haya terminado la planeación, revise su trabajo con el instructor. Después que su plan haya sido revisado, termine la tarea utilizando el PSP2.1. Cuando usted haya terminado la fase de postmortem, entregue su paquete de tarea, código fuente y resultados de prueba al instructor en el siguiente orden. Resumen de plan de proyecto PSP2.1 reporte de pruebas listas de revisión de diseño listas de revisión de código forma PIP plantilla de estimación de tamaño hoja PROBE plantilla de escenario operacional plantilla de especificación funcional plantilla de especificación de estados plantilla de especificación lógica bitácora de registro de tiempo bitácora de registro de defectos listado del programa fuente 32
37 TAREA 9 Requerimientos del programa 9A Usando el PSP2.1, escriba el programa 9A para calcular el grado al cual una cadena de n números reales es normalmente distribuida. Use la rutina de untegración de Simpson s del programa 5A para calcular los valores de la distribución X 2. Asuma n > 20 y siempre un múltiplo de 5.(nota: se puede asumir n = 50). Use el programa 8 para ordenar los nímeros de forma ascendente. Prueba X 2 para la normalidad La prueba X 2 para la normalidad determina que tan probable es que un conjunto de datos tenga una distribución normal. Se hace para comparar la estructura de un conjunto de datos con el de una distribución normal ideal. Realizamos esto dividiendo la distribución normal en segmentos de igual área y comparando el actual número de puntos del conjunto de datos a probar con el número de una distribución normal ideal. Los pasos de la prueba X 2 son como sigue: 1. Ordene el conjunto de datos en orden ascendente. 2. Normalice el conjunto de datos. Primero, calcule la desviación estándar, usando n-1 σ = 1 n (x i x avg ) n 1 2 (1.9) i=1 Entonces, transforme cada x i a una z i normalizada z i = (x i x avg ) σ (1.10) 3. Divida la distribución normal en algunos segmentos S, donde 33
38 n S 5 S > 3 S 2 n Para este problema, S = 10 satisface estos requerimientos. 4. Determine cuántos elementos de la distribución normal caerían en cada segmento, N i. Normalmente, esto es n S ; en este caso es Determine cuántos elementos del conjunto de datos normalizados caen en cada segmento, k i. 6. Calcule el valor Q para los segmentos. Q = S i=1 (N i k i ) 2 N i (1.11) 7. Calcule la probabilidad p de la distribución X 2 para S 1 grados de libertad (dof) al integrar de 0 a Q. p = 1 2 ( dof 2 ) Γ( dof 2 ) Nota: La ecuación anterior para X 2 difiere de la ecuación A7, página 518, por Q 0 u ( dof 2 ) 1 e ( u 2 ) du (1.12) Sustituir dof por n. Sustituir Q por x. 8. Calcule la cola de la distribución como 1 p. 9. Examine 1 p para interpretar los resultados. 1 p < 0,05 es generalmente considerado suficiente para rechazar que ajusta. 1 p > 0,2 es generalmente considerado suficiente para aceptar que ajusta. Valores intermedios indican grados intermedios de ajuste. 34
39 TAREA 10 Requerimientos del programa 10A Usando PSP 3, realice el programa 10A para calcular, los parámetros de regresión múltiple (β 0, β 1, β 2, β 3 ). Lo primero que se va a realizar es, hacer un estimado de las entradas previstas por el usuario. Y determine los intervalos de predicción del 70 y 90 por ciento a ser estimados. Use ademàs una lista ligada para almacenar los datos y el método de integración de Simpson del programa 5A para calcular la distribución t. Calculando los parámetros de regresión múltiple La regresión múltiple proporciona un camino para estimar los efectos de mùltiples variables cuando no es posible separa los datos. A continuaciòn se muestra en una serie de 13 pasos de como podemos calcular la regresión múltiple. 1. Use la siguiente formula de regresión múltiple, para calcular el valor del proyecto: z k = β 0 + w k β 1 + x k β 2 + y k β 3 (1.13) 2. Encontrar los parámetros BETA resolviendo el siguiente sistema de ecuaciones lineales: β 0 n + β 1 n i=1 w i + β 2 n i=1 x i + β 3 n i=1 y i = n i=1 z i (1.14) n β 0 i=1 w i + β 1 n i=1 w 2 i + β 2 n i=1 w i x i + β 3 n i=1 w i y i = n i=1 w i z i (1.15) n β 0 i=1 x i + β 1 n i=1 w i x i + β 2 n i=1 x 2 i + β 3 n i=1 x i y i = n i=1 x i z i (1.16) n β 0 i=1 y i + β 1 n i=1 w i y i + β 2 n i=1 x i y i + β 3 n i=1 x i y i = n i=1 y i z i (1.17) 35
40 3. Cuando calcules el valor de los términos, obtendrás el siguiente sistema de ecuaciones lineales 6β 0 + 4, 863β 1 + 8, 761β β 3 = β 0 + 4, 521, 899β 1 + 8, 519, 938β , 707β 3 = 667, 832 8, 761β 0 + 8, 519, 938β , 022, 091β , 925β 3 = 1, 265, β , 707β , 925β , 902β 3 = 100, Diagonalizando por el método de Gauss se elimina sucesivamente un parámetro a la vez, dando como resultado: 6β 0 + 4, 863β 1 + 8, 761β β 3 = 714 0β , 437,5β 1 + 1, 419, 148β , 640β 3 = 89, 135 0β 0 + 0β 1 + 4, 759, 809β , 925β 3 = 5, 002,332 0β 0 + 0β 1 + 0β , 073,93β 3 = 100, Resuelva para los términos Beta β 0 = 6,7013 β 1 = 0,0784 β 2 = 0,0150 β 3 = 0, Determine el intervalo de predicción resolviendo para el rango con la siguiente ecuación. range = t( α 2, n 4)σ n + (w k w a vg) 2 (wi w avg ) 2 + (x k x a vg) 2 (xi x avg ) 2 + (y k y a vg) 2 (yi y avg ) 2 (1.18) 7. Calculamos la varianza como sigue: σ 2 1 n = ( n 4 ) (z i β 0 β 1 w i + β 2 x i β 3 y i ) 2 (1.19) i=1 36
41 8. La desviación estàndar es la siguiente: σ = σ 2 = 513,058 = 22,651 (1.20) 9. Los términos dentro de la raíz cuadrada que determinan el rango son: (New k New avg ) 2 = (w k w avg ) 2 (1.21) = ( ,5) 2 = 25, 760,25 (Reuse k Reuse avg ) 2 = (x k x avg ) 2 (1.22) = (3, 000 1, 460,17) 2 = 2, 371, 076,43 (Modify k Modify avg ) 2 = (y k y avg ) 2 (1.23) = ( ) 2 = 2, el valor de la distribución t, para el intervalo de la predicción del 70 % con n = 6 y p = 4 es encontrado bajo la columna del 85 % y dos grados de libertad. Y el valor es: Evaluamos la raìz cuadrada Range = 1,386 22, (1/6) + 25, 760,25 2, 371,076,43 2, , 437,5 8, 229, , 616 Range = 38, El estimado final es: z = 6,71 + 0, ,0150 3, , = 140,902horas 13. El intervalo de predicción es de: 140,902±38,84 horas. O lo que es lo mismo: horas como màximo. 37
42 1.6. RESUMEN DEL PLAN DEL REPORTE R GUÍA DEL REPORTE R5 38
43 RESUMEN DEL PLAN DEL REPORTE R5 39
44 BITÁCORA DE REGISTRO DE TIEMPO R5 40
45 ANÁLISIS DE LA EXACTITUD DE ESTIMACIÓN DE LOC Alcance las metas propuestas en el reporte R4 para la estimación de tamaños? Porque si ó porque no? No, La meta propuesta en el reporte R4 no ha sido cumplida ya que a partir de la tarea 6 se sobrestimo la cantidad de loc s requeridas para cada programa, es decir en lugar de mejorar se aumento el error al hacer la estimación. Podemos apreciar en la gráfica 1 de LOC s Estimadas y Actuales VS Programas,con las líneas vemos el comportamiento que tuvieron los cálculos estimados en las tareas realizadas y los puntos la distancia entre las Loc s Estimadas y las LOC s Actuales. Grafica 1. 41
46 El error absoluto vario en todas las tareas, como podemos ver en la grafica 2, iniciamos con un % (subestimados), en la tarea 4 subimos hasta un % (sobreestimados), en la tarea 5A sigue aumentando el calculo sobreestimado,a partir de la tarea 6 continuamos en total desequilibrio ya que nos vamos en picada hasta llegar a -31 % en la tarea 10. A pesar de que mi estimado calculado por la hoja exel no fueron muy exactos, en mis cálculos propios cada vez se acercaba más a los reales por o cual estoy muy satisfecha con mi trabajo realizado durante este proyecto. Grafica 2. 42
47 Cómo fue mi estimado con respecto a los intervalos de predicción del 70 % y del 90 %? A partir de la tarea 7 utilizamos el método A en la hoja de EXCEL Probe el cual solo nos indica el rango del 70 % el cual es de 107. En la tarea 10 si sobrepase el rango, dado que, en los estimados de la hoja EXCEL Summary la diferencia entre el real y el estimado es de 144 Loc s, en las tareas anteriores la diferencia de el estimado y el real es menor al rango, lo cual indica que esta dentro de lo aceptable. Qué tendencia tuve acerca de sobreestimar ó subestimar a los objetos? Mi tendencia es sobreestimar, tratando de considerar los métodos de cada clase, lo que recibe cada clase como parámetro y los parámetros que recibe cada método, tratando de valorar que cuando una operación hace demasiados cálculos lo divido en secciones. Qué tendencia tuve al calcular mal el tamaño relativo de los objetos? Que quizás consideraba en el objeto más cálculos de los que en realidad se requerían para hacer más comprensible la documentación de cada objeto. Y la división de métodos. 43
48 Para calcular un tamaño relativo necesito usar mi información histórica de los objetos? Puedo? Claro que si, conforme vamos avanzando ya sabemos más o menos cuantas Loc requerimos para crear ciertos objetos, un ejemplo son: Aplicación que por lo general administra el uso de las clases, imprimir que despliega los resultados requeridos, y si vamos a utilizar métodos dentro de dicha clase, sabemos específicamente por datos anteriores los tamaños de los métodos. Basado en mi información histórica de la estimación de tamaño, cuál es una meta real de la estimación de tamaño para mi? El poder estimar mis programas con un rango de 20 a 60 Loc s.,considero que no hay mucha diferencia si este rango es sobreestimado o subestimado dado que es pequeño. Qué puedo cambiar en el proceso que me ayude a alcanzar las metas? Considero que el proceso es el adecuado, lo que hizo que se tuvieran estas fallas es la falta de experiencia en realizar dicho proceso. Le mayoría de los programadores, ingenieros, licenciados, etc... no estamos acostumbrados a trabajar con una metodología tan buena que nos forza a ser unos programadores organizados, y a tener una buena administración de tiempo. Y conforme trabajemos con el proceso se ira mejorando. 44
49 ANÁLISIS DE LA EXACTITUD DE ESTIMACIÓN DE TIEMPO Alcance las metas propuestas en el reporte R4 para la estimación de tiempos? Porque si ó porque no? Considero que si se mejoro dado que en los primeros programas se subestimaba el tiempo y el los siguientes se fue variando entre el subestimado y el sobreestimado. El la tabla 1 podemos observar que la diferencia o error de exactitud es mínima a partir de la tarea 6 A y en la tarea 10 A se disparo a un error muy grande. Tabla 1. 45
50 En la grafica 3 podemos apreciar el comportamiento que existe en el tiempo subestimado y el tiempo sobreestimado con respecto a cada programa con respecto al tiempo real. Grafica 3. Cómo fue mi estimado de predicción con respecto a los intervalos de predicción del 70 % y del 90 %? Como ya habíamos mencionado que a partir de la tarea 7 utilizamos el método A en la hoja de EXCEL Probe el cual solo nos indica el rango del 70 % el cual es de mas/menos 70. Solo en las tareas 4A, 6 A y en la 7 A se logró estar dentro del rango, en las tareas faltantes nos salimos del rango. A partir de la tarea 7 A se introdujeron unas nuevas fases de revisión de las cuales no se tenía considerado el tiempo que tardaríamos en dichas fases. 46
51 Mi productividad es estable? Por qué si ó por qué no? Yo considero que mi productividad no fue estable.la productividad mejoro demasiado, de la tarea 3 a la 6 mi productividad aumento hasta 46.2 Loc s por hora, pero al tener más fases por analizar mi productividad fue variando, en la tarea 7 bajo hasta Loc s por hora en la tarea 8 volvió a subir hasta Loc s por hora, en la nueve bajo y en la diez volvió a subir. Lo antes explicado lo podemos ver en la grafica 4. de una forma más detallada. Grafica 4. Cómo puedo estabilizar mi productividad? Como la productividad es valorada desde la planeación hasta el postmortem, debemos tener un mejor manejo en las plantillas y en las revisiones para así poder realizar un mejor un tiempo de estimación, también hay que tener más practica al hacer el llenado del proceso EXCEL y así lograr tener una productividad estable. Cómo fueron afectados mis estimados de tiempo por la precisión de mis estimados de tamaño? ( Me ayudo la múltiple regresión?) No me afecta tanto la precisión de los estimados de tamaño ya que como mencione antes la productividad es valorada desde la planeación hasta el posmotem y no solo en la 47
52 codificación, en las graficas representamos todo el trabajo realizado en cada programa en Loc s por hora que muchos podrían interpretar que es el tiempo de codificación, si fuese así entonces si afectaría mi estimado de tamaño pero como no lo es, no afecta demasiado. Basado en mi información histórica de la estimación de tiempo, cuál es una meta real de la estimación de tiempos para mi? Una meta, sería lograr que mi predicción de tiempo este dentro de un rango de 60 minutos. Para que en un futuro, al estar laborando con un cliente se le pueda dar un tiempo más exacto para no quedar mal en la fecha de entrega y así lograr que vuelvan a utilizar nuestro servicios. Qué puedo cambiar en el proceso que me ayude a alcanzar las metas? No es un cambio, sino practicar y ambientarse con el proceso, sobretodo en la parte de la planeación en la cual se introdujeron unas plantillas que para mi en lo particular 3 de ellas son difíciles de llenar y les invertí mucho tiempo que no estaba considerado. 48
53 ANÁLISIS DE DEFECTOS Y DEL YIELD Qué tipo de defectos inyecte durante el diseño y codificación? Los errores inyectados en diseño a partir de la tarea 7 fueron del tipo: 20 (Sintaxis), 40 (Asignación),70 (Datos) y 80 (Función), algunos errores incrementaron dado a la falta de información del lenguaje utilizado en la programación. Grafica 5. 49
54 Los errores inyectados en codificación a partir de la tarea 7 son: 20 (Sintaxis), 40 (Asignación),70 (Datos) y 80 (Función), estos errores aumentaron a comparación del R4 dado a la falta de concentración al realizar la codificación, confiando que se iba a hacer una revisión muy detallada antes de la compilación. Grafica 6. 50
55 Cuál fue la tendencia de los errores por KLOC encontrados en las revisiones, compilación y pruebas? Los errores encontrados en la revisión de Diseño fue muy buena, ya que se encontraron los errores que al compilar nos hubiera causado problemas, dado que la mayoría de los errores eran del tipo de asignaciones. Grafica 7. 51
56 Los defectos encontrados en la revisión del código ha sido de mucha ayuda, porque cuando compilamos no se han encontrado errores, eso quiere decir que este método de la revisión del código ha sido perfecto. Grafica 8. 52
57 Gracias a las revisiones podemos apreciar en la grafica 9 que en compilación no se encontraron errores. Grafica 9. En la parte de los defectos encontrados en pruebas fue casi perfecto, salvo por un error que se cometió en la codificación y no lo vimos en la revisión y afectaba los resultados esperados. Grafica
58 En general, la tendencia es positiva ya que nos ayuda a tener una mejor calidad de programas. Cuál es la tendencia evidente en el total de defectos por KLOC? La tendencia de introducir defectos ha bajado mucho comparado de cuando empezamos con este proceso, empezamos con 100defectos/KLOC y hemos llegado hasta 45defectos/KLOC, aunque en algunos programas llego a subir hasta 200defectos/KLOC. Todavía se pueden mejorar esta tendencia conforme a la practica y atención al crear y codificar cada programa. Grafica 11. Cuánto es mi tasa de defectos eliminados (defectos eliminados por hora) comparado con la revisión de diseño, revisión de código, compilación y pruebas? En la grafica 12 observamos que mi tasa de defectos eliminados es buena, conforme avanzamos en el proyecto se fueron eliminando errores; por lo cual la tasa de errores encontrados es de 9.3 en general, esto se puede entender mejor cuando sabemos que dependiendo de la cantidad de Loc son la cantidad de errores encontados. A partir de la tarea 7 lo que es compilación y pruebas están entre el 95 % al 100 % libre de errores. 54
59 Grafica 12. Cuál es la influencia en mis defectos eliminados para las revisiones de diseño, revisiones de código y compilación contra pruebas unitarias? La influencia es muy importante, para así mejorar la calidad de diseño y por lo tanto mejor calidad del programa, se dieron errores que no se habían presentado antes por mejorar la calidad y presentación de resultados mostrados en pantalla de dicho programa, por lo cual al realizar las pruebas no se toma mucho tiempo ya que no hay errores, El único error que tuve después de las revisiones y compilación, fue que un dato introducido en un archivo que se utilizaría para las pruebas estaba invertido, pero los archivos de prueba no se consideraron en las revisiones. 55
60 Cómo son las tasas de revisión (LOC revisadas/hora) para revisión de diseño y codificación? Como podemos ver en la tabla 3 las tasas de Diseño son muy altas, en el caso de tareas 9 disminuye un poco y en la tarea 10 vuelve a subir. En la tasa de Codificación vamos mejorando ya que se están revisando 99 líneas por hora aproximadamente Tabla 2. Hay alguna relación entre el yield y la tasa de revisión para las revisiones de diseño y código? No estoy muy segura, si observamos la grafica 3.9 observamos que dependiendo de la cantidad de Loc s revisadas por hora mejora el rendimiento de los programas, el rendimiento es del 95 % al 100 % en las ultimas tareas. Grafica
61 Ahora si vemos la tabla 4 los datos mostrados no indican ninguna relación. Tabla 3. Hay alguna relación entre el yield y el A/FR para los programas 7A al 10A? Si decimos que existe una relación entre el rendimiento y la tasa de revisiones, entonces también hay una relación entre el rendimiento y el radio A/FR, debido a que se esta tomando en cuenta el tiempo de revisiones ( (Diseño + código)/tiempo total) y el tiempo de compilación y pruebas, aunque uno se compensa con otro, es decir, el tiempo que se invierte en las revisiones es eliminado en compilación y pruebas. En la tabla 5 los datos presentados no nos muestra ninguna relación. Tabla 4. 57
62 ANÁLISIS DE CALIDAD Alcance las metas propuestas en el reporte R4 para la calidad? Porque si ó porque no? Si, aunque no se vea reflejado en los resultados de los errores, se que he mejorado mucho, ya que los errores encontrados, la mayoría no se habían visualizado antes, entonces no se repitieron los mismos siempre, hablando de la calidadse mejoro casi un 100 % ya que a la hora de compilar ya no se tuvieron errores y en pruebas solo uno y no era del programa, sino de los datos metidos en el archivo a leer. Cómo puedo juzgar la calidad de mi producto final en el ciclo de desarrollo? Bueno, ya que se logro la meta de no encontrar errores en codificación y pruebas, conforme a la cantidad de errores introducidos también fueron disminuyendo aun que pueden reducirse más y eso se lograra conforme nos sigamos familiarizando con el lenguaje y aprender a trabajar con distracciones, ya que en un trabajo, siempre habrá alguien que nos distraiga.. Estoy encontrando mis defectos en las revisiones de diseño y codificación? Por qué si ó por qué no? Si, A partir de la tarea 7 fue sorprendente que a la hora de compilar no encontrara un solo error y al hacer las pruebas encontraba los resultados esperados, esto se debe que cuando se hacen las revisiones se hacen de una forma minuciosa y sin interrupciones y también que contamos con una buena guía de chequeo. Qué puedo hacer para que mi proceso sea mas efectivo y mas eficiente? Practicarlo, es decir, ponerlo en practica en la vida diaria. Conforme se va uno familiarizando con el proceso para diferentes acciones lo empieza a manejar de manera inconsciente. Independientemente de que el proceso sea bueno hay que evitar cometer errores, para así tener un mejor rendimiento y calidad de cada actividad que se pone en practica con el proceso. Basado en mi información histórica, cuáles son las metas de calidad para mi? En primera una de mis metas es: no encontrar errores en mi diseño, es decir, especializarme en el diseño hasta el punto que al menos cuando cree el diseño esta más que entendible el programa a realizar y así crearlo sin errores. En segundo lugar me gustaría bajar la cantidad de errores introducidos a la hora de codificar, sobre todo los de sintaxis y no comerme renglones de instrucciones que a su vez se convierte en un error de tipo de datos. El rango seria de 15 Loc/hora. 58
63 En ultimo lugar me gustaría poder codificar más loc s por hora es decir mejorar mi productividad hasta una 75 Loc s por hora como mínimo. En qué debo cambiar mi proceso para que mis metas se cumplan? El proceso es bueno tal cual es, para mi la que fallo fui yo, por lo cual la que debe tener un cambio soy yo. Así como familiarizarme con el lenguaje, practicar más, poner más atención y no tener distracciones a la hora de crear el diseño y de codificar, organizar de una manera más eficiente mis tiempos para la utilización del proceso y por ultimo, tener un mejor manejo en las plantillas utilizadas en el diseño. 59
64 1.7. Criterios de Evaluación Su reporte de proceso debe ser Completo. Legible. En el orden especificado. Sus datos de proceso, incluyendo cálculos de tamaño, deben ser Exactos. Precisos. Auto-consistentes. También, los resultados de prueba, no el código, son evaluados! 60
65 1.8. Sugerencias Recuerde, usted debería terminar esta tarea el día de hoy. Mantenga sus programas lo más sencillos que se pueda. Usted aprenderá igualmente de los programas pequeños que de los grandes. No dude en copiar o ajustar los materiales de PSP. Hágalo bien a la primera. Si no está seguro, resuélvalo. El software no es una actividad solitaria, de tal forma que no tiene porque trabajar aislado. Sin embargo, usted debe producir sus propios estimados, diseño y código. Usted puede hacer que otros revisen su trabajo y usted puede modificarlo por ello. Usted debería anotar en su reporte de proceso cualquier ayuda. Incluya el tiempo de revisión que usted y sus compañeros dediquen y registre los defectos encontrados. 61
66 Capítulo 2 TSP EQUIPO DE PROCESO DE SOFTWARE 62
Nombre de la asignatura: Calidad de Software II Carrera: Lic. en Informática Clave de la asignatura: AWC Horas teoría-horas prácticacréditos:
.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Calidad de Software II Carrera: Lic. en Informática Clave de la asignatura: AWC - 0705 Horas teoría-horas prácticacréditos: 4 2-0 2.-HISTORIA DEL PROGRAMA
Más detallesFase # Propósito Guiar el análisis y la escritura del reporte final de PSP.
Guión de Proceso para el Reporte Final de PSP Instructor: Luis Castro Alumno: Ernesto Pavel Rosales Camacho M: 203323289 Fase # Propósito Guiar el análisis y la escritura del reporte final de PSP. Criterio
Más detallesPSP1 Guión del Proceso
PROCEDIMIENTO PSP1 Antes de empezar el programa, repasar PSP1 para asegurarse de comprenderlo. También asegurarse de tener todas las entradas requeridas antes de comenzar con la fase de planificación Entrada
Más detallesReporte Final 3 de febrero de 2014
Contenido Análisis de la exactitud de la estimación de tamaño... 4 Qué tan frecuentemente estuvo mi tamaño real del programa dentro de mi intervalo estadístico de predicción del 70%?... 4 Tengo una tendencia
Más detallesPSP1.1 Instrucciones del Resumen del Plan del Proyecto
PSP1.1 Instrucciones del Resumen del Plan del Proyecto Propósito Cabecera Resumen Tamaño del Programa (LOC) Tiempo en Fase Para mantener la información Real y estimada del proyecto en un conveniente y
Más detallesTSP Team development. PSP2 Code reviews Design reviews. PSP1.1 Task planning Schedule planning. PSP1 Size estimating Test report
PSP0: Medición Lección 3 Aprendiendo PSP TSP Team development PSP2 Code reviews Design reviews PSP2.1 Design templates Incorpora diseño y Gestión de la calidad PSP1 Size estimating Test report PSP1.1 Task
Más detalles2.1 METODOLOGÍA PARA LA SOLUCIÓN DE PROBLEMAS
2.1 METODOLOGÍA PARA LA SOLUCIÓN DE PROBLEMAS El proceso de resolución de un problema con una computadora conduce a la escritura de un programa y su ejecución en la misma. Aunque el proceso de diseñar
Más detallesProceso Software Personal. Formatos de Trabajo
Proceso Software Personal Formatos de Trabajo Aitor de la Fuente Salán Versión 1.0 abril 2005 Entradas requeridas Guión del proceso PSP La descripción del problema. Tabla Resumen del Plan del Proyecto
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesEstimación con PROBE II
Personal Software Process SM Estimación con PROBE II This material is approved for public release. Distribution is limited by the Software Engineering Institute to attendees. Sponsored by the U.S. Department
Más detallesEstimación de Tamaño de Software: PROBE. Grupo de Construcción de Software Facultad de Ingeniería Universidad de los Andes
Estimación de Tamaño de Software: PROBE Grupo de Construcción de Software Facultad de Ingeniería Universidad de los Andes Por qué medir el tamaño de un programa? Uno de los objetivos primordiales al planear,
Más detallesINFORMATICA TECNICATURA DE NIVEL SUPERIOR ALGUNOS EJERCICIOS DE SELECCIÓN E ITERACION
INFORMATICA TECNICATURA DE NIVEL SUPERIOR ALGUNOS EJERCICIOS DE SELECCIÓN E ITERACION DIIAGRAMAS DE FLUJO Un diagrama de flujo es un dibujo que utiliza símbolos estándar de diagramación de algoritmos para
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesISF-1302 SATCA 1 : Carrera:
1. Datos Generales de la asignatura Nombre de la asignatura: Clave de la asignatura: SATCA 1 : Carrera: Proceso Personal para el Desarrollo de Software. ISF-1302 3-2 - 5 Ingeniería en Sistemas Computacionales
Más detallesLección 5: Estimaciones de tiempo y tamaño
PSP1 Lección 5: Estimaciones de tiempo y tamaño PSP1 Objetivo de PSP1: Estimar tiempo y tamaño inicial Entradas al proceso: Buenos requisitos Datos históricos Para que la estimación de tamaño inicial y
Más detallesPSP 2 última parte. Objetivo de PSP
PSP última parte Conclusiones, utilización de formularios y script. Objetivo de PSP Medir, estimar, planificar, seguir, controlar y mejorar la calidad del proceso de desarrollo. Lograr una disciplina de
Más detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesMEDIDAS DE DISPERSIÓN
MEDIDAS DE DISPERSIÓN Contenido: Población y muestra Amplitud o recorrido Desviación media. desviación estándard y varianza Coeficiente de variación Cálculo de la varianza en una tabla de frecuencias POBLACIÓN
Más detallesObjetivo específico: Maneja los elementos básicos de algoritmos utilizados para resolver un problema por computadora.
Objetivo específico: Maneja los elementos básicos de algoritmos utilizados para resolver un problema por computadora. La palabra algoritmo se deriva de la traducción al latín de la palabra árabe alkhowarizmi,
Más detallesTALLER DE INTRODUCCIÓN A LOS NEGOCIOS
REGRESIÓN LINEAL SIMPLE INTRODUCCIÓN Si sabemos que existe una relación entre una variable denominada dependiente y otras denominadas independientes (como por ejemplo las existentes entre: la experiencia
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesPLANEACIÓN DE LA CALIDAD. Rubby Casallas Departamento de Ingeniería de Sistemas y Computación Universidad de Los Andes
1 PLANEACIÓN DE LA CALIDAD Rubby Casallas Departamento de Ingeniería de Sistemas y Computación Universidad de Los Andes Referencias 2 Software Metrics Normal E. Fenton and Shari Lawrence Pfleeger. Second
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesPostmortem. Referencia. Rubby Casallas Dpto. de Ingeniería de Sistemas y Computación Universidad de los Andes
1 Postmortem Rubby Casallas Dpto. de Ingeniería de Sistemas y Computación Universidad de los Andes 1 Referencia Introduction to the Team Software ProcessSM. Watts Humphrey. Addison Wesley. 2000 Capítulo
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Aplicación de la simulación regenerativa y la técnica bootstrap, para mejorar la calidad del estimador.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMATICAS E.A.P. DE..INVESTIGACIÓN OPERATIVA Aplicación de la simulación regenerativa y la técnica bootstrap, para mejorar la calidad del
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesTecnológico de Estudios Superiores de Coacalco. Instituto Tecnológico Superior de Comalcalco, Fresnillo, Santiago Papasquiaro y Zapopan.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas practicacréditos: Proceso Personal para el Desarrollo de Software Ingeniería en Sistemas Computacionales
Más detallesCapítulo 3. Métricas y la Confiabilidad en la Ingeniería del
Capítulo III 29 Capítulo 3. Métricas y la Confiabilidad en la Ingeniería del Software En este capítulo se definirá el concepto métrica y la relación que lleva este concepto con la confiabilidad en la ingeniería
Más detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
Más detallesINSTITUTO NACIONAL SUPERIOR DEL PROFESORADO TÉCNICO - TÉCNICO SUPERIOR EN INFORMÁTICA APLICADA - PROGRAMACIÓN I
RESOLUCIÓN DE PROBLEMAS Y ALGORITMOS La principal razón para que las personas aprendan lenguajes de programación es utilizar una computadora como una herramienta para la resolución de problemas. Cinco
Más detallesIntroducción a los procesos personales
Introducción a los procesos personales Lección 2 Qué es PSP? PSP acrónimo de Personal Software Proccess Es un proceso de mejora personal que te ayuda a controlar, gestionar y mejorar la forma en la que
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detalles3 Regresión y correlación lineales
3 Regresión y correlación lineales 3.1 Introducción En esta unidad se analizará la relación entre dos o más variables y desarrollamos una ecuación que nos permite estimar una variable con base en otra.
Más detallesRegresión polinomial y factores
Capítulo Regresión polinomial y factores.. Regresión polinomial Si una función media tiene un predictor X pueden usarse sus potencias enteras para aproximar E (Y X). El caso más simple es la regresión
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesLa resolución de problemas es una tarea únicamente humana comprobable en todos los casos con los mismos resultados.
Pseudocódigo Introducción La importancia de sistematizar procesos y crear programas de cómputo radica esencialmente en que estos se puedan utilizar como resolución de problemas similares en muchos casos,
Más detallesPlanificando y haciendo seguimiento de proyectos. TSP Team development. PSP2 Code reviews Design reviews. PSP1.1 Task planning Schedule planning
PSP1.1 Planificando y haciendo seguimiento de proyectos Ubicando la clase de hoy TSP Team development PSP2 Code reviews Design reviews PSP2.1 Design templates Incorpora diseño y Gestión de la calidad PSP1
Más detalles6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES
6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative
Más detallesIntroducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
Más detallesRegresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Más detallesPrácticas de Introducción a los Computadores Curso Hoja Gráficos: Hoja Regresión: ESPESOR 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 ESPESOR COSTES fij
Prácticas de Introducción a los Computadores Curso 2001-2002 1 EXCEL Introducción Excel es una hoja de cálculo. Su objetivo básico es proporcionar un entorno sencillo para generar tablas de números y aplicando
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesIntroducción al Personal Software Process (PSP)
Introducción al Software Process (PSP) El Software Process ayuda a los desarrolladores de software a mejorar su funcionamiento disciplinando la manera en que desarrollan software De acuerdo con las prácticas
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesINVESTIGACIÓN DE MERCADOS
INVESTIGACIÓN DE MERCADOS INVESTIGACIÓN DE MERCADOS 1 Sesión No. 12 Nombre: Preparación y presentación del informe de investigación. Objetivo de la sesión: Al término de la sesión, los estudiantes entenderán
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detallesEJERCICIO PROPUESTO CHI-CUADRADO O BONDAD DE AJUSTE
EJERCICIO PROPUESTO CHI-CUADRADO O BONDAD DE AJUSTE 1. Digamos que 900 estudiantes expresan su voluntad por celebrar el aniversario de la institución organizando uno de dos eventos: una acto solemne en
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesEl diseño de un programa Jhon Jairo Padilla Aguilar, PhD.
El diseño de un programa Jhon Jairo Padilla Aguilar, PhD. Partes básicas de un programa Instrucciones: Indican al computador qué hacer paso a paso Un computador procesa información Convierte entradas en
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesMODELOS DE PROYECCIÓN FINANCIERA Docente: MC. Marcel Ruiz Martínez II. SERIES DE TIEMPO. 2.1.
MODELOS DE PROYECCIÓN FINANCIERA Docente: MC. Marcel Ruiz Martínez http://marcelrzmuvm.webatu.com/bienvenida.htm II. SERIES DE TIEMPO. 2.1. CONCEPTOS Una serie de tiempo es un conjunto de observaciones
Más detallesEn este capítulo se analizan los requerimientos de los niveles 1.1, 2, 2.1 y 3 del
CAPITULO 5. COMENTARIOS NIVELES 1.1-2 - 2.1-3 En este capítulo se analizan los requerimientos de los niveles 1.1, 2, 2.1 y 3 del Proceso Personal de Software y se comenta brevemente el papel que desempeña
Más detallesEstadística. Conceptos de Estadística inferencial
Estadística Conceptos de Estadística inferencial Estadística inferencial Es la rama de la Estadística que, basada en la descriptiva, estudia el comportamiento y propiedades de las muestras, y la posibilidad
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesApellidos:... Nombre:... Examen
Cálculo Numérico I. Grado en Matemáticas. Curso 0/0. 0 de Junio de 0 Apellidos:... Nombre:... Examen. Decidir razonadamente si las siguientes afirmaciones son verdaderas o falsas, buscando un contraejemplo
Más detallesTema: CREACIÓN DE FORMULAS Y FUNCIONES EN MICROSOFT EXCEL 2013.
Empremática, Guía 5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Empremática Tema: CREACIÓN DE FORMULAS Y FUNCIONES EN MICROSOFT EXCEL 2013. Objetivos Identificar los diferentes tipos de fórmulas
Más detallesFORMACIÓN EN BUENAS PRÁCTICAS DE PROGRAMACIÓN CON PERSONAL SOFTWARE PROCESS (PSP)
DIPLOMADO: FORMACIÓN EN BUENAS PRÁCTICAS DE PROGRAMACIÓN CON PERSONAL SOFTWARE PROCESS (PSP) MODALIDAD DE TITULACIÓN MEDIANTE LA OPCIÓN VI : EXAMEN GLOBAL POR ÁREAS DE CONOCIMIENTO INTRODUCCIÓN La Ingeniería
Más detallesErrores e Incertidumbre. Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret
Errores e Incertidumbre Presentación PowerPoint de Ana Lynch, Profesora de Física Unidad Educativa Monte Tabor Nazaret Notación Científica 0 1 2 (1,45 ± 0,05) cm Objetivos: Después de completar este tema,
Más detallesProfesor(a): Ing. Miriam Cerón Brito
Área Académica: Informática Tema: Hoja electrónica Profesor(a): Ing. Miriam Cerón Brito Periodo: Enero Junio 2014 Abstract: This presentation show the spreadsheet's characteristics and show the principals
Más detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesGLOSARIO DE TÉRMINOS
Apéndice A, Apartado 3: Glosario de términos!401" APÉNDICE A, APARTADO 3 GLOSARIO DE S Administración de la calidad Conjunto de actividades de la función general de administración que determina la política
Más detallesMEDICIÓN DE LA DENSIDAD DE UN SÓLIDO
PRÁCTICA DE LABORATORIO I-03 MEDICIÓN DE LA DENSIDAD DE UN SÓLIDO OBJETIVOS Entender cómo funciona un vernier y aprender a usarlo. Combinar las mediciones de volumen y masa para determinar la densidad
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesUniversidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas
Materia: Bioestadística I Universidad de Sonora Unidad Regional Centro División de Ciencias Biológicas y de la Salud Departamento que imparte la materia: Matemáticas Eje de Formación: Básica Carácter:
Más detallesTema II. 1* * *10 0 ó lo que es lo mismo:
Tema II 1. Manejo de números en la computadora Los modernos equipos de cómputo actuales no utilizan el sistema decimal para representar valores numéricos, en su lugar se hace uso del sistema binario, también
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesAsimetría Coeficiente de Asimetría de Fisher
Asimetría Si los valores de la serie de datos presenta la misma forma a izquierda y derecha de un valor central (media aritmética) se dice que es simétrica de lo contrario será asimétrica. Para medir el
Más detallesGUIA DE TALLER: VALORACION DE UN PORTAFOLIO CONFORMADO POR DOS ACTIVOS RIESGOSOS
GUIA DE TALLER: VALORACION DE UN PORTAFOLIO CONFORMADO POR DOS ACTIVOS RIESGOSOS PROPOSITOS: Calcular la rentabilidad y el riesgo para un portafolio conformado con dos acciones. Construir un archivo en
Más detallesTema 3 Medidas de dispersión para datos no agrupados
Tema 3 Medidas de dispersión para datos no agrupados Estas medidas pueden completar la información que aportan las medidas de tendencia, acerca de un grupo de datos. En tal sentido, habrá que considerar
Más detallesLección 3: Orden e intervalos
GUÍA DE MATEMÁTICAS III Lección 3: Orden e intervalos La recta real En la lección anterior presentamos los números reales y vimos que éstos están constituidos por los números racionales y los irracionales.
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
Más detallesOBJETIVOS ESPECÍFICOS
EXPERIENCIA Nº 5 UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA DEPARTAMENTO DE FÍSICA LABORATORIO FIS 110 OSCILACIONES OBJETIVO GENERAL Después de realizar con éxito esta experiencia usted debería ser capaz
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesRECORDAR TIPOS DE DATOS
RECORDAR TIPOS DE DATOS VARIABLES: OBJETO CUYO valor cambia: A510 nombres NOTAS Int A=0; float B=1; CONSTANTES: OBJETO cuyo valor no cambia PI= 3.14159 LAS COMAS NO SE PERMITEN Int PI=3.1415 EXPRESIONES:
Más detallesEVALUACIÓN EN APRENDIZAJE. Eduardo Morales y Jesús González
EVALUACIÓN EN APRENDIZAJE Eduardo Morales y Jesús González Significancia Estadística 2 En estadística, se dice que un resultado es estadísticamente significante, cuando no es posible que se presente por
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS.
TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS. HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estructura de
Más detallesRegresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesIngenieria de Software II Primer Cuatrimestre de 2008
Ingenieria de Software II Primer Cuatrimestre de 2008 The Personal Software Process. Watts Humphrey. Technical Report. CMU/SEI-2000-TR-022. Buenos Aires, 2 de junio de 2008 Hernan Berinsky, Francisco Facioni,
Más detalles