小概率事件实际不可能原理在软件量化管理中的应用

1 小概率事件实际不可能原理的含义

小概率事件实际不可能原理，即：

(1)小概率事件在理论上有发生的可能，但是在某次实际的实验中实际是不可能发生的，一旦真发生了，一定有其特殊的原因。

(2)如果我们重复无限次的实验，则小概率事件一定会发生。

在概率论中,我们将发生概率很小(通常不超过5%)的事件称作小概率事件。人们对待小概率事件有两种截然相反的态度：

2 识别小概率事件的方法 

（1）箱线图法：处于内围之外的点即为异常点;

（2）控制图法：处于控制限之外的点即为异常点;

（3）置信区间法：处于置信区间之外的点即为异常点；

（4）预测区间法：在采用回归方程预测时，处于预测区间之外的点即为异常点；

（5）蒙特卡洛模拟：模拟结果中处于概率分布两端小概率区域的点即为异常点；

在我们建立过程性能基线时，我们可以采用前面三种方法，在建立过程性能模型时我们可以采用后两种方法。

 

3 理论应用

在统计学上，我们通常采用小概率事件进行假设检验。设S是必然事件，A是S的子事件，则A∪A~=S，这里A~是A的逆事件。如果A是小概率事件，则A的逆事件A~发生的概率很大，在一次试验中（注意，只试验一次！），我们认为发生的应该是A~而不是A。只有在把S分成两个互逆事件的条件下，才可以使用小概率原理，把S分成三个或三个以上的互斥事件，是不可以使用小概率原理的。

进行假设检验的基本步骤为：提出假设、根据一次试验的结果进行计算、按照一定的概率标准判断假设是否成立。若其中有不合理现象出现，也就说明小概率事件发生了,则拒绝假设；若未导致不合理现象出现，即小概率事件未发生,则不拒绝假设。

 

4 实际应用

（1）项目初期预测：如果项目目标的达成是小概率事件，则目标是不可能达成的，则一定要修改目标值。

（2）项目中后期控制：如果过程执行的实际结果是小概率事件，则一定存在某种很特殊的原因导致过程发生了异常波动，则需要执行原因分析，找到异常原因，采取预防措施，规避异常原因的再次发生。

可以参考前面提到5种方法识别小概率事件。