博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
CMMI L3学习考核基础试题(测试类)
阅读量:2068 次
发布时间:2019-04-29

本文共 1283 字,大约阅读时间需要 4 分钟。

CMMI L3学习考核基础试题(测试类)

姓名:                     部门:                    

一、    单项选择题

(1)CMMI L3中与测试直接相关的过程域(PA)有(          )。

A、PP(项目策划)B、CM(配置管理) C、验证(VER)与确认(VAL)D、OT

(2)验证(VER)过程域中,执行验证主要有两种方法,一种是同行评审,另一种是(         )

A、系统设计      B、项目监控          C、软件测试     D、技术评审

(3)小明是某项目经理,项目实施后期,项目组需要和用户确定项目初步验收方案,为保证该性能得到验证,项目组经过研究给出一个完整的测试方案(用例),并得到用户认可。项目组所做的工作与CMMI模型(         )过程域有关。

A. PI             B.VER               C、 VAL         D、TS

(4)以下属于确认(VAL)过程域的是(         )

A、单元测试  B、集成测试  C、系统测试  D、验收测试(或用户接受测试UAT)

(5)在实际测试过程中,随着测试的深入以及测试人员对业务的熟悉,测试所发现的缺陷越来越多,但是在达到一定的峰值后,测试发现的缺陷会逐渐减少,这个过程一般称为(             ),通常也作为度量系统整体质量的参考标准。

A、瀑布模型       B、缺陷收敛趋势       C、V模型        D、W模型

二、    填空题(每空只须填写一项)

(1)   在测试用例设计时,为了确保测试执行时便于判断该项功能正确与否,测试用例中必须包含(             )。

(2)   测试执行阶段,一般需要将发现的问题(Bug)进行记录并提交相关人员进行修复,该阶段需要输出的工作产品是(             )。

(3)   系统测试通过与否,一般常用的度量有严重等级缺陷对应的缺陷修复率,那么缺陷修复率等于(                                        )

(4)   A君是做软件设计的,B君也是做软件设计的,A君写了一份设计文档,让B君这个同行(也是做设计的)来给出意见,这就是(             )。

(5)系统测试结束后,一般都需要对本次测试进行总结,并形成文档,即文档中需要描述测试通过与否,还存在哪些遗留问题等,那么该工作产品(或文档)是(              )。

三、判断题(正确的请在括号内打√,错误的请在括号内打×)

(1)CMMI中验证(VER)和确认(VAL)区别是:前者确保做的东西是正确的,即从开发方的角度,检查所作的工作产品是否符合相关的需求;后者确保做了正确的东西,即从用户的角度,检查最终的工作产品是否满足用户的需求。(        )

(2)同行评审关注的不是工作产品,而是评审其生产者。(        )

(3)一般来说,单元测试、集成测试、系统测试都属于验证(VER)工作。(       )

(4)验证(VER)就是按照既定的标准,检查工作产品是否符合要求,工作产品可能是文档也可能是软件本身。(        )

(5)同行评审的目的就是让有同样工作经验和技能的人来评审自己的工作产品,发现尽量多的问题。(        )  

四、简答题

1、请简要描述在实际项目中缺陷(Bug)是如何处理的(即缺陷的完整生命周期),并画出缺陷状态转换图。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2、请结合自己的实际工作,简要描述系统测试流程及每个阶段需要输出的工作产品。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3、测试计划中一般包含哪些内容,请结合实际工作简要描述。

 

 

 

 

 

 

 

 

 

 

4、缺陷记录一般必须包含哪些内容,请简要描述。

 

转载地址:http://gtdmf.baihongyu.com/

你可能感兴趣的文章
用一个小例子理解 seq2seq 的本质
查看>>
双向 LSTM-CRF 实现命名实体识别
查看>>
序列模型实现词性标注
查看>>
双向 RNN 识别手写数字
查看>>
Peephole LSTM、GRU 实战
查看>>
LSTM 的几种改进方案
查看>>
用 word2vec 进行文档聚类
查看>>
详解 GloVe 的原理和应用
查看>>
word2vec:基于层级 softmax 和负采样的 Skip-Gram
查看>>
word2vec:基于层级 softmax 和负采样的 CBOW
查看>>
用 RNN 建立语言模型
查看>>
LSTM 三重门背后的故事
查看>>
具有记忆能力的 RNN
查看>>
TensorFlow 2.0 Alpha 实用教程
查看>>
一文掌握 Keras
查看>>
一文掌握 TensorFlow 基础
查看>>
一文了解深度学习
查看>>
深度学习在自然语言处理中的应用全景图-下
查看>>
深度学习在自然语言处理中的应用全景图-上
查看>>
导读:如何通关自然语言处理面试
查看>>