フィボナッチシリーズがアジャイルプランニングポーカーで使用されるのはなぜですか？ [閉まっている

Question

アジャイルソフトウェア開発におけるユーザーストーリーの相対的なサイズを推定する場合、チームのメンバーは、ユーザーストーリーのサイズを1、2、3、5、8、13、...であると推定することになっています。したがって、推定値はフィボナッチシリーズに似ている必要があります。しかし、なぜ、なぜだろうか？

の説明 http://en.wikipedia.org/wiki/planning_poker ウィキペディアでは、神秘的な文章を保持しています。

フィボナッチシーケンスを使用する理由は、より大きなアイテムの推定における固有の不確実性を反映するためです。

しかし、なぜ大きなアイテムに固有の不確実性があるべきなのでしょうか？測定が少ない場合、不確実性は高くなりません。つまり、同じストーリーを推定する人が少なくなった場合です。そして、たとえより大きな物語で不確実性が高くても、なぜそれがフィボナッチシーケンスの使用を意味するのでしょうか？数学的または統計的な理由はありますか？そうでなければ、Fibonacciシリーズを推定に使用すると、私にとっては炭素科学のように感じられます。

Answer 1

Fibonacciシリーズは、指数関数的推定スケールのほんの一例です。指数関数的なスケールが使用される理由は、情報理論から生じる。

推定から得られる情報は、推定の精度よりもはるかに遅くなります。実際、対数関数として成長します。 これが、より大きなアイテムの不確実性が高い理由です。

実際には、指数スケール（正規化）の最も最適なベース（正規化）を決定することは困難です。フィボナッチスケールに対応するベースは、最適である場合とそうでない場合があります。

数学的正当化のより詳細な説明を次に示します。 http://www.yakyma.com/2012/05/why-progrission-stimation-scale-is-so.html

Answer 2

フィボナッチシーケンスの最初の6つの数のうち、4つがプライムです。これにより、タスクを等しく小さなタスクに分解する可能性が制限され、複数の人が並行して作業することができます。そうすることで、タスクの速度がそれに取り組んでいる人の数に比例して拡大できるという誤解につながる可能性があります。 2^nシリーズは、このような問題に対して最も脆弱です。実際、フィボナッチシーケンスは、1つが小さなタスクを1つずつ再現することを強制します。

Answer 3

によると このアジャイルブログ

「彼らは私たち人間が大きさの意味のある変化を知覚できるのとほぼ同じ速度で成長するからです。」

そうだね。それは、彼らが正当性の空気（フィボナッチ！数学！）を、本質的に非常に高レベルの初期段階のサイジング（スコープではなく）エクササイズ（価値を持つ）に追加するからだと思います。

しかし、Tシャツのサイジングを使用して同じ結果を得ることができます...

Answer 4

一定の相対エラーであらゆる時間を表現できるように、間違いなく指数関数的なものが必要です。推定の精度も同様に、推定に比例する可能性が非常に高いです。

だからあなたは何かが欲しい：a）整数でb）指数関数c）簡単

さて、なぜフィボナッチ、1 2 4 8？私の推測では、それはフィボナッチがゆっくりと成長するからだと思います。 Goldratio^n、Goldratio = 1.61にあります...

Answer 5

フィボナッチシーケンスは、プロジェクト計画ポーカーで使用されているいくつかの1つにすぎません。

大規模な作業単位を正確に推定することは困難であり、数日で数時間で停止するのは簡単です。

私は説明が好きです http://www.agilelearninglabs.com/2009/06/story-sizing-a-better-start-than-planning-poker/, 、つまり、フィボナッチシリーズは、それらを異なる大きさとして直感的に区別できる数値のセットを表しています。

Answer 6

いくつかの理由でフィボナッチを使用しています。

• タスクが大きくなるにつれて、詳細は把握するのがより困難になります
• タスクの見積もりは、チーム内の誰でもタスクを完了する時間数です
• チームの全員が特定のタスクに対して同じ量の経験を持っているわけではないので、不確実性も増加します
• 人間は、より大きく、潜在的により複雑なタスクよりも疲労を獲得します。複雑な2倍のタスクは、コンピューターの2倍の時間で解決されますが、開発者にとってはかなり時間がかかる場合があります。

すべての不確実性を合計すると、実際に時間がどうあるべきかはわかりません。このタスクが既に見積もりを行った別のタスクよりも大きい/小さいかどうかを測定できる場合、最終的に簡単になります。タスクのサイズ/複雑さを上げると、不確実性の効果も増幅されます。私は、以前に5時間と推定されていたタスクの2倍のタスクについて、13時間の見積もりを喜んで取るでしょう。