测试女巫—找到高效工作流程篇

lsekfe

　摘要：将统计学_6 sigma应用到[url=]测试[/url]技术中，需要使用的6 sigma工具如下：鱼骨图，Xbar Chart，One Way ANOVA，Two Way ANOVA
　　一、前言
　　测试女巫又来啦，大家还记的吗？上次我们主要以找到bug产生的原因为例介绍DOE，柏拉图，主效应，交互作用，相关性这些方法，并着重介绍如何将这些方法应用到我们软件测试中。
　　那这次我们介绍什么呢？回想一下对于我们软件测试来说，从项目经理，软件开发主管那里听到抱怨最多的事情是什么？项目经理：测试时间太多了，会delay我们项目的schedule！软件主管：严重的bug能不能早点发现啊？到项目后期发现严重bug，让我怎么解？！哦，想想就觉得头疼：这两位大哥啊，你们不觉得你们的需求是矛盾的吗？不给我足够的测试时间，我怎么能把bug尽早的发现出来呢？每一轮的测试还没有进行全面深入的测试，新的测试需求又进来了，这些状况难道你们都看不到吗？
　　OK，没关系，淡定~~~，姐早已经不是只会撇着嘴委屈哭泣的职场小白兔，相信办法总比困难多！对了，多年的测试，让我积累了不同项目的大量数据，现在也有了女巫的魔法棒和水晶球（具体魔法棒和水晶球的介绍请参考34期的杂志），嗯！这次双剑合璧，让工作经验和6 sigma工具联手，来尝试解决这个又棘手又矛盾的问题！各位看客，有没觉得热血沸腾？有没觉得多学一些工具真的是件很开心和幸福的事？有没觉得工作中那些看似不合理的要求，其实都是促使我们进步的机会？好吧，闲话不多说，我们开始这次兴奋之旅吧！
　　这次我们主要用到的工具为：鱼骨图，Xbar Chart，One Way ANOVA，Two Way ANOVA。在第三十四期的杂志中已经介绍了柏拉图，主效应图，交互作用图的原理和用法，此份文档中也会用到这些工具，因为之前已经介绍过了，这里就不再赘述。
   　　3.正态分布

　　又称为高斯分布，有时也称为常态分布，是连续随机变量概率分布的一种，自然界，人类科学，心理和教育中的大量现象，可以通过记录数据来表现其特征，通过研究，这些数据大部分都是符合正态分布的。例如能力高低，学生成绩的好坏等。
　　我们后续研究的ANOVA分析方法，首先需要确认所研究的数据符合正态分布。
　　4.变异数分析ANOVA
　　1)基本概念
　　我们进行统计分析的目的是希望知道一组数值的"变异原因"，对于数值的变化一般分成两部分：随机变异和某些因素导致的变异。
　　即：总变异=随机变异+某些因素导致的变异，将此理念引申到统计学中，即为：总变异=组内变异+组间变异。
　　组内变异是此组数据由于分布状况导致资料内部的变异，不同的资料分布状况是不一样的，所以此变异是随机的。
　　组间变异是由于某些因素导致的变异，这个变异才是我们希望深入研究的。
　　如组间变异远远大于组内变异，说明此因素是影响此组数值发生变化的原因。如果两者相差无几，则说明此因素对此组数值没有影响。
　　2)ANOVA方法分析步骤
　　a. 先做出虚无假设
　　即我们所研究的数值在不同的因子的条件下，并没有差异。
　　b. 判断所研究的数值是否符合正态分布
　　因为使用ANOVA分析的前提条件，必须是符合正态分布，否则此
　　组数值是无法使用此分析方法进行分析。
　　c. 给定如果接受虚无假设，可以承担的风险是多少
　　此数值一般是一个固定值，一般为a=0.05
　　d. 开始使用工具进行ANOVA检定分析
　　f. 分析完毕后，会有一个残值出现
　　需要对此残值进行分析，如果P- value值小于0.05，说明虚无假设不成立，即此因子是造成此组数值变异的显著因子。
　　三、6 Sigma常用工具介绍
　　1.鱼骨图
　　我们主要使用的是"原因型鱼骨图"，使用方法如下
　　1)进入Minitab→统计(Stat)→品质工具(Quality Tools)→鱼骨图(Cause-and-Effect)，如【图1】

Miss_love

除了鱼骨图 其他都没接触过