在黑客新闻上，我发现了一篇非常有趣的文章，其中作者建议使用Petersen-Lincoln 方法，生物学家使用该方法来计算鸟类、猴子和其他动物的数量，以便在应用程序中*击鼓*计数错误。
方法很简单，我们取两个鸟类学家，他们发现特定物种的鸟类，它们的任务是“确定这些鸟类的种群规模。两位鸟类学家对发现的鸟类进行标记，然后计算常见鸟类的数量，代入林肯指数公式，即可得出大致的种群规模。
现在开始申请——方法也很简单，我们进行了两次 QA，他们发现了应用程序中的 bug。假设一位测试人员发现了 10 个错误 (E1)，第二位测试人员发现了 20 个错误 (E2)，现在我们计算错误总数 – 3 (S)，然后使用公式我们得到林肯指数：
这是对整个应用程序中错误数量的预测，在给出的示例中大约有 66 个错误。
Swift 示例
我已经实现了一个测试平台来测试该方法，你可以在这里看到它：
https://paiza.io/projects/AY_9T3oaN9a-xICAx_H4qw?language=swift
可以更改的参数：
让 aliceErrorFindProbability = 20 – QA Alice 发现的错误百分比 (20%)
让 bobErrorFindProbability = 60 – QA Bob 发现的错误百分比 (60%)
让实际BugsCount = 200 –应用程序中到底有多少错误
在上次运行中我收到了以下数据：
估计错误数：213
实际错误数：200
也就是说，应用程序中有 200 个 bug，林肯指数给出了预测“200 个 bug”。 213：
“Alice 发现了 36 个错误”
“鲍勃发现了 89 个错误”
“常见错误数量：15”
—
估计错误数：213
实际错误数：200
弱点
此方法可用于评估应用程序在开发的各个阶段的错误数量；理想情况下，错误数量应该减少。 该方法的弱点包括人为因素，因为两个测试人员发现的错误数量应该不同，并且发现了不同的错误，但是 必须找到常见的，否则该方法将不起作用（零常见错误–被零除）< br/>此外，诸如常见错误这样的概念需要专家在场才能理解其共性。
来源
还有多少错误需要查找？ –约翰·库克博士，总裁
The thrill of the chase – Brian Hayes
源代码
https://paiza.io/projects/AY_9T3oaN9a-xICAx_H4qw ?语言=swift
https://gitlab.com/demensdeum/statistics/tree/master/1_BugsCountEstimation/src
