Нелінійна регресійна модель для оцінювання розміру програмного забезпечення інформаційних систем на базі VB

Abstract

Нелінійна регресійна модель для оцінювання розміру програмного забезпечення інформаційних VB-систем побудована на основі нормалізації чотиривимірного негаусового набору даних (фактичний розмір програми в тисячах рядків коду, загальна кількість класів, загальна кількість зв'язків і середня кількість атрибутів на клас в концептуальній моделі даних з 32 систем) за допомогою багатовимірного перетворення Джонсона для сімейства SB. Виконано порівняння побудованої моделі з лінійною регресійної моделлю і нелінійними регресійними моделями на основі десяткового логарифму і одновимірного перетворення Джонсона. Модель, що побудована, в порівнянні з іншими регресійними моделями (як лінійними, так і нелінійними), має більший множинний коефіцієнт детермінації, менше значення середньої величини відносної похибки та менші ширини довірчого інтервалу і інтервалу передбачення нелінійної регресії.

Нелинейная регрессионная модель для оценки размера программного обеспечения информационных VB-систем построена на основе нормализации четырехмерного негауссовского набора данных (фактический размер программы в тысячах строк кода, общее количество классов, общее количество связей и среднее количество атрибутов на класс в концептуальной модели данных из 32 систем) с помощью многомерного преобразования Джонсона для семейства SB. Выполнено сравнение построенной модели с линейной регрессионной моделью и нелинейными регрессионными моделями на основе десятичного логарифма и одномерного преобразования Джонсона. Построенная модель, по сравнению с другими регрессионными моделями (как линейными, так и нелинейными), имеет больший множественный коэффициент детерминации, меньшее значение средней величины относительной ошибки и меньшие ширины доверительного интервала и интервала предсказания нелинейной регрессии.

The non-linear regression model to estimate the software size of VB-based information systems is constructed on the basis of normalization of the four-dimensional non-Gaussian data set (actual software size in the thousand lines of code, the total number of classes, the total number of relationships and the average number of attributes per class in conceptual data model from 32 systems) by the Johnson multivariate transformation for SB family. Comparison of the constructed model with the linear regression model and non-linear regression models based on the decimal logarithm and the Johnson univariate transformation is performed. Thе constructed model, in comparison with other regression models (both linear and non-linear), has a larger multiple coefficient of determination, a smaller value of the mean magnitude of relative error and smaller widths of the confidence and prediction intervals of non-linear regression.