Kolmogorov-Smirnov检验在缺陷定位中的应用

本文介绍了一种基于Kolmogorov-Smirnov检验的缺陷定位方法，针对现有的软件测试中存在的一些问题进行优化。传统的缺陷定位技术通常依赖于中心极限定理和参数假设检验，但这种方法在处理小样本或非正态分布的数据集时可能失效。研究发现，当测试用例数量不足时，中心极限定理不再适用，同时，程序谓词的实际分布往往并不符合正态分布的假设。 Kolmogorov-Smirnov检验是一种非参数检验方法，它不依赖于特定的概率分布假设，而是比较两个样本分布的累积分布函数（CDF）的差异。在缺陷定位中，该方法可以用来比较成功运行和失败运行的谓词评估结果的分布，从而有效地定位问题所在。通过在西门子测试集和大型程序上的实验，该方法表现出了对小样本和非正态分布样本集的良好适应性。 传统方法在谓词未执行的情况下，将评估偏差值设为0.5，但这一设定的有效性并未得到充分验证。对此，研究者在西门子程序集上进行了专门的调查，结果显示，基于Kolmogorov-Smirnov检验的方法可能提供更准确的评估。 该研究提出的Kolmogorov-Smirnov检验的缺陷定位方法具有以下几个关键点： 1. **非参数检验**: 采用Kolmogorov-Smirnov检验，避免了对数据分布的严格假设，使得在非正态分布的样本集上也能进行有效的缺陷定位。 2. **适应小样本**: 对于测试用例数量有限的情况，该方法依然能提供可靠的结果，解决了中心极限定理在小样本时的局限性。 3. **谓词评估偏差处理**: 重新考虑谓词未执行时的评估偏差值，提高缺陷定位的准确性。 4. **实验验证**: 在实际的软件测试环境中，如西门子测试集和大型程序，进行了验证，证明了新方法的有效性和实用性。 这种缺陷定位技术对于减少软件调试时间，提高软件开发效率和质量具有重要意义。通过改进现有统计方法，该方法有望成为软件开发和维护过程中的有力工具。