软件缺陷管理过程不仅包含软件缺陷记录和统计，更重要的是对缺陷数据进行细致、深入的分析。缺陷分析是缺陷管理中的一个重要环节，有效的缺陷分析不仅可以评价软件质量，同时可以帮助项目组很好地掌握和评估软件的研发过程，进而改进研发过程，未对缺陷进行分析就无法对研发流程进行改进。此外，还能为软件新版本的开发提供宝贵的经验，进而在项目开展之前，制定准确、有效的项目控制计划，为开发高质量的软件产品提供保障。
常用的缺陷分析方法有：根本原因缺陷分析法、四象限缺陷分析法、ODC 缺陷分析法、Rayleigh缺陷分析法和Gompertz 缺陷分析法。
本节我们来学习下Rayleigh 缺陷分析法。
Rayleigh 模型是Weibull 分布系列中的一种。Weibull 分布又称韦伯分布、韦氏分布或威布尔分布，由瑞典物理学家Wallodi Weibull 于1939 年引进，是可靠性分析及寿命检验的理论基础。Weibull分布能被应用于很多形式，包括1 参数、2 参数、3 参数或混合Weibull。3 参数的Weibull 分布由形状、尺度(范围)和位置三个参数决定。其中形状参数是最重要的参数，决定分布密度曲线的基本形状，尺度参数起放大或缩小曲线的作用，但不影响分布的形状。
它的累积分布函数(CDF)和概率密度函数(PDF)为：
参数说明：m 为形状参数(Shape Parameter);c 为范围参数(Scale Parameter);t 为时间。在软件测试过程中，一般使用概率密度函数PDF 来表示缺陷密度随时间的变化情况，积累分布函数为累计缺陷分布情况，在使用Rayleigh 模型分析缺陷时，形状参数m 取值为2。
将m 值代入公式(1)和公式(2)中，累积分布函数(CDF)和概率密度函数(PDF)为：
c 参数为常量c= √2tm，tm是 f(t)达到峰值时对应的时间。在实际应用过程中，会在公式前面乘一个系数K（K 为所有的缺陷数），将K 值代入公式（3）和公式（4）中，累积分布函数（CDF）和概率密度函数（PDF）为：
缺陷tm 时间的比率m F(t ) / K ≈0.4，即当f(t)达到最大值时，已发现的缺陷数约为总缺陷数的40%。
统计测试中所发现的缺陷数，如表9-6 所示。
从表9-6 中可以看出，第3 周发现的缺陷数最多，截止到第3 周所发现的缺陷数应该大约占全部缺陷总数的40%，则K（总缺陷数）=（前3周缺陷总数）/0.4=(20+38+55)/0.4=113/0.4=282。tm等于3，那么c=√2tm=3√2 。将K值和c值代入公式（5）和公式（6）中，累积分布函数（CDF）和概率密度函数（PDF）为：
使用Rayleigh 模型生成的模拟值见表9-7。
累积分布函数（CDF）与真实数据图如图9-23 所示。
概率密度函数（PDF）与真实数据图如图9-24 所示。
【实例】通过Rayleigh 模型的概率密度来评估测试过程和软件质量。计划升级一个历史项目，以前的历史数据统计表明，该项目千行代码缺陷率为9.56 个，估计升级后该项目的代码行数为102KLOC（千行），希望本次升级发现的千行缺陷数比之前少5.3%，即总缺陷数预计为9.56×102×(1-5.3%)=923.44 个，计划项目的测试时间为22 周。将数据代入到Rayleigh 模型中的概率密度函数中，得到PDF 为：
使用Rayleigh 模型生成的模拟值见表9-8。
使用Rayleigh 模型生成概率密度函数图，如图9-25 所示。
测试过程应该将该图与测试过程真实的每周发现的缺陷数进行对比，如果两个图存在明显的差异，那么说明测试策略存在问题，需要重新修改测试策略。
