Proponer información específica relacionada con el nivel de predicción en x y la magnitud media del error relativo: un estudio de caso sobre la estimación del esfuerzo del software
Autores: Huynh Thai, Hoc; Silhavy, Petr; Fajkus, Martin; Prokopova, Zdenka; Silhavy, Radek
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Proponer información específica relacionada con el nivel de predicción en x y la magnitud media del error relativo: un estudio de caso sobre la estimación del esfuerzo del software
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Nivel de predicción
Magnitud media del error relativo
Sobre/subestimación
Información adicional
Nivel de dispersión
Estimación del esfuerzo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
El nivel de predicción en x () y la magnitud media del error relativo () se miden en función de la magnitud del error relativo entre los valores reales y predichos. Son métricas estándar que evalúan estimaciones precisas de esfuerzo. Sin embargo, estos valores podrían no revelar la magnitud de sobre-/subestimación. Este estudio tiene como objetivo definir información adicional asociada con el y ayudar a los profesionales a interpretar mejor esos valores. Proponemos las fórmulas asociadas con el y para expresar el nivel de dispersión de los valores predictivos versus los valores reales a la izquierda (), a la derecha () y en la media de las dispersiones (). Representamos el beneficio de las fórmulas con tres conjuntos de datos de puntos de uso. Las fórmulas propuestas podrían contribuir a enriquecer el valor del y en la validación de la estimación del esfuerzo.
Descripción
El nivel de predicción en x () y la magnitud media del error relativo () se miden en función de la magnitud del error relativo entre los valores reales y predichos. Son métricas estándar que evalúan estimaciones precisas de esfuerzo. Sin embargo, estos valores podrían no revelar la magnitud de sobre-/subestimación. Este estudio tiene como objetivo definir información adicional asociada con el y ayudar a los profesionales a interpretar mejor esos valores. Proponemos las fórmulas asociadas con el y para expresar el nivel de dispersión de los valores predictivos versus los valores reales a la izquierda (), a la derecha () y en la media de las dispersiones (). Representamos el beneficio de las fórmulas con tres conjuntos de datos de puntos de uso. Las fórmulas propuestas podrían contribuir a enriquecer el valor del y en la validación de la estimación del esfuerzo.