我正在管理一个必须根据粗略要求和规范进行估算的项目。因此，对特定特征和任务的估计是一组离散值，而不仅仅是一个离散值（例如，在 10 到 20 之间，而不是正好 17）。
我很好奇，如果我想了解在最低估计范围内完成某项任务的近似概率，我应该如何处理？为了讨论，请忽略我的估计技能，使用的平台等因素。
我正在考虑使用泊松分布，λ = (low + high) / 2，假设每个提议值的概率都遵守罕见事件/正态分布的规律。这并不能说明超出我的估计限制的可能性不大，但仍然......
您对此有何看法，您会选择哪种方法进行此类实验？
基本上，这个想法是观察您的团队完成类似任务需要多少时间，以估计完成另一项任务可能需要多长时间。
我推荐阅读Tom DeMarco 和 Tim Lister 的Waltzing With Bears - 它在一定程度上进入了进度估算。
根据经验，我会说在最短的估计时间内完成任何项目的概率大约为零。这既来自他们在书中给出的分析，也来自个人经验。
我认为你没有足够的信息来打这个电话。为此，您需要知道概率曲线是否已标准化（可能）以及是否偏斜（几乎可以肯定）以及相关的各种统计值（平均值、标准差等）。
如果你有这些，我想你不会问。除了你的估计能力之外，你所做的假设及其准确性等都是因素，其中大部分都很难量化。
这就是为什么基于证据的调度很好的原因——你不必确切地理解为什么事情需要一定的时间，你只知道它们确实如此。
我想说你应该考虑的一些简单的事情：
1）根据我的经验，它成为您的最低估计的现实机会大约为零。狗屎发生在软件项目上，大多数人不擅长估计，事情会出错。如果你想要一个好的估计，那就去吧。
2）非常仔细地考虑你想要这个号码的目的。如果您要将其提供给客户或大多数经理，那么：
(a) 他们不记得注意事项，不记得范围的上限，也不记得概率或理论。他们会记住你给他们的漂亮的低数字，其余的只是“哇哇哇”。
(b) 客户和经理想要确定性，所以你需要给他们一些你确定的东西。如果你假设你的估计是正态分布的，并且你有最好的情况和最坏的情况值，如果你给他们两个的平均值，你将有 50% 的时间错过你的最后期限。从经理的角度来看，这很糟糕。如果你想在 95% 的时间内完成最后期限，那么你需要给出平均值 + 2 个标准差。同样，如果您想要粗略估计，那么最坏的情况可能是最容易获得的数字。
通常在承诺和超额交付。做一个从不错过最后期限并经常提前交付的人。这并不涉及改变你的工作方式，你只需要管理期望。
我建议使用三点估计。为项目中的每个任务分配最小、最可能和最大时间和随机分布类型（Pert、三角形、Beta 等，取决于特征或历史数据）。使用 Monte Carlo 进行多次模拟（例如 5000 次），然后查看结果。您还可以通过合并风险元素（如果您愿意，还可以加入风险之间的相关性）来进一步了解可能发生的情况。Palisade @Risk 之类的工具可能会为您提供帮助。
泊松已经做过很多次了，但成功率同样很低。我第二个基于证据的调度，因为它是自我纠正的并且适用于实际数据。