Приходько, С. Б.Приходько, Н. В.Фаріонова, Т. А.Ворона, М. В.Prykhodko, S. B.Prykhodko, N. V.Farionova, T. A.Vorona, M. V.2022-06-202022-06-2020202663-5941 (Print)2663-595X (Online)https://eir.nuos.edu.ua/handle/123456789/5529Трьохфакторна нелінійна регресійна модель для оцінювання розміру PHP-застосунків з відкритим кодом = Three-factor non-linear regression model to estimate the size of open source PHP-based applications / С. Б. Приходько, Н. В. Приходько, Т. А. Фаріонова, М. В. Ворона // Вчені записки ТНУ. Сер. Технічні науки. – Київ : ТНУ ім. В. І. Вернадського, 2020. – Т. 31 (70), ч. 1, № 1. – С. 124–131.Метою роботи є створення множинної нелінійної регресійної моделі для оцінювання розміру PHP-застосунків із відкритим кодом на основі багатовимірного нормалізуючого перетворення за змінними, що визначаються за діаграмою класів. Трьохфакторну нелінійну регресійну модель для оцінювання розміру PHP-застосунків із відкритим кодом побудовано на основі нормалізації чотиривимірного негаусівського набору даних: кількість строк коду (LOC); кількість класів (Classes); сума кількості класів, на які впливає даний клас (Afferent Coupling), і кількості класів, із яких даний клас отримує ефекти (Efferent Coupling), та кількість методів (Methods) із 44 застосунків, розташованих на сайті GitHub (https://github.com) за допомогою інструменту PhpMetrics (https://phpmetrics.org/). Нормалізація цього набору даних здійснена за допомогою і двох одновимірних перетворень: у вигляді десяткового логарифму та перетворення Джонсона для сімейства SB. Використання чотиривимірного перетворення в порівнянні з одновимірними дозволяє врахувати кореляцію між змінними, що призводить до покращення нормалізації даних, яка пов’язана з виконанням статистичної гіпотези щодо відповідності їх розподілу чотиривимірному розподілу Гаусу, з подальшим підвищенням достовірності відповідного оцінювання. Виконано порівняння побудованої нелінійної моделі з лінійною регресійною моделлю і нелінійними регресійними моделями на основі десяткового логарифму і одновимірного перетворення Джонсона. Нелінійна модель, що побудована, в порівнянні з іншими регресійними моделями (як лінійними, так і нелінійними) має більше значення множинного коефіцієнту детермінації, менше значення середньої величини відносної похибки та менші ширини інтервалу передбачення нелінійної регресії. Цей результат може бути пояснений найкращою багатовимірною нормалізацією і тим, що немає підстав відкидати нульову гіпотезу про те, що чотиривимірний розподіл для нормалізованих даних, який нормалізується за допомогою чотиривимірного перетворення Джонсона для сімейства SB, є таким самим, як і чотиривимірний нормальний розподіл.ukнелінійна регресійна модельінтервал передбаченняоцінювання розміру програмиPHP-застосунокнормалізуюче перетворенннегаусівські даніnonlinear regression modelprediction intervalsoftware size estimationPHP applicationnormalizing transformationnon-Gaussian dataArticle