Numéro de priorité de risque (RPN)

La démonstration automatique de théorèmes (DAT) est une branche de l'informatique et de la logique mathématique qui consiste à démontrer des théorèmes mathématiques à l'aide de programmes informatiques. Les systèmes de DAT, ou démonstrateurs, utilisent le raisonnement logique pour déduire de nouveaux théorèmes à partir d'un ensemble d'axiomes et d'hypothèses. Ils se distinguent des assistants de preuve, qui nécessitent une intervention humaine plus importante, bien que les deux domaines présentent des similitudes significatives.

Les techniques de vérification sont généralement classées en deux catégories : statique et dynamique. La vérification statique (ou analyse statique) examine le code ou la conception du système sans l'exécuter. Les exemples incluent les revues de code, les inspections et les outils d'analyse statique automatisés. La vérification dynamique (ou test) implique l'exécution du système avec un ensemble d'entrées et l'observation de son comportement pour trouver les défauts. Ces deux méthodes sont complémentaires pour une assurance qualité complète.

Les systèmes temps réel sont classés en deux catégories : « durs » et « souples », selon les conséquences d’un non-respect d’une échéance. Dans un système temps réel dur, le non-respect d’une échéance entraîne une défaillance totale du système, comme dans le cas d’un système de freinage antiblocage (ABS). Dans un système temps réel souple, le non-respect d’une échéance provoque une dégradation des performances, mais pas de défaillance catastrophique, comme dans le cas de la diffusion audio-vidéo en direct.

L'ordonnancement à fréquence monotone (RMS) est un algorithme d'ordonnancement à priorité statique pour les tâches périodiques dans un système temps réel. Il attribue les priorités en fonction de la fréquence des tâches : plus la période d'une tâche est courte (plus sa fréquence est élevée), plus sa priorité est élevée. RMS est un algorithme à priorité statique optimal ; autrement dit, si tout algorithme à priorité statique peut ordonnancer un ensemble de tâches, RMS le peut également. La capacité d'ordonnancement peut être vérifiée à l'aide d'un test basé sur le taux d'utilisation.

Modèle de régression pour une variable dépendante catégorique, généralement binaire. Au lieu de modéliser directement le résultat, il modélise la probabilité du résultat à l'aide de la fonction logistique (sigmoïde). Le modèle prédit le log-odds de l'événement comme une combinaison linéaire des variables indépendantes : [latex]\ln(\frac{p}{1-p}) = \beta_0 + \beta_1 x_1 + \dots + \beta_p x_p[/latex], où p est la probabilité de l'événement.

L'algorithme de Metropolis-Hastings est une méthode MCMC reconnue pour générer une séquence d'échantillons aléatoires à partir d'une distribution de probabilité pour laquelle l'échantillonnage direct est difficile. À chaque itération, il génère un candidat pour l'échantillon suivant à partir de l'échantillon courant. Ce candidat est ensuite accepté ou rejeté avec une certaine probabilité, garantissant ainsi la convergence de la chaîne vers la distribution souhaitée.

L'abstraction en POO consiste à masquer les détails complexes de l'implémentation et à n'afficher que les fonctionnalités essentielles de l'objet. Elle se concentre sur ce que fait un objet plutôt que sur la manière dont il le fait. Ce résultat est obtenu grâce à des classes et des interfaces abstraites, qui définissent un plan pour d'autres classes sans fournir d'implémentation complète, simplifiant ainsi les systèmes complexes.

Les sept outils de base de la qualité constituent un ensemble de techniques graphiques identifiées par Kaoru Ishikawa pour résoudre les problèmes liés à la qualité. Ces outils sont : le diagramme de causes à effets (arête de poisson), la feuille de contrôle, la carte de contrôle, l'histogramme, le diagramme de Pareto, le diagramme de dispersion et la stratification (souvent présentée sous forme d'organigramme). Ils sont considérés comme « de base » car ils sont simples à utiliser et ne nécessitent qu'une formation statistique minimale.

Le modèle en cascade est un processus de développement logiciel séquentiel et non itératif, où la progression s'effectue de manière progressive (comme une cascade) à travers différentes phases : conception, lancement, analyse, design, construction, tests, déploiement et maintenance. Chaque phase doit être entièrement achevée avant de passer à la suivante. Il est souvent comparé aux modèles itératifs pour souligner leur flexibilité.

Le schéma de blocs de récupération est une technique de tolérance aux pannes logicielles basée sur la diversité de conception et la récupération d'erreurs par rétroaction. Il structure un programme en une série de blocs, chacun comprenant un module principal, un test d'acceptation et un ou plusieurs modules alternatifs. Si la sortie du module principal échoue au test d'acceptation, l'état du système est restauré et un module alternatif est exécuté.