CMMI四级里面对风险的量化分析，和基于量化数据的改进是很重视的。前面我们谈到过当我们确定要改进一个目标的时候，比如缺陷密度DD，我们首先要确定有哪些因子会影响到缺陷密度，分析出来后需要根据历史数据进行相关性分析，分析完成后即可以建立起PPM的预测模型。比如我们可以得到关于缺陷密度的预测模型为:
Defect Density = 389 + 2.12RV + 5.32DC – 24.1QC
RV - 需求的不稳定性。
DC - 设计的复杂度。
QC - 评审和Review等坚持工作的有效性。
有了这个模型后，我们就可以结合我们的目标来寻找如何去改进。比如我们现在的目标是期望在90%的概率的情况下，缺陷密度都能够控制在<0.35的范围内。根据现在的历史数据我们可以得到如下的各个因子的分布区间:
有了这个数据后我们就可以按照水晶球软件对我们期望的DD值进行蒙特卡洛模拟。该软件的下载地址为:http://www.crystalball.com/。我们只需要对三个影响因子的概率分布进行简单的设置，对需要模拟的目标进行设置后，系统就会自动的根据概率分布进行1000次的模拟。通过模拟后我们可以得到下图:
Defect Density = 389 + 2.12RV + 5.32DC – 24.1QC
RV - 需求的不稳定性。
DC - 设计的复杂度。
QC - 评审和Review等坚持工作的有效性。
有了这个模型后，我们就可以结合我们的目标来寻找如何去改进。比如我们现在的目标是期望在90%的概率的情况下，缺陷密度都能够控制在<0.35的范围内。根据现在的历史数据我们可以得到如下的各个因子的分布区间:
有了这个数据后我们就可以按照水晶球软件对我们期望的DD值进行蒙特卡洛模拟。该软件的下载地址为:http://www.crystalball.com/。我们只需要对三个影响因子的概率分布进行简单的设置，对需要模拟的目标进行设置后，系统就会自动的根据概率分布进行1000次的模拟。通过模拟后我们可以得到下图: