第一章 概论 1
1.1 软件可靠性研究的意义和基本概念 3
1.2 软件可靠性模型的作用及意义 7
1.3 软件可靠性模型发展简述 9
第二章 软件开发与软件可靠性 12
2.1 软件的开发过程 12
2.2 软件中的错误及其分类 13
2.3 软件中的一些重要测度 26
2.4 软件可靠性的特点及其与硬件可靠性的区别 29
2.5 软件可靠性数据的收集方法 31
第三章 可靠性分析的数学基础 35
3.1 随机变量及其分布 35
3.1.1 常用离散型分布 35
3.1.2 常用连续型分布 37
3.2 常用随机过程简介 41
3.3 常用参数估计方法 43
3.3.1 最大似然法 43
3.3.2 最小二乘法 44
3.3.3 贝叶斯估计 44
3.3.4 置信区间与置信水平 45
4.1 模型的特点 46
第四章 软件可靠性模型概述 46
4.2 模型的分类 48
4.3 模型的假设与局限性 52
4.4 Musa的执行时间概念 55
第五章 随机过程类模型及应用 57
5.1 马尔可夫过程模型 57
5.1.1 JM模型介绍 57
5.1.2 模型的推广 59
5.1.3 应用实例 63
5.2 非齐次泊松过程(NHPP)模型 65
5.2.1 G-O模型介绍 66
5.2.2 G-O模型的推广 68
5.2.3 其它的NHPP模型 70
5.2.4 应用实例 77
5.2.5 应用EM算法于NHPP模型的参数调整 80
5.2.6 NHPP模型拟合质量的改进 86
5.2.7 三参数NHPP模型的参数估计过程的奇异性 89
5.3 Musa模型 93
5.3.1 模型介绍 94
5.3.2 模型的推广 104
5.3.3 实例 109
5.4 超几何分布模型及参数估计 119
第六章 非随机过程类模型 124
6.1.1 Littlewood-Verrall模型 129
6.1 运用贝叶斯估计的贝叶斯模型 129
6.1.2 贝叶斯理论立用于JM模型 132
6.1.3 关于贝叶斯估计的评价 137
6.2 Seeding模型 138
6.3 基于输入域的模型 139
6.4 其它一些方法 144
6.4.1 非参数分析 144
6.4.2 结构化模型 149
6.4.3 Cox比例风险函数模型 150
6.4.4 时间序列 151
7.1 比较的标准 154
第七章 模型的比较与选择 154
7.1.1 预删的有效性 155
7.1.2 模型的能力 156
7.1.3 模型假设的质量 156
7.1.4 可应用性 156
7.1.5 简捷性 157
7.2 测试策略与模型的选择 157
7.2.1 一种理想化的实际情况 158
7.2.2 完全随机的测试策略 159
7.2.3 混合测试策略 160
7.2.4 非均匀测试 160
7.3.1 预分析技术 161
7.3 比较技术 161
7.3.2 U-图 162
7.3.3 Y-图 163
7.3.4 PL检验 163
7.3.5 模型的适应 164
第八章 软件规划管理与可靠性 166
8.1 软件规划的经济效益 166
8.2 软件测试终止时间与最佳投放时间 168
8.2.1 可靠性指标 169
8.2.2 成本指标 172
8.2.3 综合考虑 174
8.3 根据软件的模块结构判定最佳投放时间 180
8.4 根据软件运行期间查错情形判定最佳投放时间 184
8.5 根据测试与排错判定最佳投放时间 188
第九章 现状与发展 195
9.1 软件可靠性研究的现状 195
9.2 软件可靠性的分配技术 198
9.3 X-件(软件与硬件的结合体)的可靠性分析 207
9.4 恢复块结构技术 219
9.5 对测试过程的直接建模 225
9.6 测试中观察不到故障时的故障概率的估计 228
9.7 神经网络在软件可靠性研究中的应用 232
参考文献 243
名词索引 253