B3.19.3Detection Probability Assumption设计研究
递减收益的估算假设各评估者独立且发现概率相同，实际条件很少满足
别名: 发现概率 · 独立假设 · 人数估算
概念解释
常见人数估算把每个问题当作有固定发现概率、每位评估者独立采样。但发现概率（detection probability）随问题显著度、任务剧本、清单条目和评估者背景变化；先讨论、共享模板或同质团队会破坏独立性。
机制
显著异常可能被多数人发现，权限、并发、跨页状态或领域违规只有特定背景者看见；同一评估者对某些区域系统性强、对另一些系统性弱。经验、培训和说服会相关化评估结果。因此简单公式可以启发人数，不能当作覆盖率的精确预测。
怎么研究
报告估算时应说明假设、界面范围、任务剧本和评估者构成。用经验数据估计不同问题类别的发现率，而不是一个全局概率；分析重合矩阵和分层覆盖率。敏感性分析可显示人数结论对概率假设的依赖。
边界
这不意味着估算无用。粗模型仍有助于比较“2 人 vs 5 人”的期望增量。只是不能把曲线外推为全部问题数，也不能用同一概率评价显著错误与领域专属错误。
怎么落地
- 不用单一覆盖率承诺；报告“已发现问题、重合度和未覆盖区域”。
- 按严重度和领域类别分层招募评估者，而不是假设每人发现所有类别概率相同。
- 保持独立任务、独立记录和独立严重度初评，再汇总。
- 结合日志、用户测试和线上监测补充启发式评估的长尾。