Çoğu insan, halihazırda yazılım geliştirdikleri veya bakımını yaptıkları ortamda çalışacak bir araç arar, ancak tek olasılık bu değildir.

Birçok araç, aracın bir ortamda çalıştığı ve test edilen sistemin başka bir ortamda olduğu bir ‘ana bilgisayar-hedef’ oluşumunda çalışabilir. Donanım ve yazılım için kuruluşunuzun gelecekteki yönünü göz önünde bulundurun ve test araçlarını yalnızca şu anda sahip olduğunuz şeyler için değil, uzun vadeli planlayın.

Araç, test edilen sistemle aynı platformda bulunuyorsa, avantajları şunlardır:

• hiçbir ek donanıma ihtiyaç duyulmayacaktır (ancak bu, birlikte ikamet ettiğinizde bile her zaman böyle değildir);
• uygulamalarınızla entegrasyon daha kolay ve daha iyi olacaktır (örn. testlerle senkronizasyon).
Araç ayrı bir platformda veya ortamda bulunuyorsa avantajlar şunlardır:
• araya girmez ve test edilen sistemin performansını etkilemez;
• testler, uygulama ortamından bağımsızdır;
• sistem kaynaklarını (disk alanı, CPU zamanı) kullanmaz.

Ticari Tedarikçi Kısıtlamaları

Aleti satın aldığınız firma ileride sizin için önemli bir faktör olabilir. Araçla ilgili sorunlarınız varsa, bunların hızlı ve yetkin bir şekilde çözülmesini isteyeceksiniz. Araçtan en iyi şekilde yararlanmak istiyorsanız, araç satıcısının uzmanlığından yararlanmak isteyeceksiniz. Aracın gelecekteki gelişimini etkilemek isteyebilirsiniz. Satıcınızla iyi bir ilişki, test otomasyonunuzu istediğiniz yönde ilerletmenize yardımcı olabilir.

Alet satıcısının organizasyonunu değerlendirirken göz önünde bulundurmanız gereken bazı faktörler şunlardır.

« Tedarikçi gerçek bir şirket mi? Tedarikçinin ticari detayları, bu tür bilgiler için çeşitli test aracı raporlarında veya normal ticari kanallarda kontrol edilebilir.

» Şirket ve ürün ne kadar olgun? Firma köklüyse bu güven veriyor ama ürün son yıllarda çok değişmediyse biraz eskimiş olabilir. Bazı kuruluşlar, pazarda trendi belirleyen satıcıdan ürün satın almaları gerektiğini hissedeceklerdir. Diğerleri yeni ürün şirketlerine karşı temkinli olacak.

» Yeterli teknik destek var mı? Satıcı büyük veya küçük sorunlara nasıl yanıt verirdi? Satıcı bir yardım masası işletiyor mu? Yardım hangi saatlerde mevcuttur? (Satıcınız dünyanın karşı tarafındaysa, çalışma gününün sizinkiyle çakışması söz konusu olmayacaktır!) Hangi eğitimler veriliyor? Satıcı bilgi taleplerine ne kadar duyarlı?

» Bu aracı başka kaç kuruluş satın aldı? Aracı iyi kullanan ve fayda sağlayan kaç kişi var? Yeni bir aracın ilk ticari kullanıcısı olmak istemeyebilirsiniz. Başka herhangi bir araç kullanıcısı ile konuşabilir misiniz? Bir kullanıcı grubu var mı? Eğer öyleyse, ne zaman toplanır ve onu kim kontrol eder? Satıcı, konuşmanız için referans siteleri sağlayacak mı?

• Aracın geçmişi nedir? İyi dahili test uygulamalarını desteklemek, belirli bir müşteri ihtiyacını karşılamak için mi yoksa spekülatif bir ürün olarak mı geliştirildi? Bugüne kadar kaç sürüm yayınlandı ve araç ne sıklıkta güncelleniyor? Şu anda aracın kendisinde bildirilen kaç tane açık hata var?

Takım satıcısı ile ilişkiniz, seçim ve değerlendirme sürecinde başlar. Satıcıyla şu anda sorunlar varsa (paranızı istediklerinde), daha sonra muhtemelen daha ciddi sorunlar olacaktır.

Yazılım süreç modelleri
Evrimsel Model nedir
Helezonik model
Evrimsel geliştirme Modeli nedir
Yazılım yaşam döngüsü aşamaları
yazılım hatalarında yayılma neyi ifade etmektedir?
Yazılım yaşam döngüsü Nedir
Çevik yazılım geliştirme

Maliyet Kısıtlamaları

Maliyet genellikle takım seçiminde en katı ve en görünür kısıtlamadır. Ancak aracın satın alma fiyatı, aracın tam olarak uygulanmasının toplam maliyetinin yalnızca bir kısmı olabilir. Elbette yönergeler olmalıdır, ancak oldukça keyfi olabilecek bir sayıyla çok katı bir şekilde sınırlandırılmamak da önemlidir.

Maliyet faktörleri şunları içerir:

• satın alma veya kiralama fiyatı (tek seferlik, yıllık veya diğer yıl dönümü yenilemeleri);
• maliyet bazında (koltuk başına, bilgisayar başına vb.);
• aracın kullanımıyla ilgili eğitim maliyeti (araç satıcısından);
• gereken herhangi bir ek donanım (örn. PC’ler, ek disk alanı veya bellek);
• gerekli herhangi bir ek yazılım (ör. işletim sistemleri veya ağ yazılımı güncellemeleri);
• destek maliyetleri (bakım anlaşmaları);
• ek başlangıç maliyetleri (örneğin, aracın en iyi şekilde kullanılmasını sağlamak için danışmanlık);
• iç maliyetler (alet bakımı, kendi rejiminizi oluşturma, aleti kendi organizasyonunuz içinde uygulama vb. için).

Bahsedildiği gibi, dahili maliyetlerin uzun vadede diğerlerinden çok daha önemli olacağına dikkat edin.

Politik Kısıtlamalar

Politik faktörler, diğer tüm kısıtlamaları ve gereklilikleri geçersiz kılabilir. Örneğin, ana şirketinizin kullandığı aracın aynısını satın almanız gerekebilir. Kendi ülkenizde desteklenen bir araç dışında herhangi bir şey satın almaya karşı bir kısıtlama olabilir.

Patronunuzun patronunun bir alet satıcısında çalışan bir erkek kardeşi olabilir. Seçim sürecinde bu faktörleri geç keşfetmek takım seçiciler için can sıkıcıdır, bu yüzden şimdi soruşturma yapın.

Politik faktörlerin rolünü hafife almayın. Alet satın alma kararlarının her zaman rasyonel teknik faktörlere dayandığını düşünmekten hoşlansak da, kararlar genellikle duygusal ve irrasyonel faktörlere dayalıdır.

Kalite Kısıtlamaları

Aletin gerekli kalite özellikleri nelerdir? Bu, hem işlevsel hem de işlevsel olmayan yönleri içerebilir. İşte dikkate almak isteyebileceğiniz bazı öneriler.
« Aracı aynı anda kaç kullanıcı kullanabilir? Test komut dosyaları paylaşılabilir mi?
« Aracı etkili bir şekilde kullanmak için hangi beceri düzeyi gereklidir? Uzmanlaşmak ne kadar sürer? Test komut dosyaları yazmak için hangi programlama becerileri gereklidir?
» Araçla birlikte verilen belgelerin (kağıt veya çevrimiçi) kalitesi nedir? Ne kadar kapsamlı? Ne kadar kullanışlı? Örneğin ‘hızlı başvuru kılavuzları’ var mı?
« Satıcının yardım hattı, web sitesi veya aracın kendisi için sağladığı diğer destek ne olacak?
» Gerçekçi kullanım sırasında arıza sıklığı nedir? « Herhangi bir verinizi bozabilir mi?
» Aracın neden olduğu genel giderler nelerdir (aracın kendisi ne kadar zaman veya kaynak kullanır)?
« Araç, hâlihazırda kullanmakta olduğunuz diğer araçlarla (örneğin, yapılandırma yönetimi ve proje yönetimi araçları) entegre olabilir mi?

İşlevsel olmayan nitelikleri belirlemek ve test etmek için geliştirilen, kalite nitelik tekniği olarak bilinen bir tekniği uygulamayı çok faydalı bulduk. Test yürütme araçlarının değerlendirilmesi için Gilb’s Quality Nitelik Tablosunun kullanımına bir örnek verilmiştir.

Kendi gereksinimlerinizi yansıtmak için ‘Yapılması gerekenler’ ve ‘Planlanan’ seviyelerine kendi numaralarınızı koymanız gerekeceğini unutmayın. Tablo, gerçek bir örneğe dayanarak bu şekilde ifade edilebilecek işlevsel olmayan öznitelik türlerini göstermeyi amaçlamaktadır.

The post Yazılım Uyumunun Yapılması first appeared on Akademi Delisi (Tez Yaptırma).

Test ve otomasyon arasındaki önemli ayrımı yaptıktan sonra, test konusuna daha ayrıntılı olarak dönüyoruz. Test genellikle yazılım yazıldıktan sonra yapılan bir şey olarak kabul edilir; ne de olsa argüman devam ediyor, var olmayan bir şeyi test edemezsiniz, değil mi? Bu fikir, testin yalnızca test yürütme, testlerin yürütülmesi olduğu varsayımını yapar. Elbette, gerçekten çalışan bir yazılıma sahip olmadan testler gerçekleştirilemez. Ancak test etkinlikleri, testleri yürütmekten daha fazlasını içerir.

Yazılım geliştirmenin V modeli, test faaliyetlerinin ne zaman yapılması gerektiğini gösterir. V-modcl, her geliştirme etkinliğinin karşılık gelen bir test etkinliğine sahip olduğunu gösterir. Her düzeydeki testler ilgili geliştirme faaliyetini uygular. Hangi yazılım yaşam döngüsü modeli kullanılırsa kullanılsın aynı ilkeler geçerlidir.

Örneğin, Hızlı Uygulama Geliştirme (RAD), bir dizi küçük Vs’dir. Basitleştirilmiş V modeli, dört geliştirme ve test etkinliği düzeyi gösterir. Farklı kuruluşların her aşama için farklı adları olabilir; Adı ne olursa olsun, soldaki her aşamanın sağda bir ortağı olması önemlidir.

V-modelinin başarılı bir şekilde uygulanması için en önemli faktör, test senaryolarının ne zaman tasarlanacağı konusudur. Test tasarım etkinliği, testlerin neye karşı tasarlandığına bakılmaksızın her zaman kusurları bulur.

Örneğin, kabul testi senaryoları tasarlamak gereksinimlerdeki kusurları bulur, sistem test senaryoları tasarlamak fonksiyonel spesifikasyondaki kusurları bulur, entegrasyon testi senaryoları tasarlamak tasarımdaki kusurları bulur ve birim test senaryoları tasarlamak koddaki kusurları bulur.

Test tasarımı mümkün olan en son ana kadar bırakılırsa, bu kusurlar yalnızca bu testlerin çalıştırılmasından hemen önce, onları düzeltmenin daha pahalı olduğu durumlarda bulunacaktır.

Test tasarımı, testler çalıştırılmadan hemen öncesine kadar beklemek zorunda değildir; bu testlerin dayandığı bilgiler elde edildikten sonra herhangi bir zamanda yapılabilir. O halde, kusurları bulmanın etkisi aslında yıkıcı olmaktan çok faydalıdır, çünkü kusurlar yayılmadan önce düzeltilebilir.

Elbette testler yazılım yazılmadan çalıştırılamaz, ancak erken yazılabilirler. Testler aslında yazım sıralarının tersi sırada yürütülür, örn. birim testleri en son yazılır ancak önce çalıştırılır.

V-Modeli nedir
v-model system engineering
Spiral model
V Model yazılım geliştirme
Yazılım geliştirme Modelleri
Yazılım süreç modelleri
V-model software development
Agile Yazılım süreç modelleri

 Araç Desteği

Yazılım geliştirme yaşam döngüsünün her aşamasında test için araç desteği mevcuttur; Farklı araç türleri ve yaşam döngüsü içindeki konumları, geliştirme aşamaları için alternatif adlar kullanılarak gösterilmektedir.

Test tasarım araçları, test girdilerinin veya test verilerinin türetilmesine yardımcı olur. Mantıksal tasarım araçları, bir belirtimin mantığından, bir arabirimden veya koddan çalışır ve bazen test durumu üreteçleri olarak adlandırılır. Fiziksel tasarım araçları, mevcut verileri manipüle eder veya test verileri oluşturur.

Örneğin, bir veritabanından rastgele kayıtları çıkarabilen bir araç, fiziksel bir tasarım aracı olacaktır. Bir belirtimden test girdileri türetebilen bir araç, mantıksal bir tasarım aracı olacaktır. Mantıksal tasarım araçlarını daha ayrıntılı olarak tartışıyoruz.

Test yönetimi araçları, test planlamasına yardımcı olan, hangi testlerin yapıldığını takip eden vb. araçları içerir. Bu kategori aynı zamanda testlerin gereksinimlere, tasarımlara ve koda göre izlenebilirliğine yardımcı olacak araçların yanı sıra hata izleme araçlarını da içerir.

Statik analiz araçları, kodu çalıştırmadan analiz eder. Bu tür bir araç, belirli kusur türlerini başka herhangi bir yöntemle elde edilebileceğinden çok daha etkili ve ucuz bir şekilde tespit eder. Bu tür araçlar ayrıca kod için McCabe’nin döngüsel karmaşıklığı, Halstead ölçümleri ve çok daha fazlası gibi çeşitli ölçümleri hesaplar.

Kapsama araçları, test edilen yazılımın ne kadarının bir dizi test tarafından kullanıldığını değerlendirir. Kapsama araçları en yaygın olarak birim test düzeyinde kullanılır. Örneğin, şube kapsamı genellikle güvenlik açısından kritik veya güvenlikle ilgili sistemleri test etmek için bir gerekliliktir. Kapsama araçları, çağrı ağaçları gibi tasarım düzeyindeki yapıların kapsamını da ölçebilir.

Hata ayıklama testin bir parçası olmadığından, hata ayıklama araçları gerçekten test araçları değildir. (Test, kusurları tanımlar, hata ayıklama onları kaldırır ve bu nedenle bir test faaliyeti değil, bir geliştirme faaliyetidir.) Bununla birlikte, hata ayıklama araçları, özellikle düşük seviyeli bir kusuru izole etmeye çalışırken, testlerde sıklıkla kullanılır. Hata ayıklama araçları, geliştiricinin her seferinde bir talimat yürüterek ve veri konumlarının içeriğine bakarak kodda adım adım ilerlemesini sağlar.

Dinamik analiz araçları, yazılım çalışırken sistemi değerlendirir. Örneğin, bellek sızıntılarını tespit edebilen araçlar, dinamik analiz araçlarıdır.

Bir program gerektiğinde bellek bloklarını serbest bırakmazsa, bellek sızıntısı meydana gelir, bu nedenle blok, tüm programların kullanabileceği bellek blokları havuzundan ‘sızdı’. Sonunda, hatalı program tüm belleğe ‘sahip olur’; hiçbir şey çalışamaz, sistem “kilitlenir” ve yeniden başlatılması gerekir (korumalı olmayan mod işletim sisteminde).

Simülatörler, bir sistemin parçalarının gerçek dünyada mümkün olmayacak şekillerde test edilmesini sağlayan araçlardır. Örneğin, bir nükleer santral için eritme prosedürleri bir simülatörde test edilebilir.

Başka bir araç sınıfı, kapasite testi diyebileceğimiz şeyle ilgilidir. Performans testi araçları, çeşitli olaylar için geçen süreyi ölçer. Örneğin, tipik koşullar veya yük koşulları altında tepki sürelerini ölçebilirler. Yük testi araçları sistem trafiği oluşturur. Örneğin, tipik veya maksimum seviyeleri temsil eden bir dizi işlem oluşturabilirler. Bu tür bir araç, hacim ve stres testi için kullanılabilir.

Test yürütme ve karşılaştırma araçları, testlerin otomatik olarak yürütülmesini ve test sonuçlarının beklenen sonuçlarla karşılaştırılmasını sağlar. Bu araçlar, herhangi bir düzeyde test yürütmeye uygulanabilir: birim, entegrasyon, sistem veya kabul testi. Yakalama yeniden oynatma araçları, test yürütme ve karşılaştırma araçlarıdır. Bu, kullanılan en popüler test aracı türüdür ve bu çalışmanın odak noktasıdır.

The post V-Modeli first appeared on Akademi Delisi (Tez Yaptırma).

Neyse ki, simülasyon ve grafik oluşturma, gerçek zamanlı olarak web ve örümcek davranışını elde etmek için sıradan bir PC’de yeterince hızlıdır. Çoğu zaman, simülasyon verimliliği ile fiziksel ve görsel gerçekçilik, ikisini birden başaramayacağımız kadar çelişkilidir.

Gerçek zamana ulaşmak için, karmaşık fizik tabanlı modeli ve/veya grafik oluşturma yöntemini basitleştirerek fiziksel gerçekçiliği ve/veya görsel kaliteyi feda ediyoruz. 3B grafik oluşturma hızı, genellikle gerçek zamanlı simülasyonun darboğazıdır.

Sonuç olarak, ilişkili işleme yükleri, sistem güncelleme hızını gerçek zamanlı olarak kabul ettiğimizin (saniyede 24 kare) altına düşürmemelidir. Gerçek zamana uyum sağlamak için yazılımı veya donanımı veya her ikisini birden değiştirerek simülasyon verimliliğini artırabiliriz.

Gerçek zamanlı bir grafik simülasyon işlem hattı, aşağıdaki ana süreçleri içeren bir döngüdür:

1. Kullanıcı girişini yönetin (klavye, fare, harici sensörler, VR izleyicileri, vb.);
2. Simülasyon modelinin yeni durumunu hesaplayın;
3. 3B nesneleri önceden işleyin (çarpışma algılama, kırpma/ayırma, düzenleme, vb.);
4. Sanal dünyayı işleyin. 1 ila 4 arasındaki Adımları tekrarlayın.

Yazılım Yöntemleri

Adım 2 için, simülasyon modelini minimum gereksinimleri karşılayan noktaya kadar basitleştirebilir veya kısmi gereksinimleri karşılayan daha basit bir model kullanabiliriz. Çarpışma tespiti ve diğer grafik ön işleme fonksiyonlarını sağlayan farklı algoritmaların olduğu Adım 3 için en verimli algoritmaları seçebiliriz.

Adım 4 için, verimliliği önemli ölçüde değiştirecek farklı işleme yöntemlerimiz var. Örneğin, eğri yüzeyler yerine çokgenler, doku eşlemeli çokgenler yerine gölgeli çokgenler, gölgeli çokgenler yerine düz çokgenler, çokgen nesneler yerine tel çerçeve nesneleri vb. kullanabiliriz. grafik sistemi.

Donanım Yöntemleri

Bir grafik kartındaki donanımda birçok düşük seviyeli grafik işlevi uygulanmaktadır. Aslında, bir grafik kartı olmadan gerçek zamanlı olarak hiçbir grafik simülasyon olamaz. Ancak, tüm grafik kartları aynı değildir. Bazı işlevlerin donanımda uygulanması pahalıdır. Ekran kartlarının fiyatları farklıdır.

Bu nedenle, hangi grafik işlevlerinin gerekli olduğunu bilmek ve gerekli işlevlerle birlikte gelen kartı satın almak önemlidir. Örneğin, bir simülasyon uygulaması çok sayıda poligon işleme gerektiriyorsa, özel olarak yapılandırılmış yoğun poligon işleme donanımı seçebiliriz.

Bir simülasyon sık sık doku eşleme gerektiriyorsa, doku eşleme donanımına ihtiyacımız olacaktır. Donanım desteği olmasaydı, doku eşleme son derece yavaş olurdu.

Intense3D Wildcat 5110 gibi bazı yüksek performanslı grafik kartları, donanım doku eşlemesi için çok büyük ayrılmış doku belleğine ve çerçeve arabelleklerine sahiptir. Donanım, gerçek zamanlı olarak aydınlatma, doku eşleme, hacim işleme, kenar yumuşatma ve sahne biriktirme gibi gelişmiş grafik efektleri elde etmeyi mümkün kılar.

Yazılım geliştirme Modelleri
Yazılım geliştirme Modelleri karşılaştırma
Yazılım GELİŞTİRME süreci aşamaları
Yazılım GELİŞTİRME SÜREÇLERİ ders NOTLARI
Yazılım süreç modelleri
Yazılım GELİŞTİRME süreci Nedir
Spiral yazılım geliştirme modeli
Çağlayan Modeli

Sanal Gerçeklik

Sanal Gerçeklik (VR), 3B grafik dünyasını stereoskopik, akustik, dokunsal, dokunsal ve diğer türde geri bildirimleri içerecek şekilde genişleterek bir daldırma hissi yaratır. 3D görüntü, gördüğümüz herhangi bir sıradan resim gibidir, ancak stereo görüntü, 3D’de güçlü bir derinlik hissi verir. Aynı nesnenin birbirinden biraz farklı iki görüntüsünün (görüntülerinin) iki gözümüze ayrı ayrı sunulmasıyla oluşturulur.

Başa takılan cihaz (HMD), ImmersaDesk/CAVE ve VREX stereo projektörler, stereo görüntüler için farklı görüntüleme cihazlarıdır. VR8 benzeri bir HMD, iki gözümüzü kapatmak için iki ayrı görüntü kanalına/ekranına sahiptir. Bir ImmersaDesk veya CAVE, iki gözümüz için dönüşümlü olarak iki farklı görüntüyü göstermesi dışında, sıradan bir ekran gibi yalnızca bir kanala sahiptir.

Hafif likit kristal panjurlu gözlükler izleyici tarafından giyilir. Bu gözlükler sırayla her bir gözü çalıştırır. Gözlükler, bir kızılötesi yayıcı aracılığıyla iki görüntü ile senkronize tutulur. CAVE, daha pahalı olan ve izleyiciyi çevreleyen birden çok ekrana sahip olan ImmersaDesk’in öncüsüdür.

Genellikle dört duvarı vardır (sol, sağ, ön ve tavan duvarları). Bir ImmersaDesk, hareket ettirilebilir/döndürülebilir tek duvarlı bir CAVE olarak kabul edilebilir. VREX’in stereo projektörleri, aynı anda hafif, ucuz polarize camlarla görüntülenebilen iki görüntü üretir.

VR’ye ulaşmak için temel donanım teknolojileri, gerçek zamanlı grafik oluşturucular, stereo ekranlar/görünümler, izleme sensörleri, ses makineleri ve dokunsal cihazlardır. Gerçek zamanlı grafikler (bilgisayar) ve stereo ekranlar (HMD, ImmersaDesk, CAVE veya VREX projektörler), kullanıcının stereoskopik sahneleri ve animasyonu görüntülemesine olanak tanır ve kullanıcıya bir dalma hissi verir.

Kullanıcının başının, ellerinin, vücut bölümlerinin veya diğer girdilerin konumunu ve yönünü alan izleme sensörleri, kullanıcının modelleri manipüle etmesine ve sanal ortamda gezinmesine olanak tanır. Ses makineleri, ortamdaki belirli nesnelerin ve faaliyetlerin konumu ve yönü hakkında bir fikir sağlar.

Ses makineleri gibi, dokunsal cihazlar titreşir ve kullanıcının vücuduna dokunur, stereoskopik görüntü ve 3D sese ek olarak sanal ortamdan başka bir geri bildirim oluşturarak daldırma hissini geliştirir.

3B sanal ortamlar geliştirmeye yönelik işlevlere ek olarak, iyi tanımlanmış ticari izleme sensörlerini, ses makinelerini ve dokunsal cihazları tanıyan bazı VR yazılım araçları mevcuttur. SunMicrosystem’in Java3D’si ve Sense8’in WorldToolKit’i, gerçek zamanlı entegre 3B uygulamalar oluşturmak için platformlar arası yazılım geliştirme sistemleridir.

MultiGen-Paradigm’s Vega, stereo görüntüleme içeren gerçek zamanlı bir görsel ve işitsel simülasyon yazılım aracıdır. OpenInventor (SGI’nin Inventor standardına dayalıdır), bir grafik kitaplığının üzerinde oturan gerçek zamanlı bir programlama sistemidir.

Lincom’un VrTool’u, VR kullanıcılarının uygulamalarını minimum çabayla hızlı bir şekilde çalıştırmalarını sağlayan hızlı bir prototip oluşturma yeteneği sağlamak için kullanılan OpenInventor tabanlı bir araç setidir. Bu VR araçları, sahne grafiği tabanlı programlama ortamlarıdır. Scene-graph, 3B nesneleri ve ortamları tanımlayan bir veri yapısıdır.

Genellikle sürükleyici olmayan 3B grafik sistemlerine VR sistemleri de denir. VRML (Sanal Gerçeklik Modelleme Dili), Inventor’un 3B sahne-grafik yapısına dayalı web tabanlı bir 3B sahne tanımlama dilidir.

ActiveWorlds ve DIVE (Dağıtılmış Etkileşimli Sanal Ortam), katılımcıların 3B alanda gezindiği ve diğer kullanıcıları ve uygulamaları gördüğü, buluştuğu ve bunlarla etkileşim kurduğu internet tabanlı çok kullanıcılı VR sistemleridir.

The post Yazılım Yöntemleri – Analizi Yaptırma Fiyatları – Yazılım Analizi Örnekleri – Ücretli Analizi Yaptırma – Ücretli Yazılım Yaptırma first appeared on Akademi Delisi (Tez Yaptırma).

Bir yordayıcı değişkenin bağımlı değişkenle ilişkili olmadığı hiç oldu mu? Evet öyle. Bu, bir bölgedeki yağış miktarı ile sıcaklık arasındaki ilişki incelenerek “weather.sav” dosyasındaki verilerle gösterilebilir. Yine, yağış miktarı (“yağış”) ve sıcaklık (“sıcaklık”) değişkenlerinin (regresyon çizgisiyle) bir dağılım grafiği oluşturun ve Bölüm 13.1’de açıklandığı gibi korelasyon katsayısını hesaplayın. Çıktı, Şekil 13.7’de gösterilmektedir.

Regresyon çizgisi oldukça düz görünüyor ve noktaların çoğu ondan çok uzakta. Korelasyonun kendisi küçüktür (r = 0.124) ve önemsizdir (P = .284); “yağış”taki değişkenliğin %2’den azı “sıcaklığa” atfedilir (0.1242 = 0.015). Yağışları sıcaklıktan tahmin etmeye çalışmakla elde edilecek çok az şey vardır.

ÇOKLU REGRESYON ANALİZİ

Çoklu regresyon analizinin amacı, bağımlı değişkendeki varyasyonun ne kadarının iki veya daha fazla bağımsız değişkendeki değişkenlikle açıklanabileceğini araştırmaktır. İki bağımsız değişken için regresyon doğrusu denklemi: y = + 1×1 + 2×2. SPSS, doğrunun eğimini belirleyen en önemli iki parametre olan 1 ve 2’nin tahminlerini ve testlerini sağlar; her bağımsız değişkenin sonucu (y) açıklamaya yönelik “kısmi” katkısını yansıtırlar.

Bağımsız Değişkenlerin Giriş Sırasının Seçilmesi

Bir regresyon analizi iki veya daha fazla bağımsız değişken içerdiğinde, bunların analize girilme sırası önemli bir husustur. Hem araştırmanın amacına hem de araştırmacının felsefesine bağlı olarak değişkenleri girmek için çeşitli yaklaşımlar vardır. Bir yaklaşımda, araştırmacı bağımsız değişkenlerin kavramsal önemine göre giriş sırasına karar verir.

Bu “hiyerarşik” prosedür, birinci bağımsız değişkenin testlerini, ikinci bağımsız değişkenin ek katkısını vb. üretir. Diğer yaklaşımlar, her adımda hangi bağımsız ölçümlerin dahil edildiğini belirlemek için örnekteki değişkenlerin kısmi korelasyonlarının gücünü kullanır. Bu prosedürler, nihai modeldeki tahmin edicilerin sayısını en aza indirir. Bu bölümdeki örnekler eski (hiyerarşik) yaklaşımı kullanır.

“cereal.sav” veri setini kullanarak çoklu regresyon prosedürünü göstereceğiz. Bizim ilgimiz, tahıllardaki lif ve karbonhidrat miktarı ile porsiyon başına kalori sayısı arasındaki ilişkiyi incelemektir. Özellikle, karbonhidrat farklılıklarına ek olarak, lif varyasyonlarının ek etkisini incelemek istiyoruz.

“cereal.sav” veri dosyasını açtıktan sonra aşağıdakileri yapın:

1. Menü çubuğunda Analiz et’e tıklayın.
2. Açılır menüden Regresyon’a tıklayın.
3. Doğrusal Regresyon iletişim kutusunu açmak için Doğrusal’a tıklayın.
4. Bağımlı değişkeniniz (“kalori”) olan değişkene tıklayın ve ardından değişken adını Bağımlı değişken kutusuna taşımak için sağ üst ok düğmesine tıklayın.
5. İlk olarak modele (“carbo”) girmek istediğiniz bağımsız değişkene tıklayın ve ardından değişken adını Bağımsız(lar) değişken kutusuna taşımak için ikinci sağ ok düğmesine tıklayın.
6. Bağımsız(lar) kutusunun üzerinde bulunan İleri düğmesine tıklayın. Blok 2/2 olarak değişmelidir.
7. İkinci bağımsız değişkene (“fiber”) tıklayın ve ardından değişken adını Bağımsız değişkenler kutusuna taşımak için ikinci sağ ok düğmesine tıklayın.
8. Doğrusal Regresyon: İstatistikler iletişim kutusunu açmak için İstatistikler’e tıklayın.
9. R kare değişikliğine ve Tanımlayıcılara tıklayın (varsayılan Tahminler ve Model uyumuna ek olarak).
10. İletişim kutusunu kapatmak için Devam’a tıklayın.
11. Regresyonu çalıştırmak için Tamam’a tıklayın.

Artımlı model Nedir
Artımlı geliştirme modeli
Evrimsel model nedir
Yazılım süreç modelleri
Spiral Model Nedir
Formal model nedir
Spiral model
Spiral Model aşamaları

Basit Korelasyonlar

Bağımsız ve bağımlı değişkenler arasındaki basit korelasyonlar, sonuçların önemli bir parçasıdır. Bunlar çıktının Korelasyon tablosunda gösterilir. Karbonhidratlar ve kaloriler arasında pozitif bir korelasyon (.251) ve lif ve kaloriler arasında negatif bir korelasyon (–.293) olduğunu görüyoruz. Yani tahıllardaki karbonhidrat miktarı arttıkça kalori miktarı da artar.

Tersine, lif oranı yüksek tahıllar daha az kaloriye sahip olma eğilimindedir. Çıktı ayrıca her bir korelasyonun önemini test etmek için P değerleri verir. Ancak bunlar basit korelasyonlardır ve bağımsız değişkenlerin çokluğunun herhangi bir değerlendirmesini içermezler.

Tam Model

Tam model için anlamlılık testleri ANOVA tablosunda yer almaktadır. Değişkenler denkleme ayrı adımlarla girildiği için tablo iki ayrı modeli listeler. Model 1, karbonhidratlara göre gerileyen kalorili basit modele karşılık gelir. Model 2, bağımsız değişkenler olarak hem karbonhidratlar hem de lifler ile çoklu regresyonu temsil eder. P değeri Sig’de bulunur. kolon. Bir küme olarak, iki belirleyicinin (karbonhidratlar ve lif) bir tahıldaki kalori sayısı ile önemli ölçüde ilişkili olduğunu görüyoruz (P < .013).

Model Özeti tablosu, iki model için çoklu korelasyonu listeler. Kare korelasyon (R2), tek başına karbonhidratların kalorilerdeki varyasyonun %6.3’ünü oluşturduğunu gösterdi. Tam model için, lif ve karbonhidrat içeriğindeki farklılıklar, tahıllardaki kalori sayısındaki varyasyonun %11,1’ini oluşturur.

Katsayılar tablosu, ham ve standartlaştırılmış biçimde kısmi regresyon katsayılarını listeler. Model 2’den regresyon denkleminin şu şekilde olduğunu görüyoruz: KALORİ = 99.867 + .762 (KARBONHİDRAT) – 1.911 (LİF). Her bir regresyon katsayısı, diğer bağımsız değişken(ler)in etkisinin “üstünde ve ötesinde” (sabit tutma) belirli bir değişkenin etkisini yansıtır.

Lif katsayısı negatiftir, bu da karbonhidratlardan bağımsız olarak yüksek lifli tahılların daha düşük kaloriye sahip olduğunu gösterir. Yani, bir tahıldaki karbonhidrat miktarı sabit tutulduğunda, lif içeriğindeki bir gramlık artış, ortalama olarak 1.9 kalorilik bir azalma ile ilişkilidir.

Sig. sütun P değerlerini içerir. .05 anlamlılık düzeyi kullanıldığında, bir tahıldaki lif miktarı, karbonhidrat miktarını sabit tutarak kalorilerle önemli ölçüde ilişkilidir. Öte yandan karbonhidratlar, lifi kontrol ettikten sonra kalorilerle ilgili değildir.

Artımlı Modeller

Birçok durumda, araştırmacı, bağımsız değişkenlerin belirli bir sıradaki bağımlı değişkendeki varyasyona katkısını, yani birinci bağımsız değişkeni, birincinin üstünde ve ötesinde ikinciyi vb. incelemekle ilgilenir. Bu sonuçları bulmak için kolay bir yer Model Özeti tablosundadır. Girilen her değişken için (R Kare Değişim), F- istatistiği (F Değişim) ve P değeri (Sig. F Değişim) için hesaplanan varyans oranını listeler.

Örneğin, ilk model için (tek bağımsız değişken olarak karbonhidratları olan model) kare çoklu korelasyon .063’tür. (Bu, Korelasyon tablosunda gösterilen basit korelasyonun karesine eşittir.) R2, tahıllardaki kalorilerdeki değişimin %6.3’ünün karbonhidratların gramlarındaki farklılıklarla açıklandığını gösterir. F istatistiği (5.029) .05 düzeyinde anlamlıdır (P < .028).

The post Artımlı Modeller – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).