28、基于非齐次泊松过程的软件可靠性评估贝叶斯推理工具

基于非齐次泊松过程的软件可靠性评估贝叶斯推理工具

1. 引言

软件可靠性是软件质量的重要属性之一。在过去的四十年里，许多软件可靠性模型（SRMs）被提出，其中基于非齐次泊松过程（NHPPs）的SRMs在描述软件随时间的故障行为方面非常受欢迎。

可靠性评估通常包括三个阶段：
1. 数据收集 ：观察和收集目标软件开发项目的软件度量，如设计度量（代码行数、分支数、代码复杂度等）和测试度量（测试工作量、软件评审次数、软件故障次数等）。若要定量估计软件可靠性，需要软件故障数据。
2. 模型拟合与评估 ：将观察到的故障数据用于模型参数的统计估计和模型选择。
3. 模型应用 ：使用选定的模型估计软件可靠性函数、剩余软件故障数等可靠性指标。

本文主要关注使用基于NHPP的SRMs进行可靠性评估的第二和第三阶段，即统计参数估计、模型选择标准和定量可靠性度量的计算。

传统上，基于NHPP的SRMs参数的点估计常使用最大似然（ML）估计。但由于软件测试中观察到的故障数量有限，ML估计存在较大的估计误差风险，难以准确计算软件可靠性指标。

贝叶斯统计是一种估计软件可靠性的方法，它需要关于模型参数的先验知识，通过观察数据的似然更新先验信息，生成后验分布。然而，后验分布通常难以计算，除少数情况外，无法得到封闭形式的解，因此需要近似或数值方法。

马尔可夫链蒙特卡罗（MCMC）是一种评估后验分布的通用方法，但不同类型的SRMs需要不同的具体采样算法。本文提出了一种基于Metropolis-Hasting（MH）方