@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"
}