Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Objetivo general:
Objetivo General Dotar al alumno de los conocimientos fundamentales, teóricos y prácticos, necesarios para
comprender modelos de datos y el funcionamiento de los Sistemas de Bases de Datos.
Objetivos Específicos
• Adquirir conocimientos para el diseño conceptual Entidad Relación y el diseño lógico relacional.
• Usar un lenguaje de datos (SQL) para la creación de una base de datos y para la realización de consultas a la misma.
• Conocer las funciones principales de un SGBD y la tareas de administración del mismo
• Manejar los conceptos de integridad de los datos, concurrencia y seguridad.
• Conocer nuevas tecnologías para el uso de la información.
PREGUNTA
En función de la estructura utilizada para construir una base de datos, existen diversos modelos. El
modelo de la base de datos define un paradigma de almacenamiento, estableciendo cómo se
estructuran los datos y las relaciones entre estos.
Las distintas operaciones sobre la base de datos (eliminación o sustitución de datos, lectura de datos,
etc.) vienen condicionadas por esta estructura, y existen notables diferencias entre los principales
modelos, cada uno de ellos con sus ventajas e inconvenientes particulares. Algunos de los más habituales
son los siguientes:
JUSTIFICACIÓN
Bases de datos jerárquicas . Los datos se recogen mediante una estructura basada en nodos
interconectados. Cada nodo tiene un único padre, y cero, uno o varios hijos. De este modo, se crea
una estructura en forma de árbol invertido en el que todos sus nodos dependen en última instancia de
uno denominado raíz . Aunque potente, el modelo jerárquico presenta algunas deficiencias,
principalmente la escasa independencia de sus registros (el acceso a un registro —un nodo— implica
que se ha de pasar por sus padres, restando flexibilidad a la navegación por la base de datos). Otra
grave deficiencia de este modelo es la mala gestión de la redundancia de datos, ya que si un registro
guarda relación con dos o más, debe almacenarse varias veces, al no estar permitido que el nodo
correspondiente tenga varios padres. Esto tiene consecuencias no solo en el mayor volumen de datos
que se almacena, sino también en la integridad y coherencia de los datos. Si se modifica una de las
«copias» de ese registro en la base de datos, deben modificarse también las restantes, ya que, aunque
no conectadas en la estructura de la base de datos, realmente representan una única realidad y
debieran ser idénticas entre sí.
JUSTIFICACIÓN
• Bases de datos en red . Con objeto de solucionar los problemas de redundancia de las bases de
datos jerárquicas, surge el modelo en red. Este modelo permite la aparición de ciclos en la estructura
de la base de datos (es decir, no ha de existir un único padre para cada nodo), lo cual permite una
mayor eficacia en lo que a la redundancia de datos se refiere. Presenta, no obstante, otros problemas,
siendo el más importante de ellos su gran complejidad, lo que hace difícil la administración de la base
de datos.
• Bases de datos relacionales . Constituyen el modelo de bases de datos más utilizado en la
actualidad. Solucionan los problemas asociados a las bases de datos jerárquicas y en red, utilizando
para ello un esquema basado en tablas, que resulta a la vez sencillo de comprender y fácil de utilizar
para el análisis y la consulta de los datos. Las tablas contienen un número dado
de registros (equivalentes a las filas en la tabla), así como campos (columnas), lo que da lugar a una
correcta estructuración y un acceso eficiente.
JUSTIFICACIÓN
La primera clasificación que abordaremos, depende de la forma en la que los datos son estructurados dentro de
la base de datos. No podían ser otras que las BBDD estáticas y dinámicas.
BBDD Estáticas
Son bases de datos diseñadas especialmente para la lectura de sus datos. Su implementación en la mayoría de los
casos es para almacenar y registrar datos históricos y desarrollar estudios que permitan entender su
comportamiento a través del tiempo.
Esto es de especial utilidad para las empresas que desean realizar proyecciones estadísticas y orientar los
procesos de tomas de decisiones desde el ámbito empresarial.
VIABILIDAD
BBDD Dinámicas
En contraste a las Bases de datos estáticas, los datos de estas bases son modificables al pasar el
tiempo, permitiendo funciones constantes de actualización, edición y eliminación de los datos.
Un ejemplo para entender cómo usamos estas bases de datos en nuestra vida pueden ser los
inventarios de las tiendas. Se ingresan productos, códigos y precios. Estos cambian al acabarse los
productos y/o incluir productos nuevos en el inventario.
HIPÓTESIS DE INVESTIGACIÓN
Todos los sistemas de base de datos se basan en algunos supuestos. Estos supuestos se determinan
solamente para ser correcta o incorrecta una vez que la base de datos es construido y probado.
Supuestos defectuosos no siempre crean un impacto negativo en la base de datos; realmente asisten el
desarrollador de base de datos en la búsqueda de maneras de mejorar el diseño de proyectos y
funciones de la base de datos.
Hipótesis del mundo cerrado" o CWAs son tendencias conclusiones inherentes para muchas bases de
datos lógica. Estas hipótesis son introducidos para ser supuestos de casos especiales porque apoyan la
idea básica de "terminación de la base de datos" mientras que al mismo tiempo satisfacer los
elementos instintivos del proceso de base de datos. Los estudios demuestran que las definiciones
sintácticas y semánticas utilizadas para CWAs son equivalentes y por lo tanto pueden ser
consideradas como hipótesis viables.
HIPÓTESIS NULA
Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis nula. Usted
utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de significancia (denotado
como α o alfa), entonces puede rechazar la hipótesis nula.
Un error común de percepción es que las pruebas estadísticas de hipótesis están diseñadas para
seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una prueba de hipótesis,
establecemos la hipótesis nula como lo que queremos desaprobar. Puesto que establecemos el nivel
de significancia para que sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba estadística de que la alternativa
es verdadera. En cambio, si no podemos rechazar la hipótesis nula, no tenemos prueba estadística de
que la hipótesis nula sea verdadera. Esto se debe a que no establecimos la probabilidad de aceptar
equivocadamente la hipótesis nula para que fuera pequeña.
HIPÓTESIS ALTERNATIVA
La cantidad de información que se almacena en las bases de datos de grandes compañías, así como la
cantidad de operaciones (lectura, escritura, modificación y eliminación) por parte de los usuarios es
enorme, por lo que las compañías se han quedado cortas para responder rápidamente a las
necesidades de sus usuarios.
Además, no es mantenible ni escalable soportar estas bases de datos con tal presión, ya que dificulta la
administración por parte de los DBA. Como respuesta, se originó el concepto de NoSQL, que
pretende ser la siguiente generación de tecnologías de sistemas de gestión de bases de datos. Se
requiere entonces explorar algunas bases de datos NoSQL representativas, como alternativa a los
sistemas de gestión de bases de datos, para hacer frente a la cantidad de datos y número de peticiones
requeridas por los clientes (tráfico de datos) en empresas.
De acuerdo con los precios, características y requerimientos encontrados se puede dar la
recomendación de implementar alguno de estos sistemas de gestión de bases de datos NoSQL.
PALABRAS CLAVE