|
|
| Строка 43: |
Строка 43: |
| | --> | | --> |
| | | | |
| | + | == Презентация== |
| | + | <html><div style="width:595px" id="__ss_7462530"> <strong style="display:block;margin:12px 0 4px"><a href="http://www.slideshare.net/biBIGine/puasson-burning" title="Puasson burning" target="_blank">Puasson burning</a></strong> <iframe src="http://www.slideshare.net/slideshow/embed_code/7462530?rel=0" width="595" height="497" frameborder="0" marginwidth="0" marginheight="0" scrolling="no"></iframe> <div style="padding:5px 0 12px"> View more <a href="http://www.slideshare.net/" target="_blank">presentations</a> from <a href="http://www.slideshare.net/biBIGine" target="_blank">Andrey Bibichev</a> </div> </div> </html> |
| | == Примечания и отзывы == | | == Примечания и отзывы == |
| | * [http://2011.agiledays.ru/reports/view/61/ страничка доклада на сайте конференции] | | * [http://2011.agiledays.ru/reports/view/61/ страничка доклада на сайте конференции] |
Версия 12:09, 7 августа 2011
Аннотация
- Докладчик
- Андрей Бибичев
Когда мы говорим о какой-либо неопределенности, то чаще всего представляем гауссовское распределение:
- Какова трудоемкость этой задачи?
- Столько-то плюс/минус столько-то.
- А распределение?
- Гауссовское, конечно же!
Этот посыл можно встретить во многих хороших и в остальных аспектах замечательных работах на тему планирования и прогнозирования сроков.
Но он в корне неверен!
В докладе даются причины, по которым гауссовское распределение не подходит, и рассматривается распределение вероятности, значительно лучше подходящее для оценки трудоемкости и сроков. На основе этой несложной математики можно сделать простые, но весьма полезные в практическом плане выводы:
- почему разница между наиболее вероятным и гарантированным значениями примерно в 2-3 раза (сравните со своими эмпирическими коэффициентами и фокус-факторами!);
- почему чудес не бывает и в подавляющем большинстве случаев опаздываем со сроками, а не опережаем их (ведь гаусс нам сулит одинаковую вероятность как опоздать, так и сделать быстрее);
- какое отношение планирование имеет к теории массового обслуживания.
В докладе содержится чуть-чуть математики, которая не должна успеть сильно наскучить за 10 минут.
Видео
Для этого доклада нужен подкаст (аудиозапись)?
Презентация
Примечания и отзывы
У Андрея Бибичева был самый удачный доклад, про броуновское движение программистов в однородном поле силы заказчика и вытекающие из этого погрешности оценок планирования (оптимист ошибется почти наверняка, реалист — с вероятностью около 70 %).
Блиц-доклады были не особо интересные, по большей части являлись рекламой agile, зачастую с сомнительной аргументаций, за исключением веселого доклада Андрея Бибичева, который рассказал нам о том, почему же проекты не укладываются в сроки и зачем умножать первоначальную оценку на 3.
- Пуассоновое горение сроков (Андрей Бибичев, AgileDays-2011)
При оценках сроков закладываемся в 2-3 раза. Почему это правильно? Мы оцениваем наиболее вероятный срок, но, естественно, можем ошибаться. Интересный вопрос — как распределена вероятность сроков с учетом ошибки. Вовсе не по нормальному закону.
Если распределение нормальное, то девиация примерно как оценка. Значит с вероятностью 16 % мы это уже сделали и должны денег. А это не так, сроки обычно оказываются больше. Значит, распределение другое.
- Модель первая
- поток случайных задержек, сроки отодвигаются из-за него. Пуссоновское распределение.
- Модель 2
- броуновское движение. Нас бомбардируют отклонения от пути. Дрожание. Общая траектория становится длиннее. логнормальное распределение (логарифм распределен нормально).
- Модель 3
- PERT. Бета-распределение. Правда докладчику непонятно почему, но он читал работы. А кривая похожая получается.
Общее — кривая не симметрична. Меньше — почти не бывает. А больше — большая область. И из-за не симметрии вероятность успеть до максимума оценки всего 10-15 %. Так что правильно оценивать — X плюс X или 2X. И еще останется 5 % что не прав. А 5 % — это не так мало, каждый двадцатый. Посчитайте, при недельной итерации — как оно.
