2023-11-06 - S11 - 1 - El Modelo Multidimensional - Dinamica

Modelamiento Multidimensional
El Modelo de Datos Multidimensional
Parte Dinámica (operadores)
Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Conjuntos de Hechos Compatibles:
Diremos que dos conjuntos de hechos H y L, tales que:
h : ED1 → EE1
l : ED2 → EE2
son compatibles, si y sólo si:
ED1 ⟺ ED2 y EE1 ⟺ EE2

Tipos de Objetos en el Modelo de Datos Multidimensional

Componentes de una Variable Multidimensional

¿De que se nutre?
Puntos de vista
Dimensiones
Jerarquías
Sintaxis
espacios de Atributos
clasificación
Espacio Escalar
Dominios
Medidas sintaxis
Funciones de agregación Dominios
Indicadores
Dimensión:
Una dimensión es una 3-tupla (nombre, D, jerarquía) tal que:
Y la jerarquía será una 5-tupla (nombre, E, ≤, T, V).
Llamaremos esquema dimensional (ED) al conjunto que identifica los atributos que
componen la dimensión y que se estructuran de acuerdo a una jerarquía.

1
2
3

Espacio Dimensional:
Llamaremos Espacio Dimensional, denotado por ED, al espacio de clasificación
formado por el producto cartesiano de todos los dominios de los atributos de cada
dimensión:
Los elementos de ED (casillas) recibirán también el nombre de elementos

dimensionales.

Espacio Dimensional:

Medidas:
Son características cuantitativas de interés, las cuales se someten a estudio a
través del modelo multidimensional.
Definición: Una medida es un valor numérico (generalmente agregado), que

representa una característica o propiedad cuantitativa de interés en un área o
aspecto específico de la problemática en estudio.
Una medida siempre es total y funcionalmente dependiente del los valores que
componen una casilla del espacio dimensional.

Espacio Escalar:
En el contexto del modelo multidimensional, es el producto cartesiano de los
dominios subyacentes a las medidas. Lo designaremos por EE.

Definición de un HECHO:
Sea ED un espacio multidimensional y sea EE un espacio escalar, ambos
relativos a un área de interés específica. Definiremos un hecho como una
función h que asocia un elemento del espacio dimensional con un elemento del
espacio escalar:
Sus elementos, son pares ( ed(x), ee(x) ), tales que:
Donde ed(x) representa un elemento de ED, y ee(x) representa un elemento

de EE.

Conjunto de Hechos:
Un conjunto de hechos, también denominado variable
multidimensional o cubo, es una estructura de datos compleja, que
contiene información relevante respecto de un área temática de
interés.

De esta forma, la estructura de las dimensiones quedará conformada por:
CodAsig → Tipo → Carrera → Depto → Facultad
Unidad
Tiempo
Semestre → Año

Podemos analizar la dedicación del cada académico a la docencia

comparando las horas de clases efectivas respecto de sus horas de
contrato, por tanto, almacenaremos los siguientes indicadores:
• Cantidad de horas de clases

• Cantidad de horas de contrato
Programa
(Horas de clases, Horas de contrato)
Tiempo

Ejemplo: La siguiente figura representa el registro de dos hechos

diferentes para un mismo profesor en un mismos semestre.
Unidad
(24604, 4700, Pregrado, DMCC, Ciencia)

(4, 22)
(6, 22)
(2, 2001)
Tiempo
(12112234-k, Computación, 4500)

Un hecho es una estructura de datos formada por las coordenadas y

las medidas:
Unidad
Un hecho

(4, 22)
(6, 22)
(2, 2001)
Tiempo
(12112234-k, Computación, 4500)

Algunas preguntas de verificación:

• ¿Nuestro diseño cumple las expectativas?
• ¿Nuestro diseño es implementable?

Dinámica de Modelo Multidimensional
Implementación de los operadores

Operadores OLAP Básicos

Sea H un conjunto de hechos o variable multidimensional (VM)
ℎ: 𝐸𝐷~𝐸𝐸
cuyo espacio multidimensional ED está caracterizado por un conjunto de K
dimensiones (𝐷1 , … , 𝐷𝐾 ) tales que cada dimensión consta de su propia jerarquía de
atributos:
𝐷𝑖 , 𝐽𝑖 , ∀𝑖, 𝑖 = 1, … , 𝑘
y que además consta de un espacio escalar asociado (EE ) compuesto de s medidas:
(𝑚1 , … , 𝑚𝑠 )

De este modo, la estructura de una variable multidimensional, la denotaremos como:
dónde, 𝐽റ representa el orden de las jerarquías de las dimensiones y 𝑚 un arreglo de

escalares (𝑚 ∈ 𝐸𝐸, 𝐸𝐸 ⊆ ℝ𝑠 ).

Dimensión Producto
Jerarquía : Tipo → Periodo → Nombre
(J1)
𝐻 Medidas:
(toneladas, cajas)
(200.000, 20.000)
Dimensión Lugar
Jerarquía : Región → Prov → Comuna
(J3)
(2000, Nov, 21)
Dimensión Tiempo
Jerarquía : Década → Año → mes
(J2)
=( 𝐽1, 𝐽2, 𝐽3) (𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠, 𝑐𝑎𝑗𝑎𝑠 )

Operadores OLAP
Roll-Up
Pivoting Slicing / Dicing
Drill-Down
 () = (F1(), F2(), ..., Fw() )
 () =  ( EC (  () ) )
El resultado es una nueva variable multidimensional

Pivoting: Rotación del cubo para mirar una cara en particular.

La operación pivoting se define como una rotación (permutación) de las
dimensiones, debido a que consiste en reorganizar la disposición de las
dimensiones en función de un punto de vista.
𝐻′ = 𝑃𝐾 𝐻
𝑃𝑘 representa la acción de permutar de posición el conjunto de K dimensiones. Así,
𝐻 ′ será una nueva V.M. de k dimensiones permutadas.
𝐻′ = 𝑃𝐾 (𝐻)
es decir, nueva variable será:
𝐻 ′ = 𝐽′, 𝑚
𝐽′ representa a las dimensiones permutadas de H.
H y H’ son compatibles.

Por ejemplo:
𝐻 = ( 𝐽1, 𝐽2, 𝐽3) (𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠, 𝑐𝑎𝑗𝑎𝑠 )
𝐻 ′ = 𝑃 𝐽1,𝐽2,𝐽3 𝐻
= ( 𝐽2, 𝐽3, 𝐽1), (𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠, 𝑐𝑎𝑗𝑎𝑠 )

Roll-Up: Produce una mayor agregación, quitando dimensiones o jerarquías.

Se define como una agregación, debido a que consiste en sumarizar la
información, en función de los atributos subyacentes al punto de vista elegido. El
punto de vista se representa a través de espacios de clasificación, constituidos
por proyecciones sobre las jerarquías de las dimensiones.
Φ Π(𝐸𝑛𝑜𝑚𝑖 ) 𝐻 = Ϝ(𝐸𝐶( 𝐻 )
…
Π(𝐸𝑛𝑜𝑚𝑗 )
Donde
𝐸𝐶 = ς𝑘𝑗=1 𝑃𝐼( 𝐸𝑛𝑜𝑚𝑗 )
EC está constituido por un producto cartesiano de proyecciones Intervaladas
definidas sobre los atributos de las dimensiones y F es una función de agregación
que actúa sobre las medidas de las tuplas pertenecientes a cada casilla generada.

Suponga ahora que se tiene una VMD H con una soma dimensión y una jerarquía de
atributos Categoría → Trimestre y se requiere analizar la información solo en función
de la categoría.
Entonces, se realizará la siguiente operación, que reagrupará los hechos de H
solamente en función de la categoría, sumarizando los valores de las ventas a través
de la función de agregación F :
𝑃𝐼𝐼 𝐶𝑎𝑡𝑒𝑔𝑜𝑟í𝑎
ΦΠ(𝐶𝑎𝑡𝑒𝑔𝑜𝑟í𝑎) 𝐻 = Ϝ 𝐸𝐶( 𝐻 )
= 𝐹(𝑃𝐼𝐼 𝐶𝑎𝑡𝑒𝑔𝑜𝑟í𝑎 ( 𝐻 ))

Slicing-Dicing: Seleccionar un subconjunto del cubo (rebanar).

La operación slicing-dicing es una selección que actúa en función de valores
específicos de los atributos de una dimensión:
𝜎𝜌(𝐸𝑛𝑜𝑚 ) 𝐻
𝑖
𝜌 𝐸𝑛𝑜𝑚𝑖 es una expresión condicional definida sobre los atributos de una

dimensión.

La siguiente operación seleccionará los hechos del cubo tales que el valor del
atributo almacén es “Store1” y el valor del atributo productos es “Electronics” o
“Toys”
𝜎 𝐴𝑙𝑚𝑎𝑐𝑒𝑛="𝑆𝑡𝑜𝑟𝑒1" 𝐻
∧ 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 ∈ {𝐸𝑙𝑒𝑐𝑡𝑟𝑜𝑛𝑖𝑐𝑠,𝑇𝑜𝑦𝑠}

Drill-Down: Produce mayor desagregación al agregar dimensiones o al agregar

atributos en las jerarquías.
Se define como una desagregación, debido a que consiste en descomponer las
medidas sumarizadas, para obtener un cubo con más dimensiones y/o jerarquías más
grandes, y hechos.
Φ(𝐸𝑛𝑜𝑚𝑖 ‫𝐸 ڂ‬′𝑖 ) 𝐻 = Ϝ(𝐸𝐶( 𝐻 )
…
(𝐸𝑛𝑜𝑚𝑖 ‫𝐸 ڂ‬′𝑖 )
Dónde:
𝐸𝐶 = ෑ 𝑃𝐼( 𝐸𝑛𝑜𝑚𝑖 ‫) 𝑖𝑆𝐸ڂ‬
𝑗∈𝑄
Como antes, F es una función que actúa sobre las medidas de las tuplas
pertenecientes a cada casilla generada.

ΦΠ({𝐶𝑎𝑡𝑒𝑔𝑜𝑟í𝑎,𝑇𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒}∪{𝑚𝑒𝑠}) 𝐻 = Ϝ 𝐸𝐶 𝐻
Con 𝐸𝐶 = 𝑃𝐼𝐼 𝐶𝑎𝑡𝑒𝑔𝑜𝑟í𝑎 × 𝑃𝐼𝐼(𝑇𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑒) × 𝑃𝐼𝐼(𝑀𝑒𝑠)

La operación anterior agrega el atributo mes sobre la jerarquía.
La figura muestra el efecto

que la operación tienen sobre
un hecho en particular (*),
no obstante, lo mismo
sucede con cada uno de los
hechos de H.

Ejemplo:
Suponga que se tiene el siguiente hecho con una única dimensión y se desea
agrupar los datos por décadas (a partir de la edad) y por la escolaridad.
N º Obs Escolaridad Edad Sexo Estatura Peso

1 Básica 18 M 162 65
2 Básica 22 F 155 58
3 Básica 19 F 175 68
4 Básica 20 F 158 70
5 Media 20 F 170 72
Atributos de 6 Media 19 M 172 68
jerarquías 7 Media 20 M 160 60 Medidas
(para 8 Media 22 M 166 75 (indicadores)
dimensiones) 9 Universitaria 27 F 155 50
10 Universitaria 28 M 170 75
11 Universitaria 26 F 165 65

Dimensión Persona: Conjunto de medidas:
N°Obs → Escolaridad → Sexo { Edad, Estatura, Peso }
Medidas:
(Edad, Estatura, Peso)
(22, 170, 65)

(35, Media, Femenino)
Dimensión Persona (J1):

Jerarquía : N°Obs → Escolaridad → Sexo

Se desea agrupar los datos por décadas (a partir de la edad) y por

la escolaridad:
Será necesario utilizar dos proyecciones intervaladas, una que transforme la

edad en décadas y la otra que tome la escolaridad, tal cual.
• g(x) = [edad(x)/10]+1
• h(x) = escolaridad(x)
g() transforma el dominio de edad en clases. Si el dominio de edad es
{0,1,2,3, …., 99}
Generará el conjunto
{ 1, 2, 3, 4, …, 10 }
Donde cada clase k representa un intervalo de diez años.
Por otra parte, h() es una PII.

Así, tenemos que:
EC = g(Dom(edad)) X h(Dom(escolaridad))
= {1,2, …, 10} X {Básica, Media, Universitaria}
= { (1,Básica), (1,Media), (1,Univerversitaria),
…
…
(10,Básica), (10,Media), (10,Univerversitaria) }

Y al clasificar los datos de la tabla, obtendremos:
década escolaridad casilla

Ejemplo:
Suponga que se define la función de tabulación:

 ( ) =  ( EC () )
Sobre la relación  cuyo esquema es:
{ NºObs, Escolaridad, Edad, Sexo, Estatura, Peso }
Donde el espacio de clasificación EC está constituido por las funciones:
• g(x) = [edad(x)/10]+1
• h(x) = escolaridad(x)
Lo que implica que:
EC = g(Dom(edad)) X h(Dom(escolaridad))
= {1,2, …, 10} X {Básica, Media, Universitaria}

Y la función de agregación múltiple esta definida por la siguientes funciones de

agregación simple:
• f1(x) = 1
• f2(x) = edad(x)
• f3(x) = estatura(x)
Es decir:
 () = ( F1(), F1(), F1() )
Al aplicarla sobre la relación:
N º Obs Escolaridad Edad Sexo Estatura Peso

1 Básica 18 M 162 65
2 Básica 22 F 155 58
3 Básica 19 F 175 68
4 Básica 20 F 158 70
5 Media 20 F 170 72
6 Media 19 M 172 68
7 Media 20 M 160 60
8 Media 22 M 166 75

sumatorias
Se obtiene:
década escolaridad cardinalidad estatura peso
Origina una nueva dimensión Estudios: Década → Escolaridad

Las medidas resultantes son: ( f1, f2, f3 )

2023-11-06 - S11 - 1 - El Modelo Multidimensional - Dinamica

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2023-11-06 - S11 - 1 - El Modelo Multidimensional - Dinamica

Cargado por

Copyright:

Formatos disponibles

Modelamiento Multidimensional

El Modelo de Datos Multidimensional

Parte Dinámica (operadores)

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Conjuntos de Hechos Compatibles:

Diremos que dos conjuntos de hechos H y L, tales que:

son compatibles, si y sólo si:

ED1 ⟺ ED2 y EE1 ⟺ EE2

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Tipos de Objetos en el Modelo de Datos Multidimensional

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Componentes de una Variable Multidimensional

Funciones de agregación Dominios

Y la jerarquía será una 5-tupla (nombre, E, ≤, T, V).

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Los elementos de ED (casillas) recibirán también el nombre de elementos

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Definición: Una medida es un valor numérico (generalmente agregado), que

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Sus elementos, son pares ( ed(x), ee(x) ), tales que:

Donde ed(x) representa un elemento de ED, y ee(x) representa un elemento

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

De esta forma, la estructura de las dimensiones quedará conformada por:

CodAsig → Tipo → Carrera → Depto → Facultad

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Podemos analizar la dedicación del cada académico a la docencia

• Cantidad de horas de clases

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Ejemplo: La siguiente figura representa el registro de dos hechos

(22501, 4601, Pregrado, DMCC, Ciencia)

(12112234-k, Computación, 4500)

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Un hecho es una estructura de datos formada por las coordenadas y

(22501, 4601, Pregrado, DMCC, Ciencia)

(12112234-k, Computación, 4500)

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Algunas preguntas de verificación:

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Dinámica de Modelo Multidimensional

Implementación de los operadores

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Sea H un conjunto de hechos o variable multidimensional (VM)

y que además consta de un espacio escalar asociado (EE ) compuesto de s medidas:

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

De este modo, la estructura de una variable multidimensional, la denotaremos como:

dónde, 𝐽റ representa el orden de las jerarquías de las dimensiones y 𝑚 un arreglo de

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

(2000, Nov, 21)

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

 () = (F1(), F2(), ..., Fw() )

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Pivoting: Rotación del cubo para mirar una cara en particular.

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Roll-Up: Produce una mayor agregación, quitando dimensiones o jerarquías.

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Modelamiento de Bases de Datos Científicos Profesor Fredi Palominos V

Slicing-Dicing: Seleccionar un subconjunto del cubo (rebanar).

𝜌 𝐸𝑛𝑜𝑚𝑖 es una expresión condicional definida sobre los atributos de una