标签：
特征分析是一种形式最为简单的评估。用来将不同的产品的各种属性分类、分等级，以便于我们选择合适的工具和方法。比如说，我们想买一种设计使用的工具，那么我们首先要列出我们所需要的工具所应该具备的五条属性：友好的用户界面、具备面向对象的功能、拥有一致性验证功能、能够操作用户事例、能够在 UNIX 系统中运行。评估过程通常包括度量，我们搜集信息来辨别独立和相关变量的不同值，并且通过整理这些信息来增加我们对自身的理解。度量可以帮助我们区分典型的环境条件，确定起点与最后目标。
我们可以通过经验的建立系统的精确度的方法来有效化一个预测系统。即，我们在一个给定的环境中比较模型的功能和已知的数据。先声明一个关于该预测的假设，然后审查数据信息看该假设是否成立。在有效化模型的时候，一个合理的精确度与几种因素有关包括执行该评估的人是谁。一个初级的评估者在评估的精确度上要逊于有经验的评估者。我们也可以就一个给定模型考察基于它们建立的确定系统和不确定系统之间的不同。在一个不确定的模型中我们围绕着实际的值提供一个错误窗口，窗口的宽度是可变的。完成软件代价估计、工期时间表估计、可信度估计的预测系统会存在许多错误，我们称之为是不确定的。例如，假如你发现在某一环境条件下，你的组织的可信度预测是精确在 20%的范围内的；即预测下一次错误出现的时间的偏差不会超出实际下一次错误出现的时间的 20%。 我们再用一种可接受范围方式来描述这种窗口：一种在预测与实际值之间的的极限最大的偏差。因此，上例中的 20%就是该模型的可接受范围。在你应用一个预测系统之前，你必须先确定你所要求的可接受的范围有多大。
当我们设计一个实验或是事例研究的时候，模型将被用来代表特别的、比较困难的问题，因为它们的预测结果将直接影响最后的输出结果。这样一来预测便成了目标，于是开发者们则有意无意的努力去满足这个目标。因此，实验评估模型有时候被设计成为双向不可见的实验。在该模型中，直到实验进行的时候才能够知道实验的目标是什么，而在这之前对于参与者这个目标是不可见的。从另一个方面讲，一些像可信度模型之类的模型将不对输出的结果产生影响。也就不会产生这样的问题。最后要指出的是预测系统不必要建得太复杂。
标签：
原文地址：http://www.cnblogs.com/jj352095583/p/4306955.html
