MODELOS DE ESTIMATIVAS DE SOFTWARE BASEADOS EM DADOS HISTÓRICOS

43Para estimativas de FP, a decomposição funciona de modo diferente.Em vez de focalizar a função, cada uma das cinco características do domínio deinformação bem como os 14 valores de ajuste de complexidade são estimados. Asestimativas resultantes podem, então, ser usadas para derivar um valor de FP, quepode ser relacionado a dados anteriores e usado para gerar uma estimativa.Independentemente da variável de estimativa que é usada, oplanejador do projeto começa estimando um intervalo de valores para cada funçãoou valor do domínio da informação. Uma indicação implícita do grau de incerteza éfornecida quando um intervalo de valores é especificado.Um valor esperado, ou de três pontos, pode ser calculado. O valoresperado para a variável de estimativa (tamanho), S, pode ser calculado comomédia ponderada das estimativas otimista (S ot ) mais provável (S m ) e pessimista(S pess ). Por exemplo,S = (S ot 4S m + S pess )/6dá maior peso à estimativa “mais provável” e segue uma distribuição deprobabilidade beta. Consideramos que há uma probabilidade muito pequena de queo resultado correspondente ao tamanho real caia fora do intervalo entre os valoresotimista e pessimista.Uma vez determinado o valor esperado para a variável para a variávelde estimativa, os dados históricos de produtividade LOC ou FP são aplicados. Asestimativas estão corretas? A única resposta razoável para essa questão é: nãopodemos estar seguros. Qualquer técnica de estimativa, não importa quãosofisticada, deve ser comparada com outra abordagem. Ainda assim, devemprevalecer o bom senso e a experiência.5.3 Um exemplo de estimativa baseada em LOCSegundo Roger S. Pressman (2006, p.526), uma pesquisa em dadoshistóricos mostra que a profundidade organizacional média para sistemas dessestipo é de 620 LOC/PM. Com base no valor bruto da mão-de-obra de 8.000 dólares