Softwarezuverlässigkeitsmodelle (SRMs), die auf einem nicht-homogenen Poisson-Prozess (NHPP) basieren, werden häufig verwendet, um den Prozess der Identifizierung und Beseitigung von Fehlern während der Softwaretests darzustellen. Viele traditionelle, auf NHPP basierende SRMs arbeiten jedoch unter zwei einschränkenden Annahmen: Unabhängigkeit unter Softwarefehlern und exponentiell abnehmende Fehlererkennung. Um diese Einschränkungen zu überwinden, wird in diesem Papier ein neuartiges auf NHPP basierendes SRM vorgestellt, das einen expliziten abhängigen Fehlermustermechanismus und eine Fehlererkennungsrate integriert, die aus der Pareto-Typ-II-Verteilung abgeleitet wird. Die Fehlererkennungsrate basiert auf der Hazard-Funktion der Pareto-Typ-II-Verteilung, was zu einer hyperbolischen, abnehmenden Erkennungsstruktur führt, die durch einen langen Schwanz gekennzeichnet ist und die schrittweise Abnahme der Testeffektivität im Laufe der Zeit genauer widerspiegelt. Innerhalb des vorgeschlagenen Rahmens leiten wir analytische Ausdrücke für die Mittelwertfunktion ab und schätzen die Modellparameter unter Verwendung der kleinsten Quadrate. Die Leistung des vorgeschlagenen Modells wird anhand echter Datensätze zu Softwarefehlern bewertet und mit mehreren bestehenden, auf NHPP basierenden SRMs verglichen.
Chang et al. (Tue,) untersuchten diese Frage.