चंचल नियोजन पोकर में फाइबोनैचि श्रृंखला का उपयोग क्यों किया जाता है? [बन्द है]

Question

चुस्त सॉफ्टवेयर विकास में उपयोगकर्ता कहानियों के सापेक्ष आकार का आकलन करते समय टीम के सदस्यों को उपयोगकर्ता की कहानी का आकार 1, 2, 3, 5, 8, 13, ... होने का अनुमान लगाया जाता है। तो अनुमानित मूल्यों को फिबोनाची श्रृंखला जैसा दिखना चाहिए। लेकिन मुझे आश्चर्य है, क्यों?

विकिपीडिया पर http://en.wikipedia.org/wiki/Planning_poker का वर्णन रहस्यमय वाक्य रखता है:

फाइबोनैचि अनुक्रम का उपयोग करने का कारण बड़ी वस्तुओं के आकलन में निहित अनिश्चितता को प्रतिबिंबित करना है।

लेकिन बड़ी वस्तुओं में अंतर्निहित अनिश्चितता क्यों होनी चाहिए? क्या अनिश्चितता अधिक नहीं है, अगर हम कम माप करते हैं, जिसका अर्थ है कि कम लोग एक ही कहानी का अनुमान लगाते हैं? और भले ही अनिश्चितता बड़ी कहानियों में अधिक हो, फिर भी वह फिबोनाची अनुक्रम का उपयोग क्यों करती है? क्या इसका कोई गणितीय या सांख्यिकीय कारण है? अन्यथा अनुमान के लिए फाइबोनैचि श्रृंखला का उपयोग करना मुझे कार्गोस्कूल विज्ञान की तरह लगता है।

Comments

शायद सिर्फ इसलिए कि फाइबोनैचि अनुक्रम "शांत" है। कोई भी संभावित अनुक्रम काम करेगा। 2^nसंख्याओं को बहुत दूर रख सकते हैं, इसलिए फिबोनाची अनुक्रम का उपयोग क्यों न करें, जो इसके बारे में है c*phi^n?

— 14

'कूल है' के लिए +1। मैंने प्रोग्रामर के साथ काम किया है, जो हमेशा फिबोनाची में विषमताओं को आगे बढ़ाना चाहता था - यह हमेशा उनकी 'बात' था

— केविनडिम

pm.stackexchange.com/questions/4251/…

— HA

यह प्रश्न ऑफ़-टॉपिक प्रतीत होता है क्योंकि यह किस बारे में है ...?

— Adriano Repetti

Answer 1

फिबोनाची श्रृंखला एक घातीय आकलन पैमाने का सिर्फ एक उदाहरण है। एक्सपोनेंशियल स्केल का उपयोग करने का कारण सूचना सिद्धांत से आता है।

अनुमान से बाहर निकलने वाली जानकारी अनुमान की शुद्धता की तुलना में बहुत धीमी हो जाती है। वास्तव में यह एक लघुगणक समारोह के रूप में बढ़ता है। यह बड़ी वस्तुओं के लिए उच्च अनिश्चितता का कारण है।

घातीय पैमाने (सामान्यीकरण) का सबसे इष्टतम आधार निर्धारित करना अभ्यास में मुश्किल है। फाइबोनैचि पैमाने के अनुरूप आधार इष्टतम हो सकता है या नहीं भी हो सकता है।

यहाँ गणितीय औचित्य का अधिक विस्तृत विवरण दिया गया है: http://www.yakyma.com/2012/05/why-progressive-estimation-scale-is-so.html

Comments

यह एक गहरी व्याख्या है जिसकी मैं उम्मीद कर रहा था। इस उत्तर के लिए धन्यवाद।

— asmaier

"ए] थोड़ा अनुमान प्रयास बहुत मदद करता है और [ए] बड़ा अनुमान प्रयास थोड़ा मदद करता है" महान लेख

— पीटीआईएम

Answer 2

फाइबोनैचि अनुक्रम के पहले छह नंबरों में से चार प्रमुख हैं। यह कई लोगों को समानांतर में उस पर काम करने के लिए छोटे कार्यों में समान रूप से एक कार्य को तोड़ने की संभावनाओं को सीमित करता है। ऐसा करने से गलतफहमी पैदा हो सकती है कि किसी कार्य की गति आनुपातिक रूप से उस पर काम करने वाले लोगों की संख्या के साथ हो सकती है। 2 ^ n श्रृंखला ऐसी समस्या के लिए सबसे अधिक असुरक्षित है। वास्तव में फाइबोनैचि अनुक्रम एक के बाद एक छोटे कार्यों को फिर से अनुमान लगाने के लिए मजबूर करता है।

Comments

यह एक दिलचस्प बात है। लेकिन फिर प्राइम संख्या 1,2,3,5,7,11 की श्रृंखला क्यों नहीं है, ... फाइबोनैचि श्रृंखला के बजाय अनुमान लगाने के लिए उपयोग किया जाता है?

— asmaier

यह एक उत्कृष्ट विचार है। वास्तव में, वे अक्सर केवल उन लोगों को लेने के लिए पर्याप्त होते हैं जो लगभग एक [1.5-2.0] ^ n श्रृंखला बनाते हैं। फाइबोनैचि संख्याओं को सिर से दोबारा बनाना आसान है, लेकिन JIRA जैसे उपकरण मूल्यों के किसी भी सेट को निर्दिष्ट करने की अनुमति देते हैं।

— किलरआईनेक्ट्स

अन्य बिंदु अनुमानों के बीच की दूरी है। जितना बड़ा समय आप कम निश्चितता का अनुमान लगा रहे हैं। 3-5 और 5-7 के बीच एक ही अंतर है, एक ही निश्चितता को लागू करना। लेकिन जब आपको 8 और 13 (एक बड़ा अंतर) के बीच चयन करना होता है, तो यह आपको वास्तव में यह जांचने के लिए मजबूर करता है कि आप कितने निश्चित हैं।

— क्रिस

@ चमेली मुझे लगता है कि यह इसलिए है क्योंकि रिट्रेसमेंट नंबर एक्सपोनेंशियल हैं जहां प्राइम नंबर छोटे सैंपल के लिए लीनियर होते हैं जो आमतौर पर कहानियों का अनुमान लगाते समय इस्तेमाल किया जाता है

— icc97

Answer 3

इस फुर्तीले ब्लॉग के अनुसार

"क्योंकि वे उसी दर से बढ़ते हैं जिस पर हम मनुष्य परिमाण में सार्थक परिवर्तन देख सकते हैं।"

हाँ सही। मुझे लगता है कि ऐसा इसलिए है क्योंकि वे वैधता (फाइबोनैचि! गणित!) की एक हवा को जोड़ते हैं, जो कि एक बहुत ही उच्च-स्तरीय, प्रारंभिक-चरणीय आकार (स्कोपिंग नहीं) व्यायाम है (जिसका मूल्य है)।

लेकिन आप टी-शर्ट के आकार का उपयोग करके समान परिणाम प्राप्त कर सकते हैं ...

Comments

यह उत्तर लगभग ठीक वैसा ही है (उसी लिंक और उसी उद्धरण का संदर्भ) जैसा कि दो महीने पहले @ काज से आया था।

— icc97

जिस तरह से इस व्यक्ति ने इसे उद्धृत किया वह मुझे बहुत पसंद आया। मुझे तुरन्त समझ में आया।

— निशांत भारद्वाज २००२

Answer 4

आप निश्चित रूप से कुछ घातीय चाहते हैं, ताकि आप किसी निरंतर सापेक्ष त्रुटि के साथ किसी भी समय व्यक्त कर सकें। आपके अनुमान की सटीकता के साथ-साथ आपके अनुमान के आनुपातिक होने की भी बहुत संभावना है।

तो आप कुछ चाहते हैं: ए) पूर्णांक के साथ बी) घातीय ग) आसान

अब 1 के बजाय फिबोनाची क्यों, 1 2 4 8? मेरा अनुमान है कि यह इसलिए है क्योंकि रिट्रेसमेंट धीमी गति से बढ़ता है। यह Goldratio ^ n, और Goldratio = 1.61 में है ...

Comments

"आपके अनुमान की सटीकता और आपके अनुमान के समानुपाती होने की संभावना है।" क्या यह आँकड़ों में एक नियम है या यह कुछ सामान्य रूप से मनुष्य करते हैं? यदि आप फाइबोनैचि संख्याओं का उपयोग करते हैं, तो आप मानते हैं, कि अनुमान की सापेक्ष त्रुटि f (n-1) / f (n) = 1-goldenratio = 61% है। इसलिए यदि कोई 5 अनुमान लगाता है, तो लोग मानते हैं कि यह लगभग 3 की सापेक्ष त्रुटि है, इसलिए जटिलता में उल्लेखनीय वृद्धि केवल 8 या अधिक होगी। हालाँकि, सापेक्ष त्रुटि को लगभग 60% क्यों माना जाता है? क्या यह सिर्फ अंगूठे का एक नियम है?

— asmaier

मेरी खुद की टिप्पणी का जवाब देने के लिए: माइक कोहन (नवंबर 2005)। "एजाइल एस्टिमेटिंग एंड प्लानिंग" कहता है: "अध्ययनों से पता चला है कि हम परिमाण के एक क्रम के भीतर आने वाली चीजों का अनुमान लगाने में सबसे अच्छे हैं (मिरांडा 2001; सैटी 1996)"।

— asmaier

मिरांडा (2001): "बेहतर तुलनात्मक अनुमानों का उपयोग युग्मित तुलनाओं का उपयोग करना" कहता है: "मैंने सहकर्मियों के बीच एक अनौपचारिक सर्वेक्षण किया। विभिन्न देशों के 30 लोगों और उद्योग और अकादमियों दोनों ने पैमाने के लिए इनपुट प्रदान किया। परिणाम बताते हैं कि आकार और के बीच पत्राचार। सॉफ़्टवेयर डोमेन में मौखिक विवरण तालिका 3 में दिखाए गए सेटी के मुकाबले करीब है। " और इस तालिका में हम देखते हैं कि किसी चीज को "थोड़ा बड़ा" कहा जाता है यदि यह आधार आकार का 125% है और इसे "बड़ा" कहा जाता है, यदि यह आधार आकार का 175% है।

— अस्माइर

अगली फाइबोनैचि संख्या पूर्व फाइबोनैचि संख्या का 161% है, इसलिए यह मिरांडा तालिका में "थोड़ा बड़ा" और "बड़ा" के बीच फिट बैठता है। ऐसा लगता है कि यह अनौपचारिक सर्वेक्षण इस बात की जड़ है कि हम फाइबोनैचि संख्याओं का उपयोग क्यों करते हैं, क्योंकि उनका अनुपात हमारे मतलब के करीब है यदि हम कहते हैं कि कुछ बड़ा है।

— asmaier

@ चमेली मुझे लगता है कि आपको इन टिप्पणियों को एक अलग उत्तर के रूप में जोड़ना चाहिए, वे उत्कृष्ट हैं, या शायद जुड़े हुए पीएम पर भी सवाल उठाते हैं। क्योंकि यह दुर्भाग्य से बंद है।

— icc97

Answer 5

फाइबोनैचि अनुक्रम कई में से एक है जो परियोजना नियोजन पोकर में उपयोग किया जाता है।

काम की बड़ी इकाइयों का सटीक अनुमान लगाना मुश्किल है और घंटों बनाम दिनों की चर्चाओं में फंसना आसान है अगर आपकी संख्या बहुत अधिक "यथार्थवादी" है।

मुझे http://www.agilelearninglabs.com/2009/06/story-sizing-a-better-start-than-planning-poker/ पर स्पष्टीकरण पसंद है , अर्थात फिबोनाची श्रृंखला संख्याओं के एक समूह का प्रतिनिधित्व करती है जिसे हम सहज रूप से अलग कर सकते हैं। उनके बीच विभिन्न परिमाण के रूप में।

Answer 6

मैं कुछ कारणों से फिबोनाची का उपयोग करता हूं:

• जैसे-जैसे कार्य बड़ा होता जाता है, विवरणों को समझना और अधिक कठिन होता जाता है
• टास्क का अनुमान टीम में किसी को भी काम पूरा करने के लिए घंटों की संख्या है
• टीम में सभी को किसी विशेष कार्य के लिए समान अनुभव नहीं होगा, ताकि अनिश्चितता भी बढ़े
• मानव को बड़े और संभावित रूप से अधिक जटिल कार्य पर थकान होती है। जबकि कंप्यूटर के लिए दो बार के रूप में जटिल कार्य दो बार में हल किया जाता है, यह एक डेवलपर के लिए काफी अधिक लग सकता है।

जैसा कि हम सभी अनिश्चितताओं को जोड़ते हैं, हम कम निश्चित होते हैं कि वास्तव में घंटे क्या होने चाहिए। यह आसान हो जाता है अगर हम सिर्फ यह अनुमान लगा सकते हैं कि यह कार्य एक दूसरे से बड़ा / छोटा है जहां हमने पहले ही अनुमान लगा दिया था। जैसा कि हम कार्य के आकार / जटिलता को अनिश्चितता के प्रभाव को बढ़ाते हैं। मैं खुशी से एक कार्य के लिए 13 घंटे का अनुमान लगा रहा हूं, जो कि पहले से 5 घंटे के अनुमान के अनुसार दोगुना है।