The Effectiveness of Using A Statistical Debugging in Python Programs
| العنوان بلغة أخرى: |
فعالية استخدام التصحيح المبني على الإحصاء في برامج بايثون |
|---|---|
| المؤلف الرئيسي: | صندوقة، اسحق ناصر أمين (مؤلف) |
| مؤلفين آخرين: | الزغول، فواز أحمد (مشرف) , النمر، لؤي مدحت عوني (مشرف) |
| التاريخ الميلادي: |
2016
|
| موقع: | عمان |
| الصفحات: | 1 - 65 |
| رقم MD: | 1132842 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الاردنية |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
79
| المستخلص: |
تحديد موقع الخطأ في النظام هو أحد المواضيع الهامة في مجال فحص البرمجيات. حيث أنه يتيح لمطوري البرامج أن يحددوا موقع الخطأ في شيفرة البرامج الخاصة بهم. يمكن تصنيف تقنيات تحديد موقع الخطأ إلى قسمين: التحليل الثابت الذي يعتمد على فحص الشيفرة المصدرية الخاصة بالبرنامج، والتحليل الديناميكي الذي يعتمد على مراقبة سلوك البرنامج أثناء تشغيله. التصحيح الإحصائي هو أحد تقنيات التحليل الديناميكي. يعتمد على استخدام نماذج إحصائية لسلوك النظام ودراسة حالاته من حيث النجاح والفشل بهدف متابعة الأخطاء وتحديد الجزء المرتبط بها من الشيفرة المصدرية. في هذه الرسالة، تم دراسة بعض خوارزميات التصحيح الإحصائي، مع التركيز على الخوارزميات التي يمكن استخدامها في لغات البرمجة الديناميكية. أولا: قمنا بدراسة معمقة لخوارزميات التصحيح الإحصائي وما يتعلق بها. ثانيا قمنا بتجربة خوارزميتين من هذه الخوارزميات على مجموعة من البرامج المكتوبة بلغة البرمجة الديناميكية بايثون. قمنا ببرمجة خمسة برامج باستخدام بايثون، تم تصنيف هذه البرامج حسب تركيبها ودرجة تعقيدها. قمنا بعمل نسختين من كل برنامج، إحداهما صحيحة والأخرى تم حقنها ببعض الأخطاء. وتمت إضافة الفرضيات إلى البرامج لتتبع الأخطاء. قمنا بتجربة خوارزميتي SOBER و Cause Isolationلترتيب الفرضيات وتحديد الفرضيات التي تتعلق بالأخطاء. النتائج أوضحت أنه في البرامج التي تحتوي على خطأ واحد فقط، كلتا الخوارزميتين المذكورتين نجحت في تحديد مكان الخطأ بشكل فعال. في البرامج التي تحتوي على أكثر من خطأ، خوارزمية SOBER واجهت مشاكل تتعلق بالفرضيات المتداخلة، والفرضيات نادرة المشاهدة، والفرضيات المكملة لبعضها البعض. بينما واجهت خوارزمية في Cause Isolation مشاكل تتعلق بترتيب الفرضيات حسب أهميتها وتحديد الأخطاء التي تكون في نفس شرط الفرضية. في البرامج الأكبر حجما، تنخفض دقة الخوارزميتين في تحديد مكان الخطأ لكن نتائجها تبقى مناسبة وإن كانت غير مثالية. |
|---|
عناصر مشابهة
-
USING SAS FOR COMPUTATIONS IN FIXED EFFECTS LINEAR MODELS
بواسطة: AI Karni, Said Hofan M. منشور: (1993) -
On Multi-Objective Geometric Programming Problems with a Negative Degree of Difficulty
بواسطة: Al Bayiati, Abbas Y. منشور: (2012) -
Forecasting Algeria’s Unemployment Rates Using Sarima Model in Python Programming during 2001-2021
بواسطة: Benayad, Wafaa منشور: (2022) -
Countering the Dunning-Kruger Effect Using Debugging Strategies
بواسطة: Abdalla, Nadia E. M. منشور: (2023) -
Theory and Statistical Development of a National Customer Satisfaction Barometer
بواسطة: Al Akhras, Anas Salih منشور: (2008)
