চতুর পরিকল্পনার জুজুতে কেন ফিবোনাচি সিরিজ ব্যবহার করা হয়? [বন্ধ]

Question

চতুর সফ্টওয়্যার বিকাশে ব্যবহারকারী গল্পগুলির আপেক্ষিক আকারের অনুমান করার সময় দলের সদস্যরা 1, 2, 3, 5, 8, 13, ... হিসাবে একটি ব্যবহারকারী গল্পের আকারের অনুমান করার কথা বলে ... সুতরাং আনুমানিক মানগুলি ফিবোনাচি সিরিজের অনুরূপ হওয়া উচিত। তবে আমি ভাবছি কেন?

উইকিপিডিয়ায় http://en.wikedia.org/wiki/Planning_poker এর বিবরণটি রহস্যজনক বাক্য ধারণ করেছে:

ফিবোনাচি ক্রম ব্যবহারের কারণটি হ'ল বড় আইটেমগুলির অনুমানের অন্তর্নিহিত অনিশ্চয়তা প্রতিফলিত করা।

তবে কেন বড় আইটেমগুলির মধ্যে সহজাত অনিশ্চয়তা থাকা উচিত? অনিশ্চয়তা কি বেশি নয়, যদি আমরা কম পরিমাপ করি তবে কম লোক একই গল্পটি অনুমান করে যদি? এমনকি বৃহত্তর গল্পগুলিতেও যদি অনিশ্চয়তা বেশি থাকে, তবে কেন এটি ফিবোনাচি ক্রম ব্যবহারটি বোঝায়? এটির জন্য কোনও গাণিতিক বা পরিসংখ্যানগত কারণ আছে? অন্যথায় অনুমানের জন্য ফিবোনাচি সিরিজটি ব্যবহার করা আমার কাছে কার্গোকল্ট বিজ্ঞানের মতো মনে হয়।

Comments

সম্ভবত কেবলমাত্র ফিবোনাচি ক্রমটি "দুর্দান্ত"। যে কোনও সূচকীয় ক্রম কাজ করবে। 2^nসংখ্যাগুলি খুব দূরে স্থান করে দিতে পারে, তবে কেন এটি সম্পর্কে ফিবোনাচি ক্রম ব্যবহার করবেন না c*phi^n?

— ইন্টারজয়

'1 দুর্দান্ত 'এর জন্য +1। যারা প্রোগ্রামারদের সাথে সবসময়

— বৈষম্যকে ফিবোনাকির

pm.stackexchange.com/questions/4251/… এর

— এইচএ

এই প্রশ্নটি অফ-টপিক বলে মনে হচ্ছে কারণ এটি সম্পর্কে ...?

— অ্যাড্রিয়ানো পুনেত্তে

Answer 1

ফিবোনাচি সিরিজটি তাত্পর্যপূর্ণ অনুমানের স্কেলগুলির একটি মাত্র উদাহরণ। ক্ষতিকারক স্কেলটি যে কারণে ব্যবহৃত হয় তা তথ্য তত্ত্ব থেকে আসে।

আমরা অনুমানের বাইরে যে তথ্য পাই তা অনুমানের নির্ভুলতার চেয়ে অনেক ধীর গতিতে বৃদ্ধি পায়। আসলে এটি লোগারিথমিক ফাংশন হিসাবে বৃদ্ধি পায়। এটি বৃহত্তর আইটেমগুলির জন্য উচ্চতর অনিশ্চয়তার কারণ।

সূচকীয় স্কেলের সর্বাধিক অনুকূল বেস নির্ধারণ (স্বাভাবিককরণ) অনুশীলনে কঠিন। ফিবোনাচি স্কেলের সাথে সম্পর্কিত বেসটি সর্বোত্তম হতে পারে বা নাও হতে পারে।

এখানে গাণিতিক ন্যায়সঙ্গততার আরও বিশদ বিবরণ দেওয়া হল: http://www.yakyma.com/2012/05/why-progressive-estimission-scale-is-so.html

Comments

এটি একটি গভীর ব্যাখ্যা যা আমি আশা করেছিলাম। এই উত্তরের জন্য আপনাকে ধন্যবাদ।

— asmaier

"[একটি] অল্প অনুমানের প্রচেষ্টা অনেক সাহায্য করে এবং [একটি] বড় অনুমানের প্রচেষ্টা সামান্য সাহায্য করে" দুর্দান্ত নিবন্ধ

— পিটিএম

Answer 2

ফিবোনাচি সিক্যুয়েন্সের প্রথম ছয়টি সংখ্যার মধ্যে চারটি প্রধান। এটি একাধিক লোককে সমান্তরালভাবে এতে কাজ করার জন্য একটি কার্যকে ছোট ছোট কাজের মধ্যে সমান ভাঙ্গার সম্ভাবনাগুলিকে সীমাবদ্ধ করে। এটি করার ফলে এই ভুল ধারণাটি হতে পারে যে কোনও কাজের গতি এতে কাজ করে এমন লোকের সংখ্যার সাথে আনুপাতিকভাবে স্কেল করতে পারে। 2 ^ n সিরিজ এই জাতীয় সমস্যার জন্য সবচেয়ে ঝুঁকিপূর্ণ। ফিবোনাচি ক্রম প্রকৃতপক্ষে একে একে ছোট কাজগুলি পুনর্নির্মাণ করতে বাধ্য করে।

Comments

এটি একটি আকর্ষণীয় দৃষ্টিকোণ। তবে তারপরে কেন ফাইবোনাচি সিরিজের পরিবর্তে প্রাথমিক সংখ্যা 1,2,3,5,7,11, ... অনুমানের জন্য ব্যবহৃত হচ্ছে না?

— asmaier

এটি একটি দুর্দান্ত ধারণা। আসলে, এগুলি প্রায়শই এমন একটিগুলি বেছে নেওয়ার জন্য যথেষ্ট পরিমাণে ঘটে যা প্রায় [1.5-2.0] series n সিরিজ তৈরি করে। ফিবোনাচি নম্বরগুলি মাথা থেকে পুনরায় তৈরি করা স্বীকারোক্তরূপে সহজ, তবে জিরার মতো সরঞ্জামগুলি কোনও মানের সেট নির্দিষ্ট করতে দেয়।

— কিলারআইনসেক্ট

অন্য বিষয়টি অনুমানের মধ্যে দূরত্ব। বৃহত্তর সময় আপনি অনুমান কম সেখানে নিশ্চিততা কম। 3-5 এবং 5-7 এর মধ্যে একই পার্থক্য, একই নির্দিষ্টতা বোঝায়। কিন্তু আপনি যখন 8 থেকে 13 (বৃহত্তর ব্যবধান) এর মধ্যে চয়ন করতে পারেন, এটি আপনাকে সত্যই কতটা নিশ্চিত তা পরীক্ষা করতে বাধ্য করে।

— ক্রিস

@ এসমায়ার আমার মনে হয় কারণ এটি ফাইবোনাকি সংখ্যাগুলি তাত্পর্যপূর্ণ যেখানে মূল সংখ্যাগুলি ছোট ছোট নমুনার জন্য রৈখিক থাকে যা সাধারণত গল্পগুলি অনুমান করার সময় ব্যবহৃত হয়

— আইসিসি ৯9

Answer 3

মতে এই চঞ্চল ব্লগ

"কারণ এগুলি প্রায় একই হারে বেড়ে যায়, যেখানে আমরা মানুষেরা প্রস্থে অর্থবহ পরিবর্তন দেখতে পাই।"

হ্যাঁ ঠিক. আমি মনে করি কারণ এটি বৈধতার বায়ু যুক্ত করেছেন (ফিবোনাচি! গণিত!) যা সংক্ষেপে খুব উচ্চ-স্তরের, প্রাথমিক পর্যায়ে সাইজিং (স্কোপিং নয়) অনুশীলন (যার মূল্য নেই)।

তবে আপনি টি-শার্ট সাইজিং ব্যবহার করে একই ফলাফল পেতে পারেন ...

Comments

এই উত্তরটি প্রায় দুই মাস আগে @ কাজের উত্তর হিসাবে প্রায় একই (একই লিঙ্ক এবং একই উদ্ধৃতিটির উল্লেখ) is

— icc97

এই ব্যক্তিটি যেভাবে উদ্ধৃত করেছেন তা আমি সত্যিই পছন্দ করেছি। আমাকে তাত্ক্ষণিকভাবে বুঝতে বাধ্য করল।

— নিশান্তভারদ্বাজ ২০০২

Answer 4

আপনি অবশ্যই স্পষ্টীয় কিছু চান, যাতে আপনি ধ্রুবক আপেক্ষিক ত্রুটির সাথে যে কোনও পরিমাণ সময় প্রকাশ করতে পারেন। আপনার অনুমানের যথার্থতাও আপনার অনুমানের সাথে আনুপাতিক হওয়ার সম্ভাবনা খুব বেশি।

সুতরাং আপনি কিছু চান: ক) পূর্ণসংখ্যার সাথে খ) সূচকীয় গ) সহজ

এখন কেন ফিবোনাচি, 1 2 4 8 এর পরিবর্তে? আমার অনুমান যে এটি কারণ ফাইবোনাকি ধীরে ধীরে বৃদ্ধি পায়। এটি সোনারটিটিও ^ n এবং সোনারটিটিওতে = 1.61 ...

Comments

"আপনার অনুমানের যথার্থতাও আপনার অনুমানের সাথে সমানুপাতিক হওয়ার সম্ভাবনা খুব বেশি।" এটি পরিসংখ্যানগুলিতে একটি নিয়ম বা এটি সাধারণত মানুষ কিছু করে? আপনি যদি ফিবোনাচি নম্বর ব্যবহার করেন তবে আপনি ধরে নিবেন যে অনুমানের তুলনামূলক ত্রুটি f (n-1) / f (n) = 1-সুবর্ণরেটিও = 61% এর মধ্যে। সুতরাং যদি কেউ 5 টি অনুমান করে তবে লোকেরা ধরে নেয় এটি প্রায় 3 এর তুলনামূলক ত্রুটি বোঝায় তাই জটিলতায় একটি উল্লেখযোগ্য বৃদ্ধি কেবল 8 বা তত বেশি হবে। তবে আপেক্ষিক ত্রুটি কেন প্রায় 60% হিসাবে ধরে নেওয়া হচ্ছে? এটি কি কেবল থাম্বের নিয়ম?

— asmaier

আমার নিজের মন্তব্যের জবাব দিতে: মাইক কোহান (নভেম্বর 2005) "অ্যাগিল এস্টিমেটিং অ্যান্ড প্ল্যানিং" বলেছেন: "অধ্যয়নগুলি প্রমাণ করেছে যে আমরা এক মাত্রার আকারের মধ্যে পড়ে এমন জিনিসগুলির অনুমানের ক্ষেত্রে সেরা (মিরান্ডা 2001; সাটি 1996)"।

— asmaier

মিরান্দা (২০০১): "পেয়ারড তুলনা ব্যবহার করে সাবজেক্টিভ অনুমানের উন্নতি করা হয়েছে" বলেছেন: "আমি সহকর্মীদের মধ্যে একটি অনানুষ্ঠানিক সমীক্ষা চালিয়েছি; বিভিন্ন দেশ এবং শিল্প ও শিক্ষাবিদ উভয় পক্ষের 30 জন এই স্কেলের জন্য ইনপুট সরবরাহ করেছিলেন। ফলাফলগুলি ইঙ্গিত দেয় যে আকার এবং আকারের মধ্যে যোগাযোগ সফটওয়্যার ডোমেনে মৌখিক বিবরণ স্যাটির চেয়ে টেবিল 3-এ দেখানো একটির কাছাকাছি। " এবং এই টেবিলটিতে আমরা দেখতে পাই যে কোনওটি বেস আকারের 125% এবং যদি এটি বেস আকারের 175% হয় তবে "বড়" বলা হয়।

— asmaier

পরবর্তী ফিবোনাচি সংখ্যাটি পূর্ববর্তী ফিবোনাচি সংখ্যার 161%, সুতরাং এটি মিরান্ডাস সারণীতে "কিছুটা বড়" এবং "বড়" এর মধ্যে ফিট করে fits দেখে মনে হচ্ছে যে আমরা ফিবোনাকির সংখ্যাগুলি কেন ব্যবহার করি তার মূলে এই অনানুষ্ঠানিক সমীক্ষা, কারণ তাদের অনুপাতটি আমরা যদি কিছু বড় বলে বলি তবে তার অর্থের কাছাকাছি।

— asmaier

@ এসমায়ার আমার ধারণা আপনার পৃথক উত্তর হিসাবে এই মন্তব্যগুলি যুক্ত করা উচিত, তারা দুর্দান্ত, বা সম্ভবত লিঙ্কযুক্ত পিএম.এসই প্রশ্নে কারণ দুর্ভাগ্যবশত এটি বন্ধ রয়েছে।

— icc97

Answer 5

ফাইবোনাচি সিকোয়েন্সগুলি বেশ কয়েকটিগুলির মধ্যে একটি যা প্রকল্প পরিকল্পনার জুজুতে ব্যবহৃত হয়।

কাজের বড় ইউনিটগুলির সঠিকভাবে অনুমান করা কঠিন এবং যদি আপনার সংখ্যা খুব "বাস্তববাদী" হয় তবে কয়েক ঘন্টা বনাম আলোচনার মধ্যে জড়িয়ে পড়া সহজ।

আমি http://www.agilelearninglabs.com/2009/06/story-sizing-a-better-start-than-planning-poker/ এ ব্যাখ্যাটি পছন্দ করি , যথা ফিবোনাচি সিরিজ এমন সংখ্যার একটি সেট উপস্থাপন করে যা আমরা স্বজ্ঞাতভাবে পার্থক্য করতে পারি তাদের মধ্যে বিভিন্ন দৈর্ঘ্য হিসাবে।

Answer 6

আমি কয়েকটি কারণে ফিবোনাচি ব্যবহার করি:

• কাজটি বড় হওয়ার সাথে সাথে বিশদগুলি উপলব্ধি করা আরও কঠিন হয়ে যায়
• টাস্কের প্রাক্কলনটি টিমের যে কারও পক্ষে টাস্কটি সম্পন্ন করার জন্য কত ঘন্টার সংখ্যা
• দলের প্রত্যেকেরই কোনও নির্দিষ্ট কাজের জন্য সমান পরিমাণ অভিজ্ঞতা থাকবে না যাতে এটি অনিশ্চয়তাও বাড়িয়ে তোলে
• বৃহত্তর এবং সম্ভাব্য আরও জটিল কাজের জন্য মানুষের ক্লান্তি আসে। জটিল হিসাবে দ্বিগুণ কোনও কাজ কম্পিউটারের জন্য দ্বিগুণ সময়ে সমাধান করা হলেও এটি বিকাশকারীকে বেশ খানিকটা বেশি সময় নিতে পারে।

আমরা সমস্ত অনিশ্চয়তা যুক্ত করার সাথে সাথে সময়গুলি আসলে কী হওয়া উচিত সে সম্পর্কে আমরা কম নিশ্চিত। এটি সহজভাবে শেষ হয় যদি আমরা কেবল অনুমান করতে পারি যে এই কাজটি যদি অন্যের চেয়ে ছোট / ছোট হয় যেখানে আমরা ইতিমধ্যে একটি অনুমান দিয়েছি। কার্যটির আকার / জটিলতা বাড়ার সাথে সাথে অনিশ্চয়তার প্রভাবটিও প্রশস্ত করা হয়। আমি আনন্দের সাথে একটি কাজের জন্য 13 ঘন্টা আনুমানিক গ্রহণ করব যা আমি আগে 5 ঘন্টা অনুমান করেছি তার চেয়ে দ্বিগুণ বড় মনে হয়।