Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROVEEDOR
DEPTO- EMP
M
PROY-TRABAJO
M
SALARIO
M M
CODIGO M
M
PROV-
EMPLEADO PROYECTO
PARTE- PROV-PARTE
ENOMBRE PROY
1
1 M
PATERNO MATERNO
PROY-GERENTE M
M
PARTE
NPILA EMP-DEPEN
M
M
ESTRUCTU
RA-DE PARTE
DEPENDIENTE
Sistema de Gestión de Bases de Datos
Data Base Management System
Colección de Conjunto de
datos Programas para
interrelacionados acceder a los
datos
Propósito de las Bases de Datos
Nivel Físico
(Interno) BD BD
Nivel Lógico
(Conceptual)
(Externo)
Esquema Simplificado de un
Sistema de Bases de Datos
Nivel Físico: Se describe la e
structura de datos complejas como
se almacenan los datos.
Nivel Lógico: Describe que y
sus relaciones, se describen
mediante estructuras simples
. Con base en ellas el administrado
r decide que información se conse
SGBD
rva y cual no.Nivel de Vista:
Es el nivel mas altode abstracción.
Describe sólo parte de la base
de datos. La que es de interés
para el usuario, por tal mo
tivo puedn existir muchas
vistas, una por cada tipo de usuario.
BD
Nivel Físico: Se describe la e
structura de datos complejas como
se almacenan los datos.
Nivel Lógico: Describe que y
sus relaciones, se describen
mediante estructuras simples
. Con base en ellas el administrado
r decide que información se conse
rva y cual no.Nivel de Vista:
Es el nivel mas altode abstracción.
Describe sólo parte de la base
Nivel
de datos.
Físico:
La que
Se describe
es de interés
la e
para el usuario, por tal mo
tivo puedn existir muchas
vistas, una por cada tipo usuario.
Borrar datos
BD Eliminar Un
en un archivo archivo
Agregar Un
archivo Nuevo Insertar datos nuevos
en un archivo ya
existente
Actualizar datos en
Un archivo ya
existente
Obtener datos de Un
archivo ya existente
USUARIOS DE UNA BD
BD
Programador de
Aplicaciones
Administrador de
la base de datos
Usuario Final
SEGUIR
PROGRAMADOR DE
APLICACIONES
• Encargado de escribir
programas que accesan la BD.
• Usan lenguajes como: C,
Cobol, Visual basic, etc.
• Recuperan información,
modifican, agregan, eliminan.
<
USUARIO FINAL
• Usuarios finales
esporádicos
• Usuarios finales simples
o paramétricos
• Usuarios finales
avanzados
• Usuarios autónomos
<
ADMINISTRADOR DE LA
BASE DE DATOS (DBA)
• Coordinar el diseño de la base de datos.
• Guiar los procesos de seguridad de los
datos.
• Garantizar la integridad de los datos.
• Clave en la definición de estándares.
• Garantizar la eficiencia del sistema.
• Capacitación de usuarios.
• Control sobre el diccionario de datos. <
RIESGOS
Conflictos. Fracasos
Sobrecostos. Requerimientos
Funcionamiento defectuoso.
MODELO DE DATOS
BASADO EN OBJETOS:
•Modelo Relacional
•Modelo de Red
•Modelo Jerárquico
•Modelo de Datos Funcional
MODELO DE DATOS SEMÁNTICO
• Problema de Significado.
• Sistema mas inteligente.
• Punto de partida para los modelos
actuales.
• Describe las demás modelos. Genérico.
• Permitió definir un conjunto de objetos
semántico.
Modelo Entidad – Relación
(E/R)
Nombre-
Nombre Especialidad Trabajador
Cédula
Cargo
Nivel
Modelo Orientado a Objetos
Trabajador
Supervisor
Atributos:
Atributos:
Mensaje •Código
•Nombre
•Nombre
•Especialidad
•Cédula
•Nivel
•Cargo
Métodos:
Métodos:
•Crear
•Crear
•Eliminar
Mensaje •Eliminar
•Mostrar
•Mostrar
•Supervisar
•Asignar _Supervisor
MODELO DE DATOS FUNCIONAL
• Utiliza funciones matemáticas
como herramienta de modelado
• Todo requerimiento se considera
una función.
• Modelo Entidad-Vínculo Funcional
• Incluye composición de funciones.
• Aparece el concepto de función
derivada. Y se extiende a atributos.
• Ha sido la base del modelo
Orientado a Objetos.
Modelo Relacional
Nombre – Especialidad Nivel Supervisa a
Supervisor
Archivo de Pérez Químico 4 MC304
Supervisores Ramírez Sistemas 6 PG289
Pérez Químico 4 PF157
Moreno Planta Física 7 MC120
Moreno Planta Física 7 PG289
. . . .
. . . .
. . . .
Jefe de
Supervisores
DE MANIPULACION DE DATOS(LMD)
• Recuperación de la información en la base de datos
• La inserción de información en la base de datos.
• El borrado de la información en la base de datos.
• La modificación de la información almacenada en la
BD
EL MODELO
ENTIDAD - RELACION
E R
Conjuntos de Conjunto de
Entidades Relaciones
E= { E1,E2,E3,…EN } R= {(e1,e2,e3,…en ) : e1 E’1, e2 E’2, e3 E’3,…, en E’n }
EL MODELO
ENTIDAD - RELACION
Relación 3-aria.
( Antonio, Cálculo , Ingeniería )
E2
E1 Asignatura
Estudiante
E ( Antonio, Sistemas )
( Ingeniería, Sistemas )
E4
E3 Especialidad
Carrera (Cálculo, Sistemas )
Relación 2-aria.
El Modelo Entidad - Relación
CARDINALIDAD
Uno a Uno (1 - 1) Uno a Varios (1 - N )
a1
a1 b1 b1
a2 b2 b2
a2
a3 b3 b3
a4 b4 b4
a3
a5 b5 b5
a1 b1 a1 b1
a2 a2 b2
a3 b2 a3 b3
a4 a4 b4
a5 b3 a5 b5
NOTACION E/R
Tipo de vínculo
Identificador
Atributo
derivado
Atributo
NOTACION E/R
Atributo Asociado a una
relación
Participación total
1 N
Cardinalidad 1-N
4. ¿Para un estudiante de nombre XXXX, cuál es la lista de asignaturas que actualmente está
cursando?
9. Dado el nombre de una carrera mostrar la lista de docentes (cédula, nombre, teléfono y
dirección) que actualmente dirigen asignaturas en esa carrera.
DEPARTAMENTO
PROY-TRABAJO M
SALARIO M
CODIGO M M
M
M PROV-
EMPLEADO PROYECTO PARTE- PROV-PARTE
ENOMBRE PROY
1 1 M
PATERNO MATERNO
PROY-GERENTE M M
M M
M
ESTRUCTU
DEPENDIENTE RA-DE PARTE
CHEN
1976
MODELO ENTIDA - RELACION
CLAVES
CLAVES PRIMARIA : Es la
clave candidata seleccionada
por el diseñador CódigoProfesor
MODELO ENTIDA - RELACION
CLAVES EN RELACIONES
CodigoEstudiante, CodigoProfesor
REPRESENTACION DE RELACIONES
MEDIANTE TABLAS
R T
E1 C1 C2 … Cn b1 b2 … bn
C1
En
E2 Cn
C2
R
E3
C3 b1,b2,b3, ….bn son atributos de la relación
MODELO ENTIDA - RELACION
R T
ESTUDIANTE
•CódigoEstu
•NombrEstud
•Carrera
ES_ALUMNO
CédulaProf CódigoEstu
ES_ALUMNO
PROFESOR
•CédulaProfesor
•NombreProfesor
•Especialida
MODELO ENTIDA - RELACION
COMBINACION DE
TABLAS DEPARTAMENTO
NombreDepto Facultad
PROFESOR
•CédulaProfesor PROFESOR
•NombreProfesor
•Edad CédulaProf NombreProf Edad
PERTENACE_A
DEPARTAMENTO
CédulaProf NombreProf Edad NombreDepto
•NombreDepto
•Facultad
MODELO ENTIDA - RELACION
ENTIDADES CON
ATRIBUTOS
MULTIVALORADOS
PROFESOR
PROFESOR ESPECIALIDA
PROFESOR
•CédulaProfesor
•NombreProfesor
PROFESOR
CédulaProf NombreProf
ACREDITA
ACREDITA
CédulaProf NombreEspec
ESPECIALIDAD ESPECIALIDAD
•Nombreespecialidad
NombreEspec Descripción
•Descripción
MODELO ENTIDA - RELACION
MANEJO DE CLAVES EN
TABLAS DE RELACIONES
LENGUAJES DE CONSULTA
PROCEDIMENTALES NO PROCEDIMENTALES
N-UPLAS
RELACIONES
DOMINIOS
A L G E B R A R E L A C I
O N A L
OPERACIONES FUNDAMENTALES
R1 OPERACIÓN UNARIA
R2
Selección Proyección Renombramiento
R1
OPERACIÓN BINARIA
R3
R2
Unión Diferencia Producto Cartesiano
ALGEBRA RELACIONAL
SELECCIÓN
Restricción
predicado (RELACION)
PROFESOR
CedProf NombProf Especialidad
Sespecialidad= “Matemáticas” (PROFESOR)
1920 Pedro Matemáticas
CedProf NombProf Especialidad
3018 José Historia
1920 Pedro Matemáticas
1923 Dora Matemáticas
1923 Dora Matemáticas
2021 Antonio Computación
1924 Rosa Matemáticas
1924 Rosa Matemáticas
2024 Gustavo Computación
Operadores de Relación: < > >= <= =
3018 José Filosofía
Enlaces: ( and ) ( or )
1053 Luis Física
ALGEBRA RELACIONAL
PROYECCION
Producto
CedProf NombProf
1920 Pedro
1923 Dora
1924 Rosa
ALGEBRA RELACIONAL
UNION
PROFESOR
CedProf NombProf Especialidad
ESTUDIANTE
1920 Pedro Matemáticas
CodEest NombEst Carrera
3018 José Historia
4127 Manuel Sistemas
1923 Dora Matemáticas
2010 Martha Economía
2021 Antonio Computación
3113 José Industrial
1924 Rosa Matemáticas
1054 Samuel Derecho ?
2024 Gustavo Computación
2023 Rosa Economía Pedro
3018 José Filosofía
José
1053 Luis Física
Dora
Antonio
Rosa
P NombProf (PROFESOR) P NombEst (ESTUDIANTE) Gustavo
Luis
Manuel
Martha
Samuel
ALGEBRA RELACIONAL
DIFERENCIA
PROFESOR ESTUDIANTE
CedProf NombProf Especialidad CodEst NombEst Carrera
1920 Pedro Matemáticas 4127 Manuel Sistemas
3018 José Historia 2010 Martha Economía
1923 Dora Matemáticas 3113 José Industrial
2021 Antonio Computación 1054 Samuel Derecho
1924 Rosa Matemáticas 2023 Rosa Economía
2024 Gustavo Computación
3018 José Filosofía P NombProf (PROFESOR) P NombEst (ESTUDIANTE)
1053 Luis Física
NombProf
NombEst ???
Pedro
Manuel Pedro
José
Martha Dora
Dora
José Antonio
Antonio
samuel Gustavo
Rosa
Rosa Luis
Gustavo
Luis
ALGEBRA RELACIONAL
PRODUCTO CARTESIANO
CedProf NombProf Especialidad CodEest NombEst Carrera
1920 Pedro Matemáticas 4127 Manuel Sistemas
1920 Pedro Matemáticas 2010 Martha Economía
1920 Pedro Matemáticas 3113 José Industrial
1920 Pedro Matemáticas 1054 Samuel Derecho
1920 Pedro Matemáticas 2023 Rosa Economía
3018 José Historia 4127 Manuel Sistemas
3018 José Historia 2010 Martha Economía
3018 José Historia 3113 José Industrial
3018 José Historia 1054 Samuel Derecho
3018 José Historia 2023 Rosa Economía
PROFESOR X ESTUDIANTE
ALGEBRA RELACIONAL
RENOMBRAMIENTO
Sintaxis: RENNuenoNombre(A1,A2,…An) (RELACION)
NuenoNombre (A1,A2,…An) (RELACION)
LISTAMATEMATICOS
CedProf NombProf
1920 Pedro
1923 Dora
1924 Rosa
R1 R2
Nombre R1- ( R1- R2)
Pedro
Nombre R1- R2
Manuel Nombre
José Nombre
Gustavo Pedro
Dora Dora
José José
Antonio Antonio
Samuel Rosa
Rosa Luis
Rosa Gustavo
Gustavo
R1 R2
Pedro
Luis
•Intersección:
Sintaxis: Relación1 Relación2
DIVISION
ALGEBRA RELACIONAL
OPERACIONES NO FUNDAMENTALES
A S Semestre = 3 (ASIGNATURA )
C PNombEst ( B)
ASIGNACION
ALTERNATIVAS:
1. { t :P (t) } { t / P (t) }
t Es una n-upla de una relación
P(t) es un predicado (fórmula)
2. { (t.a1, t.a2,…, t.ak) : P ( t ) }
(t.a1, t.a2,…, t.ak) Es una proyección de atributos
de la relación R, tal que t pertenece a R.
P(t) es un predicado (fórmula)
EL PREDICADO P(t)
Tomando como base la posible solución del taller 1 Describa las tablas que resultan de
convertir el modelo E/R a modelo relacional.
A partir de ese modelo relacional resuelva, mediante álgebra y cálculo relacional, las
preguntas siguientes:
M M
M
ESTRUCTU
DEPENDIENT RA-DE PARTE
E
Ejemplo:
ALTER TABLE EMPLEADO ADD
( Direccion varchar(50))
Ejemplo:
ALTER TABLE EMPLEADO MODIFY
( Direccion varchar(20))
SALARIO
CODIGO
EMPLEADO
ENOMBRE
OPERADORES ARITMÉTICOS
+ Suma
- Resta
* Multiplicación
/ División
FUNCIONES ARITMETICAS
CEIL(N) Aproxima al entero mayor o igual al número N
FLOOR (N) Aproxima al mayor entero menor o igual al número N
MOD (M,N) Devuelve el residuo de dividir M entre N
POWER (M,N) Retorna el resultado de M a la potencia N.
ROUND(M,N) Redondea el decimal de M a N dígitos.
SQRT(N) Retorna la raíz cuadrada de N
SIGN(N) Retorna 0 (Si N=0), 1 (Si N>0) o -1 (Si N<0)
ABS(N) Retorna el valor absoluto de N
SINTAXIS:
INSERT INTO < Nombre de la Tabla> (Campo1, Campo2)
VALUES ( valor1, Valor2)
SINTAXIS:
DELETE FROM < Nombre de la Tabla>
Campo2 = Valor2,
…
WHERE <Condición>;
JEMPLO:
UPDATE PROFESOR
SET Especialidad = ‘Programación’
WHERE Especialidad = ‘Computación’
Consultas
Instrucción select
SINTAXIS:
SELECT < Lista de atributos>
FROM <Lista de tablas>
WHERE <Condición>
PROFESOR
CedProf NombProf Especialidad EJEMPLO:
SELECT CedProf , NombProf
1920 Pedro Matemáticas
FROM PROFESOR
3018 José Historia
WHERE Especialidad = “Matemáticas”
1923 Dora Matemáticas
2021 Antonio Computación CedProf NombProf
1924 Rosa Matemáticas 1920 Pedro
2024 Gustavo Computación 1923 Dora
3018 José Filosofía 1924 Rosa
1053 Luis Física
Vistas
Ventajas:
PROFESOR EJEMPLO:
CedProf NombProf Especialidad CREATE VIEW Matemáticos AS
1920 Pedro Matemáticas SELECT CedProf , NombProf
FROM PROFESOR
3018 José Historia
WHERE Especialidad = “Matemáticas”;
1923 Dora Matemáticas
2021 Antonio Computación CedProf NombProf
1924 Rosa Matemáticas 1920 Pedro
2024 Gustavo Computación 1923 Dora
3018 José Filosofía 1924 Rosa
1053 Luis Física
Consultas combinando tablas
PROFESOR ESTUDIANTE
CedProf NombProf COD_ASIG Grupo CodEst NombEst COD_ASIG Grupo
1920 Pedro M120 41 4117 Andrés M100 41
3018 José H100 41 4015 Ramiro M120 43
1923 Dora M120 43 4136 Felipe M100 41
1924 Rosa M110 41 4041 Lucero M120 43
3018 José H110 41 4143 Martha M110 41
1920 Pedro M120 45 4017 Samuel M120 41
Dora Lucero
EJEMPLO:
Rosa Martha SELECT NombProf , NombEst
José Ramiro FROM PROFESOR , ESTUDIANTE
José Javier WHERE PROFESOR . COD_ASIG = ESTUDIANTE . COD_ASIG
AND PROFESOR .Grupo = ESTUDIANTE . Grupo
Pedro Iván
Consultas con seudonimos
EMPLEADO
EMPLEADO
SELECT *
FROM PROFESOR , ESTUDIANTE
Consultas y subconsultas
R1 R2
Nombre
Nombre
R1 R2
Pedro
Manuel Nombre
José
Gustavo Pedro
Dora
José José
Antonio
Samuel Rosa
Rosa
Rosa Gustavo
Gustavo
Pedro
Luis
SELECT Nombre
FROM R1
WHERE Nombre IN
( SELECT Nombre
FROM R2)
MANEJO DE TABLAS
EMPLEADO COMO CONJUNTOS
CodEmp NombEmp Sueldo CodJefe Sueldo
4127 Andrés 1.345 4017 1.345
4015 Ramiro 2.500 4017 2.500
4136 Felipe 879 4087 879
SELECT Sueldo
4041 Lucero 1.345 4015 1.345
FROM EMPLEADO
4143 Martha 1.150 4117 1.150
4017 Samuel 3.700 3.700
4025 Rodolfo 987 4127 987
4117 Angel 2.645 4017 2.645
4087 Javier 1.150 4017 1.150
Sueldo
4032 Iván 879 4143 879
1.345
4037 Margarita 1.345 4117 1.345
2.500
879
1.150
SELECT DISTINCT Sueldo 3.700
FROM EMPLEADO
987
2.645
UNION
PROFESOR-ING
Cedula Nombre Especialidad PROFESOR-EC
1920 Pedro Matemáticas Cedula Nombre Especialidad
3018 José Historia 4127 Margarita Computación
1923 Dora Matemáticas 2010 Martha Economía
2021 Antonio Computación 3018 José Historia
1924 Rosa Matemáticas 1054 Samuel Computación
2024 Gustavo Computación 2023 Rosario Economía
3018 José Filosofía
1053 Luis Física
(SELECT Nombre
Nombre
FROM PROFESOR-ING
WHERE Especialidad=“Computación”) Antonio
UNION Gustavo
(SELECT Nombre Margarita
FROM PROFESOR-EC
Samuel
WHERE Especialidad=“Computación”)
INTERSECCION
PROFESOR-ING
Cedula Nombre Especialidad PROFESOR-EC
1920 Pedro Matemáticas Cedula Nombre Especialidad
3018 José Historia 4127 Margarita Computación
1923 Dora Matemáticas 2010 Martha Economía
1054 Samuel Computación 3018 José Historia
1924 Rosa Matemáticas 1054 Samuel Computación
2024 Gustavo Computación 2023 Rosario Economía
3018 José Filosofía
1053 Luis Física
EMPLEADO
EMPLEADO
POTENCIAS DE SELECT
Order By-Patrón–Li
EMPLEADO s t a SELECT NombEmp, Sueldo
CodEmp NombEmp Sueldo CodJefe FROM EMPLEADO
ORDER BY NombEmp;
4127 Andrés 1.345 4017
4015 Ramiro 2.500 4017 SELECT NombEmp, Sueldo
4136 Felipe 879 4087 FROM EMPLEADO
4041 Lucero 1.345 4015 ORDER BY NombEmp desc;
4143 Martha 1.150 4117 SELECT NombEmp, Sueldo
4017 Samuel 3.700 FROM EMPLEADO
4025 Rodolfo 987 4127 WHERE Sueldo IN (1345, 879);
4117 Angel 2.645 4017
SELECT NombEmp, Sueldo
4087 Javier 1.150 4017 FROM EMPLEADO
4032 Iván 879 4143 WHERE NombEmp LIKE ‘M%’;
4037 Margarita 1.345 4117
SELECT NombEmp, Sueldo
FROM EMPLEADO
WHERE NombEmp LIKE ‘%gel’;
OTROS OPERADOR
• IS
• IS NOT
• NULL
• ON
• JOIN FUNCIONES
• NATURAL JOIN • SUM
• LEFT OUTER JOIN • MAX
• MIN
• AVG
• COUNT
Oracle SQL*Plus
Privilegios a Usuarios
Instrucción Grant
SINTAXIS:
GRANT < Lista de privilegios>
ON <tabla>
TO <Lista de usuarios>
EJEMPLO: EJEMPLO:
GRANT SELECT GRANT INSERT, DELETE
ON EMPLEADO ON EMPLEADO
TO PUBLIC; TO Digitador, Revisor;
Oracle SQL*Plus
Privilegios a Usuarios
Creación de roles
EJEMPLO:
CREATE ROLE DIGITADOR;
GRANT Insert, Update
ON PEDIDO
TO DIGITADOR;
GRANT DIGITADOR TO DIGIT1, DIGIT2,DIGIT3;
Ejemplos:
SET LINESIZE 100 Indica que la pantalla se distribuya en 100 columnas.
SET PAGESIZE 40 Indica que los resultados se muestren en páginas de 40 filas.
TTITLE “INFORME” Título para cada página.
BTITLE “Aplicativo de Nómina” Pie de página
SPOOL a:\Reportes Se almacenan los resultados en un archivo
llamado Reportes.lis
Oracle SQL*Plus Formatos de Salida en Columnas
Sintaxis En caracteres:
Ejemplos:
COLUMN Nombre A10 WRAP HEADING ‘Nombre|Empleado’
Tomando como base la posible solución del taller 1 Describa las tablas que resultan de convertir
el modelo E/R a modelo relacional.
A partir de ese modelo relacional resuelva usando SQL, las preguntas siguientes:
REGLAS DE INTEGRIDAD
formas normales
Universo De relaciones
Relaciones 1FN
Relaciones 2FN
Relaciones 3FN
Relaciones BCFN
Relaciones 4FN
Relaciones PJ/NF (5FN)
NORMALIZACION
DEPENDENCIA
FUNCIONAL
En una relación R, el atributo Y de R depende funcionalmente del
atributo X de R , si y sólo si, un solo valor de Y en R está asociado
a cada valor X de R.
R.X R.Y
EMPLEADO.CedEmp EMPLEADO.NombEmp
EMPLEADO.CedEmp EMPLEADO.Cargo
EMPLEADO.Cargo EMPLEADO.NombEmp
NORMALIZACION
DEPENDENCIA FUNCIONAL
EMP-PROY
CedEmp NumProy NombEmp FechNac Dirección Horas NombProy CedGerenteProy
EMP-DEP
CedEmp NumDep NombEmp FechNac Dirección Cargo NombDep CedGerenteDep
REGLAS:
RI1 Si X ⊇Y , entonces X Y (Reflexiva)
RI2 {X Y} ⇒XZ YZ (Aumentativa)
RI3 {X Y, Y Z} ⇒ X Z (Transitiva)
RI4 {X YZ} ⇒X Y (proyectiva o Descomposición)
RI5 {X Y, X Z} ⇒X YZ (Unión o aditiva)
RI6 {X Y, YW Z} ⇒WX Z (Seudo transitiva)
NORMALIZACION
PROF-ESP
PROFESOR
CedProf Especialidad
CedProf NombProf 1920 Matemáticas
3018 Historia
1923 Dora
1923 Matemáticas
3018 José
1920 Computación
1920 Pedro
1924 Matemáticas
1924 Rosa
2024 Computación
2024 Gustavo
3018 Filosofía
1923 Física
NORMALIZACION
EMP-PROY
CedEmp NumProy NombEmp FechNac Dirección Horas NombProy CedGerenteProy
EMPLEADO
CedEmp NombEmp FechNac Dirección
PROYECTO
NumProy NombProy CedGerentePro
EMP-PROY
CedEmp NumProy Horas
NORMALIZACION
CedEmp CedGerenteDep
NORMALIZACION
EMPLEADO
CedEmp NombEmp FechNac Dirección NumDep NombDep CedGerenteDep
EMPLEADO
CedEmp NombEmp FechNac Dirección NumDep
DEPARTAMENTO
NumDep NombDep CedGerenteDep
NORMALIZACION
LOTES
CodProp NombreMunic NumLot Area
NORMALIZACION
LOTES
CodProp NombreMunic NumLot Area
LOTES MUNC-AREA
CodProp NumLot Area Área NombreMunic
X Y Z
t1 a b e
X Y Se lee en atributo Y es
t2 a c f multidependiente de X ó El atributo
t3 a b f X multidetermina al atributo Y.
t4 a c e
m r h
NORMALIZACION
DEPENDENCIA MULTIVALUADA
BIBLIOGRAFIA
Curso Profesor texto
t1 física Pedro Mecánica básica
t2 física Dora Principios de óptica
t3 física Dora Mecánica básica
t4 física Pedro Principios de óptica
Cálculo Rosa Mecánica básica
Cálculo Rosa Análisis vectorial X Y Es trivial si:
Cálculo Rosa Cálculo diferencial
•Y es subconjunto de X ó
•Y ∪ X = R
X Y
En caso contrario es no trivial.
Cuarta forma normal (4FN)
NORMALIZACION
R1 R2
X Y Z (R1 R2) R3 = ?
a1 b1 c2
a1 b1 c1
R1, R2 ,..., Rn es una DR trivial
a1 b2 c1
si algún Ri = R
a2 b1 c2
a2 b1 c1
NORMALIZACION
Quinta forma normal (5FN)
R R1 R2 R3
X Y Z X Y Y Z X Z
a1 b1 c2
a1 b2 c1 a1 b1 b1 c2 a1 c2
a2 b1 c1 a1 b2 b2 c1 a1 c1
a1 b1 c1 a2 b1 b1 c1 a2 c1
TRABAJO TELEFONO
TALLER 5
HISTORIA LABORAL
Una persona no muy experta en bases de datos definió un modelo de datos como el que se muestra en la figura. Siendo esta
una representación jerárquica (No normalizada) del conjunto de datos del personal de una compañía . La figura se debe
interpretar así:
A partir de esas tablas aplicar normalización, generando un conjunto apropiado de relaciones normalizadas hasta BCFN.
Indicar cualquier suposición hecha respecto de las dependencias existentes.
Todos los componentes del sistema
residen en un solo computador o sitio:
•Los datos.
•El software del SGBD.
•Dispositivos de almacenamiento
secundario.
•Con un computador
potente desde el cual se
BD administra la base de
datos.
•Todos los demás
computadores se conectan
mediante una red y
disfrutan del software y la
Red de BD.
Comunicacione
s
Colección de datos
que pertenecen
lógicamente al mismo
sistema, pero se Red de
encuentran dispersos Comunicacione
s
entre los sitios
(computadores) de la
red.
VENTAJAS
• Naturaleza distribuida de
las bases de datos.
• Mayor fiabilidad.
• Mayor disponibilidad.
• Facilidad para compartir
datos.
• Mejor rendimiento.
REGLAS
1. Autonomía local. 7. Procesamiento distribuido de
2. No dependencia de un sitio consultas.
central. 8. Manejo distribuido de
3. Operación continua. transacciones.
EMPLEADO-DATOS-LABORALES
EMPLEADOS-DATOS-PERSONALES
CC Salario CCsup CodDep
CC Nombre FechNac Dirección Sexo
EMPLEADO-MASCULINO
CC Nombre FechNac Dirección Salario Sexo CCsup CodDep
1126 Juan 03/05/67 Cll 13 # 12-80 5467 M 1634 6
1345 Alfredo 13/08/81 Av. 68 # 23-50 1234 M 2436 3
1893 Felipe 18/10/84 Av. 76# 2-50 3256 M 1123 4
2365 Rafael 22/08/81 Kr. 68 # 23-55 1234 M 1634 5
EMPLEADO-FEMENINO
CC Nombre FechNac Dirección Salario Sexo CCsup CodDep
2345 María 23/12/56 Kr 7 #32-67 2356 F 1634 5
1634 Rosario 12/09/76 Trav8 # 12-56 3456 F 1123 2
3342 Alba 03/09/81 Diag 5 # 76-34 2345 F 1365 3
EMPLEADO
FRAGMENTACI
ON MIXTA CC Nombre FechNac Dirección Salario Sexo CCsup CodDep
EMPLEADOS-DATOS-MASCULINO
CC Nombre FechNac Dirección Sexo
EMPLEADO-DATOS-LABORALES
1126 Juan 03/05/67 Cll 13 # 12-80 M
CC Salario CCsup CodDep
1345 Alfredo 13/08/81 Av. 68 # 23-50 M
1893 Felipe 18/10/84 Av. 76# 2-50 M
2345 2356 1634 5
2365 Rafael 22/08/81 Kr. 68 # 23-55 M
1126 5467 1634 6
1345 1234 2436 3
1634 3456 1123 2
3342 2345 1365 3
EMPLEADOS-DATOS-FEMENINO 1893 3256 1123 4
CC Nombre FechNac Dirección Sexo 2365 1234 1634 5
2345 María 23/12/56 Kr 7 #32-67 F
1634 Rosario 12/09/76 Trav8 # 12-56 F
3342 Alba 03/09/81 Diag 5 # 76-34 F
REPLICACION
HECHO REGLA
Parámetros constantes:
Numéricos o cadenas Parámetros variables
de caracteres iniciando iniciando con letras
con letras minúsculas. mayúsculas.
Predicado base
Sintaxis:
nombre(ParamX,ParamY,...,ParamZ)
•Cada parámetro tiene un
Predicado: significado dependiendo de su
ubicación.
nombre(ParamX,ParamY,...,ParamZ)
•Las reglas pueden ser
recursivas.
•Cabeza: constituido por un
solo predicado. Conclusión de
la regla.
Reglas: •Cuerpo: Constituido por uno o
mas predicados: Premisa de la
Cabeza : - cuerpo regla. La coma se lee y
equivale al enlace lógico Y
(and).
•Una Cabeza asociada a dos
cuerpos equivale al al enlace
lógico O (or).
Hechos:
Reglas:
Supervisa(luis, josé). Superior(X,Y) : - Supervisa(X,Y).
Supervisa(luis, ramón). Superior(X,Y) : - Supervisa(X,Z), Superior(Z,Y).
Subordinado(X,Y) : - Superior(Y,X).
Supervisa(luis, ruth).
Supervisa(lucia, alicia).
Supervisa(lucia, antonio). Consultas:
•Todas las variables de la (P1) AND (P2) AND. . . AND (Pn) => Q
formula están cuantificadas Que traducido a datalog se escribe:
universalmente.
Q: - P1 , P2 ,. . . , Pn .
•Cláusulas : Unión de literales
mediante el enlace OR
(disyunción de literales). O también la forma:
•La formula Clausal es una
not(P1) OR not(P2) OR. . . OR not(Pn)
unión de cláusulas mediante el
enlace and (conjunción de Que equivale a:
cláusulas).
(P1) AND (P2) AND. . . AND (Pn)
Que traducido a datalog se escribe:
P1 , P2 ,. . . , Pn .
ENCADENAMIENTO ENCADENAMIENTO
HACIA DELANTE HACIA ATRAS
•Se parte de los hechos, se aplican •Se parte del predicado objeto
las reglas para generar nuevos buscando determinar hechos que lo
hechos. satisfagan.
•Los nuevos hechos se comparan •En esta técnica no se generan
con el predicado objeto de la nuevos hechos en forma explicita.
consulta para verificar si coinciden.
•Si no hay hechos base que lo
•Se deben generar solo los hechos satisfagan, continua con las reglas
que tengan que ver con la consulta, cuya cabeza coincida con el
mediante una estrategia adecuada. predicado objeto. Aplica la regla
buscando encontrar valores que
coincidan.
Reglas: Consultas:
Superior(X,Y) : - Supervisa(X,Y). Superior(jaime,Y)?
Superior(X,Y) : - Supervisa(X,Z), Superior(Z,Y).
Subordinado(X,Y) : - Superior(Y,X). Nuevos hechos por la primera regla
Superior(luis, josé).
Superior(luis, ramón).
Superior(luis, ruth).
Hechos: Superior(lucia, alicia).
Supervisa(luis, josé). Superior(lucia, antonio).
Supervisa(jaime,Z), Superior(Z,Y).
Hechos: Supervisa(jaime,Z)
Supervisa(luis, josé).
Supervisa(luis, ramón). Z=luis Z=lucia
Supervisa(luis, ruth).
Supervisa(lucia, alicia).
Supervisa(lucia, antonio). Superior(luis,Y) Superior(lucia,Y)
Supervisa(jaime, luis).
Supervisa(jaime,lucia). Y=jose,ramon,ruth Y=alicia,antonio
Reglas: Consultas:
Superior(X,Y) : - Supervisa(X,Y). Superior(jaime,Y)?
Superior(X,Y) : - Supervisa(X,Z), Superior(Z,Y).
Nuevos hechos por la primera regla
Subordinado(X,Y) : - Superior(Y,X).
Superior(jaime, y):- supervisa(Jaime,Y)
Superior(jaime, luis). Solución.
Superior(jaime,lucia). Solución.
Hechos:
Mediante las técnicas de
Supervisa(luis, josé). encadenamiento hacia delante
Supervisa(luis, ramón). y encadenamiento hacia atrás,
resuelva las siguientes
Supervisa(luis, ruth). consultas:
Supervisa(luis, francisco). Superior(jaime,Y)?
Supervisa(alicia, flor). Superior (luis,flor)?
Supervisa(lucia, alicia). Subordinado(flor, jaime)?
Supervisa(lucia, antonio). Subordinado(francisco, Y)?
Supervisa(jaime, luis).
Supervisa(jaime,lucia).
Término Acuñado por
Bill Inmon
Almacén de datos
Depósito de Datos.
Se caracteriza por ser:
• Integrado.
• Histórico.
• Temático.
• No volátil.
Código Nombre ventas Detalle
MC304Nombre
Código Juan 22.345.678
ventas metalmecánica
Detalle
Código PG289 NombreLuis ventas34.456.900
Detalleagroindustria
MC304MC120 Juan Rodrigo ventas
22.345.678 metalmecánica
v Código
MC304
Nombre
Juan
33.600.800
Detalle veterinaria
e PG289PF157 Luis Francisco 22.345.678
34.456.900 metalmecánica
12.453.000agroindustria
hardware
n MC304
PG289 Juan
Luis
MC120 . Rodrigo . 22.345.678
34.456.900
33.600.800.metalmecánica
agroindustria
veterinaria .
d PG289
MC120 Luis
Rodrigo
PF157 . Francisco . 34.456.900
33.600.800
12.453.000.agroindustria
veterinaria
hardware .
e MC120
PF157 . Rodrigo
. Francisco . . 33.600.800
12.453.000
. veterinaria
. hardware . .
d PF157 . . Francisco. . 12.453.000
. . hardware . .
o . . . . . . . . . . . .
r . . . . . . . .
e . . . .
s
Ligeramente
Resumido
Detalle histórico
de los datos
Venta nacional Venta nacional
por mes 1985- por mes 1980-
1995 1990
META Detalle de
DATOS ventas 1980 -
1995
Detalle de ventas
de 1990- 1995
• Extracción: Obtención de la información de fuentes internas y
externas.
• Elaboración: Filtrado, limpieza, depuración, homogeneización y
agrupación de la información.
• Carga: Organización y actualización de los datos, y los
metadatos.
• Explotación: Extracción y análisis de la información agrupada.
• Query & Reporting
• On-line analytical processing (OLAP)
• Executive Information System (EIS) ó Información
de gestión
• Decision Support Systems (DSS)
• Visualización de la información
• Data Mining ó Minería de Datos, etc.
OBJETIVOS
• Herramienta para la toma de decisiones, en cualquier área
con base en información global.
• Facilita el análisis estadístico, obteniendo así información
oculta de enorme valor agregado.
• Permite aprender del pasado y predecir situaciones
futuras.
• Simplifica la implementación de sistemas integrales que
permitan la relación con el cliente.
• Obliga a una optimización tecnológica, económica y de
información con excelente retorno de inversión.
BD TRADICIONALES VS. DATA WAREHOUSE
BD OPERACIONALES DATA WARE HOUSE
Predomina la actualización. Predomina la consulta.
Detallada Resumida.
. .
.
. .
. . .
Francisco. .
. . .
. .
.
12.453.000
.
. .
. . .
. .
hardware . .
. . .
. .
. .
. . . .
MOLAP
•Redes neuronales.
•Lógica difusa.
•Series de tiempos.
• Sistemas de Marketing.
• Análisis de riesgos
financieros.
• Análisis de riesgos de
crédito.
• Otras: Control de gestión,
Logística, recurso humano.