@PhDThesis{Tronto:2007:MeBaMo,
author = "Tronto, Iris Fabiana de Barcelos",
title = "Uma metodologia baseada em modelos estat{\'{\i}}sticos e redes
neurais para a estimativa de esfor{\c{c}}o de desenvolvimento de
software",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2007",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2007-09-05",
keywords = "estimativa de esfor{\c{c}}o de software, redes neurais
artificais, an{\'a}lise de regress{\~a}o, an{\'a}lise de
vari{\^a}ncia, an{\'a}lise de res{\'{\i}}duos, software effort
estimation, artificial neural networks, regression analysis,
analysis of variance, analysis of residuals.",
abstract = "Estimativa de esfor{\c{c}}o de software {\'e} uma parte
importante do desenvolvimento de software e fornece um guia
essencial para a an{\'a}lise de viabilidade,
licita{\c{c}}{\~a}o, or{\c{c}}amento, planejamento e
acompanhamento de projeto. As consequ{\^e}ncias de estimativas
imprecisas podem resultar em perdas significativas ou mesmo em
perda de contratos. Em geral as estimativas de projetos s{\~a}o
excedidas, principalmente porque as estimativas s{\~a}o muito
otimistas. Nesta tese, o principal objetivo {\'e} apresentar uma
metodologia baseada em m{\'e}todos estat{\'{\i}}sticos e de
redes neurais para realizar estimativas de esfor{\c{c}}o mais
precisas e de forma mais simples. Esta pesquisa contribui para a
redu{\c{c}}{\~a}o de erros de estimativa de projeto de
desenvolvimento de software, permitindo que o p{\'u}blico
interessado tenha um melhor entendimento das v{\'a}rias classes
de modelos e t{\'e}cnicas de estimativa de esfor{\c{c}}o de
software e da expressividade das vari{\'a}veis de projeto
dispon{\'{\i}}veis. S{\~a}o utilizadas redes neurais
artificiais, t{\'e}cnicas de racioc{\'{\i}}nio baseado em
casos, modelos baseados em regress{\~a}o, e t{\'e}cnicas para
integrar an{\'a}lise de res{\'{\i}}duos, an{\'a}lise de
vari{\^a}ncia e modelos baseados em regress{\~a}o. V{\'a}rios
estudos de casos foram conduzidos para validar os diferentes
m{\'e}todos. Os resultados indicam que os m{\'e}todos propostos
apresentam resultados realistas, para os dados das empresas
dispon{\'{\i}}veis na base de dados, e que o uso de redes
neurais implica em um processo simples de calibra{\c{c}}{\~a}o
de modelos locais. Entretanto, observa-se que as t{\'e}cnicas
s{\~a}o dependentes dos dados dispon{\'{\i}}veis, exigindo a
re-calibra{\c{c}}{\~a}o dos modelos em fun{\c{c}}{\~a}o do
surgimento de novas tecnologias para o desenvolvimento de
software. ABSTRACT: Software effort estimation is an important
part of software development work and provides essential input to
project feasibility analyses, bidding, budgeting and planning. The
consequences of inaccurate estimates can be severe. Optimistic
estimates may cause significant losses while the pessimistic
estimates may lead to loss of exiting and future contracts.
Unfortunately, it is common for software development projects to
overrun their effort estimates, typically because the estimates
are too optimistic. This thesis presents a methodology based on
statistical and neural networks methods to provide more accurate
effort estimates in a simpler way. The goal of this research is to
contribute to reduce estimation error in software development
projects by better understanding the different software effort
estimation models and techniques that include: artificial neural
networks, case-based reasoning techniques, regression-based
models, and techniques for integrating analysis of residuals,
analysis of variance and regression-based models. Several case
studies have been conducted. The results show all the proposed
models lead to realistic estimations, however, neural networks
based models emerge as a very easy tool for local models
calibration processes due to its simpler implementation. The case
studies show all the models are sensitive to the available data,
thus requiring recalibration processes every since new project
data area gathered to the database.",
committee = "Carvalho, Solon Ven{\^a}ncio de (presidente) and Silva, Jos{\'e}
Demisio Sim{\~o}es da (orientador) and Sant'Anna, Nilson
(orientador) and Olivo, Acioli Antonio de and Castro, Jaelson
Freire Brelaz de and Fabbri, Sandra Camargo Pinto Ferraz",
copyholder = "SID/SCD",
englishtitle = "A methodology based on statistics models and neural networks to
the software project devolopment effort estimation",
language = "pt",
pages = "161",
ibi = "6qtX3pFwXQZGivnK2Y/Sq253",
url = "http://urlib.net/ibi/6qtX3pFwXQZGivnK2Y/Sq253",
targetfile = "paginadeacesso.html",
urlaccessdate = "05 maio 2024"
}