Wie kann die logistische Regression die Softwarezuverlässigkeit verbessern? Diese Arbeit untersucht die Verwendung der logistischen Regression bei der Klassifizierung von Softwaremodulen als fehleranfällig oder nicht, wodurch Entwicklungsprozesse so gesteuert werden, dass Ressourcen auf die Teile konzentriert werden, die am wahrscheinlichsten Fehler aufweisen. Ein wichtiger Beitrag ist die Anwendung von A-priori-Wahrscheinlichkeiten und Fehlklassifizierungskosten auf eine auf logistischer Regression basierende Klassifikationsregel für ein Softwarequalitätsmodell. Dieser Ansatz bietet Vorteile gegenüber anderen Klassifizierungstechniken, wie z. B. interpretierbare Koeffizienten. Die Arbeit stellt eine integrierte Methode zur Verwendung der logistischen Regression in der Softwarequalitätsmodellierung vor und veranschaulicht die Interpretation von Koeffizienten und die Verwendung von A-priori-Wahrscheinlichkeiten und Kosten von Fehlklassifizierungen. Eine Fallstudie eines wichtigen Subsystems in einem militärischen Echtzeitsystem demonstriert diese Techniken und bietet praktische Einblicke in die Verbesserung der Softwarequalität durch gezielte Analyse und Ressourcenzuweisung.
Diese Arbeit steht im Einklang mit dem International Journal of Reliability, Quality and Safety Engineering, da sie sich direkt mit Methoden zur Verbesserung der Softwarequalität und -zuverlässigkeit befasst. Die Anwendung der logistischen Regression in der Softwaremodellierung erweitert die Berichterstattung des Journals über Techniken zur Gewährleistung von Robustheit und Sicherheit in technischen Systemen. Die Fallstudie bietet praktische Einblicke, die für die Leserschaft des Journals relevant sind.