第一次作业(个人作业):阅读教材,提五个问题
这个作业的要求是:https://bbs.csdn.net/topics/608340750
问题一:P69 goto的使用
为了函数的单一的出口,可以使用goto语句。但是在很多资料上都表示不建议使用goto语句。
我查阅了资料:关于在高级语言中不建议使用goto语句的看法
goto语句会使代码看起来很乱,应该尽量少使用。
问题二:P160 需求分析做过头了会怎样?
书上介绍了很多方法能够获得用户的需求。但是类似于google公司的两种蓝色的问题要怎么解决。
查阅资料:我们应当怎样做需求分析
根据能查到的资料,都在教我们怎样做一个更完善更细的需求分析,甚至一些用户自己没有想到的需求。但是没有有关类似于google公司这样的例子该怎么解决?
问题三:P304-309 如何评估以及保障软件的质量
如何衡量软件设计的质量
如何评估软件的质量
可以从一些特点对软件进行分析,例如兼容性、可读性、可复用性、可扩展性、可维护性等。为保证软件质量,应该对软件进行独立的测试与判断,不完全依靠测试人员,在开始时明确软件编写分工,提高效率的同时可以提高质量。在测试时应提高测试用例的质量。
如何在保证质量的同时,提高速度并削减成本?
问题四:P112 每日例会怎样开展才能有效果?
查阅资料循序渐进的敏捷-每日例会后明白要确保每日例会所有人都要参加,以及了解同事的工作进度,例会发言要清晰,避免使用不确定性词语和合理分配工作。
问题五:P274 灰箱测试
书中在介绍完黑箱和白箱测试之后,提到了灰箱测试的方法,但是没有过多的阐述,那么灰箱测试是什么呢?相较于黑箱测试和白箱测试有什么优缺点呢?
查阅了软件测试的方法有哪些之后了解到
灰箱测试:利用被测对象的整体特性信息,采用黑箱测试方法;利用被测对象的内部具体实现信息,采用白箱测试方法;介于白箱和黑箱测试之间的测试方法测试方法称之为灰箱测试。
优点:
能够进行基于需求的覆盖测试和基于程序路径覆盖的测试。
测试结果可以对应到程序内部路径,便于 bug 的定位、分析、解决。
能够保证设计的黑箱测试用例的完整性,防止遗漏软件的一些不常用的功能或功能组合。
能够避免需求或设计不详细或不完整对测试造成的影响。
缺点:
投入的时间比黑箱测试大概多 20%-40%。
对测试人员的需求比黑箱测试高。
灰箱测试要求测试人员清楚内部系统结构由哪些模块组合,模块之间如何协作。
不如白箱测试深入。
不适用于简单系统。
相关推荐
熊数据集集2983张VOC+YOLO格式.zip
数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:2983 Annotations文件夹中xml文件总计:2983 labels文件夹中txt文件总计:2983 标签种类数:1 标签名称:["bear"] 每个标签的框数(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准): bear 框数 = 3021 总框数:3021 图片清晰度(分辨率:像素):清晰 图片是否增强:否 标签形状:矩形框,用于目标检测识别 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注
vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip
vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip
43一个强到且很实用的Linux网络管理工具.docx
43一个强到且很实用的Linux网络管理工具
【计量经济学】基于Oster无工具变量法的内生性处理:遗漏变量偏差敏感性分析与稳健因果效应界估算
内容概要:本文介绍了基于Oster(2019)提出的无工具变量法处理内生性问题的实现方法,核心是通过系数稳定性与拟合优度变化进行敏感性分析,量化遗漏变量偏差的影响,并估计在控制不可观测变量后的稳健因果效应β(beta tilde)。该方法利用两步回归(有无控制变量)之间的系数和R²变化,结合不可观测选择强度参数δ与最大潜在R²(Rmax),外推可能的因果效应边界,从而判断基准结果是否对遗漏变量稳健。文中提供了Stata(psacalc)、R(ooster包)和Python三种主流语言的具体实现代码与操作示例,强调结果依赖于参数设定,需进行敏感性扫描以增强说服力。 适合人群:经济学、管理学、社会学、公共卫生、教育等领域的实证研究者,尤其是正在撰写论文、面临审稿人关于内生性质疑的研究生与青年学者。 使用场景及目标:①在缺乏有效工具变量时,评估OLS回归结果对遗漏变量的敏感性;②生成稳健因果效应的点估计与置信区间,回应审稿人对内生性问题的质疑;③通过δ与Rmax的多值扫描,可视化展示结论稳健性。 阅读建议:此方法属于敏感性分析而非因果识别工具,应与IV、DID、固定效应等方法结合使用;使用者需确保两步回归样本一致,并替换示例中的变量名为实际数据变量,同时务必对关键参数开展敏感性测试,避免过度解读单一结果。
园区管理者如何通过数据分析精准培育创新主体?.docx
园区管理者如何通过数据分析精准培育创新主体?


