正交试验设计法设计测试用例
测试用例的设计技术有哪些内容
测试用例的设计技术有哪些内容测试用例的设计技术是软件测试中非常重要的一环，它直接影响到测试的覆盖率和测试效果。
在测试用例的设计过程中，我们需要考虑多种因素和技术，以确保测试用例的全面性和有效性。
下面将介绍一些常见的测试用例设计技术。
1. 等价类划分法等价类划分法是一种常用的测试用例设计技术，它将输入域划分为多个等价类，并从每个等价类中选取一个典型值作为测试用例。
这样可以有效地减少测试用例的数量，同时覆盖到不同的等价类。
2. 边界值分析法边界值分析法是一种基于输入域的测试用例设计技术，它主要关注输入域的边界值。
通过选取输入域的边界值作为测试用例，可以更好地发现输入域的异常情况。
3. 判定表方法判定表方法是一种基于决策表的测试用例设计技术，它将软件的决策规则表示为一个判定表，并根据判定表来生成测试用例。
这种方法可以有效地覆盖到不同的决策路径，提高测试的效果。
4. 状态转换法状态转换法是一种基于状态机的测试用例设计技术，它将软件系统的状态和状态之间的转换关系表示为一个状态转换图，并从图中选取测试用例。
这种方法可以覆盖到不同的状态和状态转换路径。
5. 错误推测法错误推测法是一种基于错误假设的测试用例设计技术，它假设软件系统中可能存在的错误，并据此设计测试用例。
这种方法可以帮助测试人员主动发现软件系统中的潜在问题。
6. 场景法场景法是一种基于用户场景的测试用例设计技术，它以用户的使用场景为基础，设计测试用例。
这种方法可以更好地模拟用户的实际使用情况，提高测试的真实性和有效性。
7. 成对测试法成对测试法是一种基于组合测试的测试用例设计技术，它将可能的输入值组合成不同的测试用例，并进行测试。
这种方法可以有效地发现输入值之间的交互问题。
8. 正交试验法正交试验法是一种基于正交表的测试用例设计技术，它根据测试目标和测试需求，选取合适的正交表，并从表中选取测试用例。
这种方法可以有效地减少测试用例的数量，同时覆盖到不同的测试需求。
测试用例设计方法正交试验法详解
测试用例设计方法--正交试验法详解正交试验法介绍正交试验法是研究多因素、多水平的一种试验法，它是利用正交表来对试验进行设计，通过少数的试验替代全面试验，根据正交表的正交性从全面试验中挑选适量的、有代表性的点进行试验，这些有代表性的点具备了“均匀分散，整齐可比”的特点。
正交表是一种特制的表格，一般用L n (m k)表示，L 代表是正交表，n 代表试验次数或正交表的行数，k 代表最多可安排影响指标因素的个数或正交表的列数，m 表示每个因素水平数，且有n=k*(m-1)+1。
正交表的特点正交表具有以下两个特点。
正交表必须满足这两个特点，有一条不满足，就不是正交表。
每列中不同数字出现的次数相等。
这一特点表明每个因素的每个水平与其它因素的每个水平参与试验的几率是完全相同的，从而保证了在各个水平中最大限度地排除了其它因素水平的干扰，能有效地比较试验结果并找出最优的试验条件。
在任意2列其横向组成的数字对中，每种数字对出现的次数相等。
这个特点保证了试验点均匀地分散在因素与水平的完全组合之中，因此具有很强的代表性。
使用正交试验法的原因对于单因素或两因素试验，因其因素少，试验的设计、实施与分析都比较简单。
但在实际工作中，常常需要同时考察3个或3个以上的试验因素，若进行全面试验，试验的规模很大，由于时间和成本的限制我们不可能进行全面试验，但是具体挑其中的哪些测试用例进行测试我们心里拿不准，总担心不做不挑选的那些测试用例会遗漏一些严重缺陷。
为了有效的、合理地减少测试的工时与费用，我们利用正交试验法来设计测试用例。
正交试验法就是安排多因素试验、寻求最优水平组合的一种高效率的试验设计方法。
我们用测试实例来进行说明使用正交试验法设计测试用例的好处。
测试需求：某所大学通信系共2个班级，刚考完某一门课程，想通过“性别”、“班级”和“成绩”这三个查询条件对通信系这门课程的成绩分布，男女比例或班级比例进行人员查询： 根据“性别”=“男，女”进行查询 根据“班级”=“1班，2班”查询 根据“成绩”=“及格，不及格”查询按照传统设计——全部测试分析上述测试需求，有3个被测元素，被测元素我们称为因素，每个因素有两个取值，我们称之为水平值，所以全部测试用例个数是2*2*2=8，参见下表序号性别班级成绩1女1班及格2女1班不及格3女2班及格4女2班不及格5男1班及格6男1班不及格7男2班及格8男2班不及格利用正交表设计测试用例，我们得到的测试用例个数是n=3*(2-1)+1=4，对于三因素两水平的刚好有L4(23)的正交表可以套用，于是用正交表试验法得出4个测试用例如下：序号性别班级成绩1女1班及格2女2班不及格3男1班不及格4男2班及格根据实际需要可以在用正交试验法设计用例的基础上补充一些测试用例。
正交测试用例
正交测试用例什么是正交测试正交测试是一种软件测试方法，旨在减少测试用例的数量，同时确保对系统的全面覆盖。
它通过选择一组关键参数的不同取值组合来进行测试，并验证系统对这些参数的组合的响应是否正确。
正交测试可以帮助我们在有限的资源下尽可能多地发现软件中存在的问题。
正交测试用例的设计原则在设计正交测试用例时，我们需要遵循以下原则：1.独立性：每个参数都应该独立于其他参数，以确保每个参数的变化都能够被有效地检测到。
2.边界值：选择恰当的边界值来覆盖参数可能出现的各种情况。
3.组合覆盖：选取不同参数组合来验证系统对不同情况下的响应。
正交测试用例设计步骤设计正交测试用例通常包括以下步骤：1.确定被测系统中需要进行正交测试的关键参数。
这些参数可以是影响系统功能、性能或稳定性的因素。
2.为每个关键参数确定其可能取值范围，并标记出各个取值。
3.使用正交表格或图形工具来生成所有可能组合。
正交表格是一种以表格形式呈现参数组合的工具，它可以帮助我们快速生成测试用例。
4.根据生成的正交表格，为每个组合设计测试用例，并记录下预期结果。
5.执行测试用例，并验证实际结果是否符合预期。
正交测试用例的示例假设我们正在开发一个在线购物系统，其中有以下几个关键参数需要进行正交测试：1.用户类型：普通用户、VIP用户、管理员2.支付方式：支付宝、微信支付、银行卡支付3.商品类型：电子产品、家居用品、食品饮料根据上述参数，我们可以使用一个2^3正交表格来生成所有可能的组合：用户类型支付方式商品类型普通用户支付宝电子产品用户类型支付方式商品类型普通用户微信支付家居用品普通用户银行卡支付食品饮料VIP用户支付宝家居用品VIP用户微信支付食品饮料VIP用户银行卡支付电子产品管理员支付宝食品饮料管理员微信支付电子产品管理员银行卡支付家居用品根据上述正交表格，我们可以设计以下测试用例：1.测试用例1：–用户类型：普通用户–支付方式：支付宝–商品类型：电子产品预期结果：用户成功使用支付宝购买了电子产品。
用正交实验法设计测试用例
用正交实验法设计测试用例正交实验法是一种高效的测试用例设计方法，通过设计一组合理的测试用例，可以最大限度地发现软件系统的缺陷。
正交实验法的基本原理是将多个因素进行组合，并通过对每个因素进行两个或多个不同取值的变化，来设计测试用例。
下面将详细介绍正交实验法的应用和测试用例设计。
一、正交实验法的基本原理正交实验法是一种通过有限次数的测试用例来探索软件系统中各种参数之间相互作用的方法。
它通过将所有可能的参数值组合成测试用例，以便快速而有效地发现潜在的错误。
正交实验法的基本原理是将多个因素进行组合，并通过对每个因素进行两个或多个不同取值的变化，来设计测试用例。
这样就可以有效地测试出各个因素之间的相互影响，同时减少测试用例的数量。
二、正交实验法的应用正交实验法可以用于以下场景：1.系统参数设置：在软件系统中，有很多参数需要设置。
通过正交实验法，可以找出参数设置对系统性能的影响，从而找到最佳的参数组合。
2.软件功能测试：在软件开发的过程中，有很多不同的功能需要测试。
通过正交实验法，可以设计一组测试用例，快速发现各个功能之间的问题。
3.用户界面测试：用户界面是软件系统中重要的组成部分，需要进行充分的测试。
通过正交实验法，可以设计出一组合理的测试用例，覆盖用户界面的各个组件和功能。
4.性能测试：在进行性能测试时，往往需要测试多个因素对系统性能的影响。
通过正交实验法，可以有效地设计一组测试用例，从而全面地测试出系统的性能。
三、正交实验法的测试用例设计步骤正交实验法的测试用例设计步骤如下：1.确定待测试的因素：根据测试的目标和需求，确定待测试的因素。
例如，系统参数设置、软件功能等。
2.确定每个因素的不同取值：对于每个因素，确定该因素的不同取值。
例如，系统参数设置的因素可以是参数A、参数B等，每个参数可以有不同的取值。
3.根据正交实验法表格设计测试用例：根据正交实验法表格，将待测因素填入相应的列，填入所有的可能取值。
正交测试用例
正交测试用例1. 什么是正交测试用例？正交测试用例是一种软件测试设计技术，旨在减少测试用例的数量，同时保证对系统的全面覆盖。
它利用正交表的原理，将多个因素进行组合，从而生成少量且有效的测试用例。
在软件开发过程中，系统往往有多个输入因素（也称为参数），每个输入因素都有多个可能的取值。
如果使用穷举法来生成测试用例，那么可能需要非常庞大的测试集才能覆盖所有情况。
而正交测试用例设计技术可以通过合理地选择输入因素和它们的取值组合，从而大幅度减少测试用例数量，并保证对系统功能进行全面测试。
2. 正交表正交表是正交测试用例设计中重要的工具。
它是一个二维表格，其中每一行代表一个输入因素，每一列代表该输入因素可能的取值。
以一个简单的示例来说明，假设有3个输入因素：A、B和C。
其中A有3个可能的取值（a1、a2和a3），B有4个可能的取值（b1、b2、b3和b4），C有2个可能的取值（c1和c2）。
那么可以构建一个3×4×2=24行的正交表，如下所示：A B Ca1 b1 c1a2 b2 c2a3 b3b4在正交表中，每一行都代表一个测试用例，每一列代表一个输入因素的取值。
可以看到，正交表的最后两列是空白的，这是因为C只有两个取值，所以只需要构建两个测试用例即可。
3. 正交测试用例设计步骤下面将介绍使用正交测试用例设计技术进行测试用例设计的具体步骤。
步骤一：确定输入因素首先需要确定系统中所有需要进行测试的输入因素。
这些输入因素可能是系统的各个功能模块、参数、配置项等。
步骤二：确定输入因素的可能取值对于每个输入因素，需要明确它们可能的取值范围。
这可以通过查阅系统文档、与开发人员沟通或者对系统进行分析来获取。
步骤三：构建正交表根据确定的输入因素和它们可能的取值范围，构建正交表。
可以使用专门的工具或者在线生成器来快速生成正交表。
步骤四：填充正交表根据系统的具体情况，填充正交表。
每一行代表一个测试用例，每一列代表一个输入因素的取值。
用正交实验法设计测试用例
用正交实验法设计测试用例正交实验法的由来一、正交表的由来拉丁方名称的由来古希腊是一个多民族的国家，国王在检阅臣民时要求每个方队中每行有一个民族代表，每列也要有一个民族的代表。
数学家在设计方阵时，以每一个拉丁字母表示一个民族，所以设计的方阵称为拉丁方。
什么是n阶拉丁方？用n个不同的拉丁字母排成一个n阶方阵（n<26 ），如果每行的n个字母均不相同，每列的n个字母均不相同，则称这种方阵为n*n拉丁方或n阶拉丁方。
每个字母在任一行、任一列中只出现一次。
什么是正交拉丁方？设有两个n阶的拉丁方，如果将它们叠合在一起，恰好出现n2个不同的有序数对，则称为这两个拉丁方为互相正交的拉丁方，简称正交拉丁方。
例如：3阶拉丁方用数字替代拉丁字母：二、正交实验法正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。
是一种高效率、快速、经济的实验设计方法。
日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。
例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。
若按L9(33) 正交表按排实验，只需作9次，按L18(37) 正交表进行18次实验，显然大大减少了工作量。
因而正交实验设计在很多领域的研究中已经得到广泛应用。
利用因果图来设计测试用例时, 作为输入条件的原因与输出结果之间的因果关系,有时很难从软件需求规格说明中得到。
往往因果关系非常庞大,以至于据此因果图而得到的测试用例数目多的惊人，给软件测试带来沉重的负担，为了有效地,合理地减少测试的工时与费用,可利用正交实验设计方法进行测试用例的设计。
正交实验设计方法:依据Galois理论,从大量的（实验）数据（测试例）中挑选适量的、有代表性的点（例），从而合理地安排实验（测试）的一种科学实验设计方法。
正交实验设计法写出配对测试的测试用例
正交实验设计法写出配对测试的测试用例Orthogonal experimental design, also known as Taguchi method, is a statistical technique used to efficiently determine the optimal combination of factors in an experiment. In software testing, this method can be employed to generate effective test cases for pair-wise testing.正交实验设计法，也被称为田口方法，是一种用于有效确定实验中因素最佳组合的统计技术。
在软件测试中，该方法可以用来生成有效的配对测试用例。
Pair-wise testing focuses on testing all possible combinations of two input parameters or factors, which are likely to cause defects when interacting with each other. By considering the most critical and influential parameter pairs, we can achieve maximum test coverage with minimal test cases.配对测试着重于测试两个输入参数或因素的所有可能组合，当彼此交互时很可能导致缺陷。
通过考虑最关键和最具影响力的参数对，我们可以在最少的测试用例中实现最大的测试覆盖率。
To utilize orthogonal design effectively in generatingpair-wise test cases, we need to follow a few steps.Firstly, identify the input parameters or factors that are important for the system under test. These could include user inputs, configurations, or data values that may impact functionality or performance.为了有效地利用正交设计来生成配对测试用例，我们需要遵循几个步骤。
测试用例设计之正交实验法
测试⽤例设计之正交实验法1.标准正交表: Ln(m k) : L: 表⽰正交表 n: 实验⾏数且 n = (m-1)*k + 1 k: 因素数 (输⼊或控件数量) m: ⽔平数 (输⼊的取值或者每个控件的下拉选项数量) 标准正交表的每个因素的⽔平数相同.混合正交表: Ln(m1k1m2k2m3k3.......) L: 表⽰正交表 n: 实验⾏数且 n = (m1-1)*k1 + (m2-1)*k2+(m3-1)*k3+.........+1 m1k1: k1个控件有m1个选项 m2k2: k2个控件有m2个选项 m3k3: k3个控件有m3个选项2.正交表法应⽤场景: 多条件组合⽤例设计，但是不适⽤依赖和联动（⽐如省市区那样的下拉框）。
常见于页⾯组合设置⽤例设计和兼容性组合⽤例设计。
⽤最少的实验覆盖最多的操作，测试⽤例设计很少，效率⾼。
正交性从全⾯试验中挑选出部分有代表性的点进⾏试验。
3.正交表设计步骤设计测试⽤例的步骤：1、确定因⼦（变量）2、确定⽔平（变量的取值）3、选择⼀个合适的正交表4、把变量的值映射到表中5、把每⼀⾏的各因素⽔平的组合作为⼀个测试⽤例6、加上你认为可疑且没有在表中出现的⽤例组合4.1、考虑因素（变量）的个数2、考虑因素⽔平（变量的取值）的个数3、考虑正交表的⾏数4、取⾏数最少的⼀个正交表查询地址5.设计⽤例时三种情况因⼦和⽔平相符，且⽔平数（变量的取值）相同、因素数（变量）刚好符合某⼀正交表，则直接套⽤正交表，得到⽤例。
例⼦：对某⼈进⾏查询，假设查询某个⼈时有三个查询条件：根据“姓名”进⾏查询根据“⾝份证号码”查询根据“⼿机号码”查询考虑查询条件要么不填写，要么填写，此时可⽤正交表进⾏设计①因素数和⽔平数有三个因素：姓名、⾝份证号、⼿机号码。
每个因素有两个⽔平：姓名：填、不填⾝份证号：填、不填⼿机号码：填、不填②选择正交表表中的因素数＞＝3表中⾄少有三个因素的⽔平数＞＝2⾏数取最少的⼀个结果：L4(2^3)③变量映射姓名：1→填写，2→不填写；⾝份证号：1→填写，2→不填写；⼿机号码：1→填写，2→不填写；④⽤L4(2^3)设计的测试⽤例测试⽤例如下：1：填写姓名、填写⾝份证号、填写⼿机号2：填写姓名、不填⾝份证号、不填⼿机号3：不填姓名、填写⾝份证号、不填⼿机号4：不填姓名、不填⾝份证号、填写⼿机号⑤增补测试⽤例5：不填姓名、不填⾝份证号、不填⼿机号测试⽤例减少数：8→5因素数不相同⽔平数（变量的取值）与某正交表相同，但因素数（变量）却不相同，则取因素数最接近但略⼤于实际值的正交表表，套⽤之后，最后⼀列因素去掉即可。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
填 填 填 填 填
部分测试一 测试时没有把握
部分测试二 测试时也没有把握
利用正交表 的正交试验法
加上可疑用例
二、正交表的概念
因素和水平
什么是因素（Factor） 在一项试验中，凡欲考察的变量称为因素（变量） 什么是水平（位级） （Level） 在试验范围内，因素被考察的值称为水平（变量的取值） 什么是正交试验设计 是研究多因素多水平的一种设计方法，它是根据正交性从 全面试验中挑选出部分有代表性的点进行试验，这些有代 表性的点具备了“均匀分散，齐整可比”的特点，正交试验 设计是一种基于正交表的、高效率、快速、经济的试验 设计方法
32 13
3 水平数不相同
因素（变量）的水平数（变量的取值）不 相同
水平数不相同的情况
假设有一个系统有5个独立的变量（A，B， C，D，E）。变量A和B都有两个取值 （ A1 、 A2和B1、 B2 ）。变量C和D都 有三个可能的取值（ C1、 C2、 C3和D1 、 D2 、 D3 ）。变量E有六个可能的取值 （ E1、 E2、 E3、 E4、 E5、 E6）。
假设查询某个人时有三个查询条件： 根据“姓名”进行查询 根据“身份证号码”查询 根据“手机号码”查询
考虑查询条件要么不填写，要么填写，此时可用 正交表进行设计
因素数和水平数
有三个因素： 姓名、身份证号、手机号码 每个因素有两个水平 姓名：填、不填 身份证号：填、不填 手机号码：填、不填
选择正交表
拉丁方和正交拉丁方的表述
什么是n阶拉丁方 用n个不同的拉丁字母排成一个n阶方阵（n<26），如果 每行的n个字母均不相同，每列的n个字母均不相同，则称 这种方阵为nXn拉丁方，或n阶拉丁方 也即：每个字母在任一行、任一列中只出现一次 备注：此时可以用数字代替拉丁字母，它们是等价的 什么是正交拉丁方 设有两个n阶的拉丁方，如果将它们叠合在一起，恰好出 现n2个不同的有序数对，则称为这两个拉丁方为互相正交 的拉丁方，简称正交拉丁方
因素数和水平数
有五个因素（变量） ： A、B、C、D和E 两个因素有两个水平（变量的取值） 、两个因素 有三个水平，一个因素有六个水平 A：A1、A2 B：B1、B2 C：C1、C2、C3 D：D1、D2、D3 E：E1、 E2、E3、E4、E5、E6
选择正交表
表中的因素数（变量） ＞＝5 表中至少有二个因素的水平数（变量的取值） ＞＝2 至少有另外二个因素的水平数＞＝3 还至少有另外一个因素的水平数＞＝6 行数取最少的一个（L49(78)、 L18(3661)） 结果： L18(3661)
测试用例如下： 音形码填写、拼音码填写、路名码填写、行业类别填写、特征码填写 音形码填写、拼音码填写、路名码填写、行业类别不填、特征码不填 音形码填写、拼音码不填、路名码不填、行业类别填写、特征码填写 音形码填写、拼音码不填、路名码不填、行业类别不填、特征码不填 音形码不填、拼音码填写、路名码不填、行业类别填写、特征码不填 音形码不填、拼音码填写、路名码不填、行业类别不填、特征码填写 音形码不填、拼音码不填、路名码填写、行业类别填写、特征码不填 音形码不填、拼音码不填、路名码填写、行业类别不填、特征码填写 增补测试用例 音形码不填、拼音码填写、路名码不填、行业类别不填、特征码不填 音形码不填、拼音码不填、路名码填写、行业类别不填、特征码不填 音形码不填、拼音码不填、路名码不填、行业类别填写、特征码不填 音形码不填、拼音码不填、路名码不填、行业类别不填、特征码填写 音形码不填、拼音码不填、路名码不填、行业类别不填、特征码填写 测试用例减少数：
变量映射
A：0 A1、1 B：0 B1、1 C：0 C1、1 D：0 D1、1 E：0 E1、 1 4 E5、5 E6 A2 B2 C2、2 C3 D2、3 D3 E2、2 E3、3 E4、
661)设计的测试用例 用L18(3
测试用例如下： 省略 测试用例减少数：
216 18
加上一些可疑的情况（设为n个）为18＋n 它比原来也少多了
3阶拉丁方
A B C A B C
B C A 和C A B C A B B C A
把字母拉丁改为数字
1 2 3 1 2 3 (1,1) (2,2) (3,3) (3,1) (1,3) (1,2) (2,1)
2 3 1和3 1 2 3 1 2 2 3 1
⇒
(2,3) (3,2)
欧拉 Euler猜想
1782年，瑞士数学家欧拉研究这样一个问题： “有6个不同的师团。现从每个师团中选出具有6种军衔的 军官各1人（例如上校、中校、少校、上尉、中 尉、少尉各一名 ），共36名军官。试问，能不能把这 些军官排成6行6列的一个方阵，方阵每行的6名军官恰来 自6个师团，而且恰好分别具有6种不同的军衔.方阵每列 的6名军官也是如此，即每行每列都有各个师团和各种军 衔的代表？” 欧拉在作了种种尝试之后宣布：“我毫不犹豫地认为人们 不可能造出一对6阶的正交拉丁方。同时对于10阶，14 阶……也不可能造出。一般地说，对任何奇数的2倍，都 不可能造出。”欧拉这一猜想，在长达100多年的时间里始 终未能解决 上述方阵称为正交拉丁方。36个军官问题，是问是否有 n=6的正交拉丁方。
证明Euler猜想
直到1900年，塔里（Tarry）才用完全归纳法非常吃力地证明了n=6 时欧拉猜想是对的 1926年英国统计学家费歇(R．A．Fisher)应用正交拉丁方在农业试 验中取得惊人的效果．这就更刺激人们致力于此问题的研究 费歇尔有一次到印度讲学，一位印度几何学家玻斯（Roj Chandra Bose，1901～ ）被歇尔的讲演吸引住了。玻斯用伽罗瓦(Galois) 域GF（pn）为坐标的有限射影几何学，很轻易地证明，当n是素数 时，有n-1个两两正交的拉丁方 1958年，美国数学家帕克（E·T·Parker，1926～ ）用群论和有限 几何构造了21阶的拉丁方。 帕克用群论和有限几何法构造的２１阶拉丁方又给玻斯以新的启发。 玻斯和他的学生西里克汉特（Shrikhande）得出了惊人的结果：当 n=22时欧拉猜想不成立，即n为11的2倍时正交拉丁方是存在的。 帕克接着又证明n=10也有拉丁方。 玻斯和西里克汉特最后证明除n=2，n=6外，都存在正交拉丁方。欧 拉猜想至此完全解决。欧拉实际上只猜中了n=6！ 难！欧拉猜想到20世纪中叶才获得解决 ！
案例研究
1992年AT&T发表了一篇讲述在测试过程中使用正交表一个案例研 究。 它描述了对PC(IBM格式)和StarMail(基于局域网的电子邮件软件)做 回归测试；最初制定的测试计划是用18周的的时间执行1500个测试 用例。但是，开发推迟了，测试时间被压缩到仅仅8周时间。测试负 责人采取另外一个测试方案和计划，即2个人8周的时间测试1000个 测试用例，但是他不敢保证测试的质量，对这些用例检测缺陷的能力 不放心。为了减轻这种不确定性的问题，他用正交表法重新设计了测 试用例，此时测试用例只有422个。用这422个测试用例去测试发现 了41个缺陷，开发人员修复缺陷，然后软件就发布了。在使用的两年 时间内，凡被测试到的领域都没有再发现缺陷，因此在发现缺陷这方 面，此测试计划是100%有效。据测试负责人估计，如果AT&T采用 1000个测试用例的测试计划，可能仅仅只发现这些缺陷中的32个 与最初的计划相比，用正交表设计测试用例执行工作量不到50%， 但却多发现28%的缺陷，而且测试人员个人的效率也增加了（测试 生产力(testing productivity)的因子是2.6，即每人第周发现的缺陷 数）
整齐可比性 在同一张正交表中，每个因素的每个水平出现的 次数是完全相同的。由于在试验中每个因素的每 个水平与其它因素的每个水平参与试验的机率是 完全相同的，这就保证在各个水平中最大程度的 排除了其它因素水平的干扰。因而，能最有效地 进行比较和作出展望，容易找到好的试验条件。 均衡分散性 在同一张正交表中，任意两列（两个因素）的水 平搭配（横向形成的数字对）是完全相同的。这 样就保证了试验条件均衡地分散在因素水平的完 全组合之中，因而具有很强的代表性，容易得到 好的试验条件。
如何查找正交表
Technical Support () /techsup/tech note/ts723_Designs.txt 查Dr. Genichi Taguchi设计的正交表， /depts/maths/ tables/orthogonal.htm上面查询 数理统计、试验设计等方面的书及附录中
那么，测试人员如何对该此查询功能点进 行测试呢？如何设计测试用例呢？
测试方法
全部测试 部分测试一 部分测试二 用正交表法设计用例并测试
全部测试（25＝32） 测试用例太多 测试时投入和回报 不相符
音形码： 0 不填、1 拼音码： 0 不填、1 路名码： 0 不填、 1 行业类别： 0 不填、 1 特征码： 0 不填、 1
关注点：因素数和对应的水平数组成的矩阵 L4(23)
L8(2441)
L9(34)
L8(27)
L18(正交表设计测试用例
用正交表设计测试用例的步骤
1 有哪些因素（变量） 2 每个因素有哪几个水平（变量的取值） 3 选择一个合适的正交表 4 把变量的值映射到表中 5 把每一行的各因素水平的组合做为一个 测试用例 7 加上你认为可疑且没有在表中出现的组 合
如何选择正交表
考虑因素（变量）的个数 考虑因素水平（变量的取值）的个数 考虑正交表的行数 取行数最少的一个
设计测试用例时的三种情况
1 因素数（变量）、水平数（变量值）相 符 2 因素数不相同 3 水平数不相同
1 因素数、水平数相符
水平数（变量的取值）相同、因素数（变 量）刚好符合正交表
对某人进行查询
8 5
2 因素数不相同
水平数（变量的取值）相同但在正交表中 找不到相同的因素数（变量） （取因素数 最接近但略大的实际值的表）
114系统查询企业单位