Pga att (Nummer och Typ) tillsammans bestämmer övriga attribut funktionellt väljer vi (Nummer, Typ) till primärnyckel:
|
|
- David Åberg
- för 8 år sedan
- Visningar:
Transkript
1 ÖVNING 1. PRODUKT(Nummer, Namn, Typ, Klass, Prisklass, Vikt, Volym, Fraktkostnad) Nummer, Typ Namn, Klass, Pris, Prisklass, Vikt, Volym, Fraktkostnad Namn, Typ Nummer Typ Klass Pris Prisklass Vikt, Volym, Fraktkostnad Pga att (Nummer och Typ) tillsammans bestämmer övriga attribut funktionellt väljer vi (Nummer, Typ) till primärnyckel: PRODUKT(Nummer, Namn, Typ, Klass, Prisklass, Vikt, Volym, Fraktkostnad) En alternativ skulle vara att välja (Namn, Typ) till PN. I så fall måste vi visa att (Namn,Typ) bestämmer övriga attribut funktionellt: Vi har att: Namn, Typ Nummer Reflexiva lagen ger: Namn, Typ, Typ Nummer, Typ Vilket kan skrivas om som: Namn, Typ Nummer, Typ Och eftersom Nummer, Typ alla övriga attribut så ger transitiva lagen att Namn, Typ också bestämmer övriga attribut funktionellt. 2NF Vi har att Typ Klass. Eftersom {Typ} är en delmängd av {Nummer, Typ} (dvs Typ är en delmängd av primärnyckeln) så har vi ett partiellt funktionellt beroende mellan primärnyckeln och icke-nyckelattributet Klass. Alltså bryter vi ut på följande vis: TYPKLASS(Typ, Klass) PRODUKT(Nummer, Typ, Namn, Pris, Prisklass, Vikt, Volym, Fraktkostnad), PRODUKT.Typ << TYPKLASS.Typ 3NF Eftersom Prisklass är bestämd av Pris och Fraktkostnad är bestämd av Vikt och Volym och samtliga dessa är bestämda (funkt. bestämda) av primärnyckeln så har vi alltså ett transitivt beroende mellan PN och Prisklass, respektive Fraktkostnad (eftersom vare sig Pris eller (Vikt, Volym) är del av PN). FRAKT (Vikt, Volym, Fraktkostnad) PRIS(Pris, Prisklass) PRODUKT(Nummer, Typ, Namn, Vikt, Volym, Pris), PRODUKT.Typ << TYPKLASS.Typ PRODUKT.Pris << PRIS.Pris PRODUKT.(Vikt, Volym) << FRAKT. (Vikt, Volym) TYPKLASS(Typ, Klass)
2 Notera att vi kan visa att för tabellen PRODUKT så gäller följande: Nummer, Typ {visades i A} Namn, Typ Pris, Vikt, Volym. Således skulle man kunna hävda att ett transitivt beroende föreligger mellan Pris, respektive (Vikt, Volym) och primärnyckeln. Så är dock inte fallet eftersom (Namn, Typ) utgör en kandidatnyckel.
3 ÖVNING 2. Primärnyckel för tabellen R blir (Art+Habitat+Byte) tillsammans. Detta eftersom inget av attributen Art, Habitat respektive Byte ensamt räcker till för att bestämma alla övriga attribut. Till exempel har Art flera värden på Habitat (Tiger har habitaten Savann och Lövskog, Habitaten Savann har t ex arten Tiger och Lejon, Bytet Gnu jagas av både Tiger och Lejon osv.). Inte heller någon kombination av två av attributen räcker till för att identifiera det kvarvarande attributet funktionellt (Tiger plus Savann har flera värden på byte, Tiger plus Gnu har flera värden på habitat: Savann och regnskog, och Gnu plus Savann har flera värden på art: Lejon och Tiger). Alltså måste alla attributen ingå i primärnyckeln. Tabellen blir en så kallad all-key tabell. Den resulterande tabellen är i 3NF Tabellen är all-key så villkoren för 2NF (alla icke-nyckelattribut ska vara funktionellt beroende av hela nyckeln: vi har inga icke-nyckelattribut här) och 3NF (det ska inte finnas några transitiva beroenden mellan något icke-nyckel attribut och nyckeln: vi har inga icke-nyckelattribut) är uppfyllda.
4 ÖVNING 3 a) PERSON(Namn, Ålder, Stad, Land) Följande funktionella beroenden råder: Namn Ålder, Stad, Land Stad Land Denna tabell är inte ens i 3NF men väl i 2NF (om vi förutsätter att den är i 1NF). Den är i 2NF eftersom alla icke-nyckel attribut är fullständigt funktionellt beroende av primärnyckeln. Vi har ju bara ett attribut i nyckeln och då måste vi alltid ha 2NF om vi överhuvudtaget har 1NF. Men tabellen är inte i 3NF (och därmed inte heller i BCNF) eftersom det finns ett funktionellt beroende mellan två icke-nyckel attribut nämligen Stad Land och därmed ett transitivt beroende mellan ett icke-nyckelattribut och nyckeln. Varken STAD eller LAND ingår ju i primärnyckel eller eventuella kandidatnycklar (har vi inga här). Alltså måste vi först ordna till 3NF och sen kontrollera om vi på köpet hamnade i BCNF eller om vi måste gå vidare för att komma dit. Men först övergår vi till 3NF: PERSON(Namn, Ålder, Stad) STAD(Stad, Land) Dessa tabeller är i såväl 3NF som BCNF. Att de är i 3NF beror på att inga transitiva beroenden finns mellan icke-nyckelattributen och nyckeln. Att tabellerna är i BCNF beror på att ALLA determinanter är kandidatnycklar. (De enda funktionella beroenden vi hade var ju Namn Ålder, Stad respektive Stad Land och både Namn och Stad är ju primärnycklar. OBS att Stad i tabellen PERSON inte längre utgör en determinant i denna tabell. Det kan även vara bra att kontrollera om nedbrytning var non-loss. Jag gör det genom att JOIN:a PERSON med STAD-LAND och kontrollera att jag bara får tillbaka de tupler jag ursprungligen hade. Om jag får det så är dekomponeringen non-loss! Jag gör en NATURAL JOIN dvs. FN-attributet STAD kommer bara med en gång: Vi utgår från följande exempel tupler (där alla funktionella beroenden är uppfyllda): PERSON NAMN ÅLDER STAD LAND Maria 8 S-tälje Sverige Lisa 7 Säffle Sverige
5 Detta blev (efter 3NF-nedbrytning) : PERSON STAD-LAND NAMN ÅLDER STAD STAD LAND Maria 8 S-tälje S-tälje Sverige Lisa 7 Säffle Säffle Sverige NATURAL JOIN på PERSON och STAD-LAND: (jag återgår till det gamla namnet PERSON på den resulterande tabellen) PERSON NAMN ÅLDER STAD LAND Maria 8 S-tälje Sverige Lisa 7 Säffle Sverige Samma tupler som vi ursprungligen hade, dvs dekomponeringen var non-loss!
6 b) FÖRELÄSNING(Kurs, Lärare, Tid) Följande funktionella beroenden råder: Kurs Lärare Lärare, Tid Kurs FÖRELÄSNING(Lärare, Tid, Kurs) där alltså valts till PN = Lärare, Tid (En alternativ primärnyckel är Kurs+Tid) Gör en exempellistning som visar beroendena: FÖRELÄSNING LÄRARE TID KURS Maria oktober *62 Maria november *62 Petia november *58 Maria december DSVL1:5 Vi testar beroendena ett och ett: först Lärare,Tid Kurs: Eftersom alla fyra tuplerna har OLIKA värden på kombinationen Lärare,Tid så måste beroendet Lärare, Tid Kurs vara uppfyllt! Nu provar vi om Kurs Lärare håller: * 62 har bara ett värde på lärare nämligen Maria *58 har bara ett värde på lärare nämligen Petia DSVL1:5 har bara ett värde på lärare nämligen Maria Dvs även beroendet Kurs Lärare håller! Nu ska vi kontrollera om tabellen är i BCNF: Den är i 3NF (den är i 2NF eftersom det enda icke-nyckelattributet, Kurs, är fullständigt funktionellt beroende av primärnyckeln. Den är i 3NF eftersom det inte finnas några transitiva beroenden mellan vårt enda icke-nyckelattribut och nyckeln). Men, den är INTE i BCNF eftersom vi har en determinant ("det som står till vänster i ett funktionellt beronde") som INTE är en kandidatnyckel nämligen KURS. Alltså måste vi bryta ner tabellen FÖRELÄSNING till (till exempel...):
7 KURS-LÄRARE KURS LÄRARE *62 Maria *58 Petia DSVL1:5 Maria LÄRARE-TID LÄRARE Maria Maria Petia Maria TID oktober november november december Nu är tabellerna i BCNF (De är i 3NF och alla determinanter är kandidatnycklar). Vi provar även här att testa om komponeringen är non-loss eller inte: Vi gör alltså NATURAL JOIN över LÄRARE-TID Och KURS-LÄRARE (även här återtar jag namnet FÖRELÄSNING på den resulterande tabellen). FÖRELÄSNING LÄRARE TID KURS Maria oktober *62 Maria oktober DSVL1:5 Maria november *62 Maria november DSVL1:5 Petia november *58 Maria december *62 Maria december DSVL1:5
8 Här har vi fått tre NYA tupler (som inte fanns i ursprungliga föreläsningen) nämligen andra, fjärde och sjunde tupeln. Dekomponeringen var alltså INTE non-loss. De funktionella beroendena är inte längre uppfyllda t ex har samma kombinationa av LÄRARE,TID (Maria, Oktober i första och andra tupeln) TVÅ OLIKA värden på KURS!
9 Vi provar istället med att göra följande nedbrytning: KURS-LÄRARE KURS LÄRARE *62 Maria *58 Petia DSVL1:5 Maria KURS-TID KURS TID *62 oktober *62 november *58 november DSVL1:5 december Och så slår vi ihop dem via NATURAL JOIN igen: LÄRARE TID KURS Maria oktober *62 Maria november *62 Petia november *58 Maria december DSVL1:5 Jepp, bara de tupler som ursrpungligen fanns!
10 ÖVNING 4 LÅT U VARA EN MÄNGD AV ATTRIBUT och D en mängd av funktionella beroenden över attributen i U. Låt SAT(D) beteckna mängden av de relationer över U som uppfyller beroendena i D. a) Låt U = {a,b,c,d} och D = {b fi c, ad fi d}. Ge ett exempel på en relation som tillhör SAT(D) och en relation som inte tillhör SAT(D). a) Följande relation tillhör SAT(D) a b c d x x y y x x y z Följande relation tillhör inte SAT(D) a b c d x x y y x x z z b) Avgör för vart och ett av påståendena nedan om det är sant eller falskt. i) Om D1 D2 så SAT(D1) SAT(D2) ii) Om D1 D2 så SAT(D2) SAT(D1) iii) Om SAT(D1) SAT(D2) så D1 D2 iv) Om SAT(D2) SAT(D1) så D1 D2
11 i) Om D1 D2 så SAT(D1) SAT(D2) FALSKT. Motexempel enligt nedan: D1 = {a b} D2 = {a b, c d} För att visa att det inte gäller SAT(D1) SAT(D2) räcker det att uppvisa en relation som tillhör SAT(D1) men inte SAT(D2). En sådan relation är: a b c d x x y y x x y z
12 ii) Om D1 D2 så SAT(D2) SAT(D1) FALSKT om vi använder strikt delmängd. I så fall kan vi låta D1 = {a b, b c} och D2 = {a b, b c, a c}. Då stämmer vänsterledet men högerledet är inte sant pga att SAT(D2) = SAT(D1). SANT om vi använder icke-strikt delmängd. Bevis enligt nedan. Låt D1 = {f 1,,f n }, D2 = {f 1,,f n,.f n+1,,f n+k } Vad som behöver visas är att för varje relation A gäller följande implikation: om A tillhör SAT(D2) så A tillhör A SAT(D1). Låt A vara en relation Antag A tillhör SAT(D2) Då uppfyller A de funktionella beroendena f 1,,f n,.f n+1,,f n+k. Således uppfyller A f 1,,f n Per definition så gäller A tillhör SAT(D1). Och därmed är implikationen visad.
13 iii) Om SAT(D1) SAT(D2) så D1 D2 FALSKT. Motexempel enligt nedan. Vi ska nu anta att SAT(D1) SAT(D2) gäller. Det är samma sak som att säga att antalet tupler i SAT(D1) är färre än antalet tupler i SAT(D2). Vilket i sin tur är samma sak som att säga några tupler i SAT(D2) bryter mot några funktionella beroenden i D1 (eftersom de inte är element i SAT(D1). Vilket i sin tur betyder att D1 alltså har fler funktionella beroenden än D2. Således kan inte D1 vara en delmängd av D2. Alternativt ger man bara D1 och D2 några värden, där D1 är har fler element än D2: D2 = {a b} D1 = {a b, c d} Enligt i) så gäller vänsterledet, dvs vi vet att : SAT(D1) SAT(D2) Och vi ser ju att D1 INTE är en delmängd av D2, dvs högerledet gäller inte. Ännu enklare, låt D2 vara tomma mängden. Då gäller definitivt vänsterledet, men inte högerledet.
14 iv) Om SAT(D2) FALSKT. SAT(D1) så D1 D2 Motexempel: Låt D1 = {a b, b c, a c} Låt D2 = {a b, b c, d a} SAT(D2) är en delmängd av SAT(D1) eftersom, den upprätthåller alla funktionella beroenden i D1 OCH dessutom ett beroende till vilket kommer att diskvalificera vissa relationer som finns i SAT(D1) men som bryter mot d a. Men D1 är inte en delmängd av D2.
2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY!, där RIDKURS.KursId = KURS.KursId 3NF Hästnamn, Art, NY! NY! NY! NY!
ÖVNING 9 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs merÖVNING 10 2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY! 3NF Hästnamn, Art, NY! NY! NY! NY! KursId, StartDatum, SlutDatum KursId NY!
ÖVNING 10 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs merÖVNING 10 2NF Hästnamn, KursId, StartDatum, SlutDatum KursId NY! 3NF Hästnamn, Art, NY! NY! NY! NY! KursId, StartDatum, SlutDatum KursId NY!
ÖVNING 10 2NF HÄST (Hästnamn, Mankhöjd, Favoritmat, Art, Medelvikt, Spiltnummer, Bredd, Höjd) PERSON(Personnummer, Namn, Adress, Telefon) RIDKURS(KursId, StartDatum, SlutDatum, Ledare) KURS(KursId, Svårighetsgrad)
Läs merLösningsförslag till Tentamen,
Institutionen för Data- och Systemvetenskap SU/KTH Maria Bergholtz och Paul Johannesson Lösningsförslag till Tentamen, 022 2I-00 Informationssystem och databasteknik För att erhålla betyget tre räcker
Läs merKarlstads Universitet, Datavetenskap 1
* * * * DAV B04 - Databasteknik! "# $ %'&( ) KaU - Datavetenskap - DAV B04 - MGö 132 Riktlinjer när man vill skapa en databas 1) Designa så att det är lätt att förstå innebörden. Kombinera inte attribut
Läs merLogisk databasdesign
NORMALISERING Peter Bellström Logisk databasdesign 2 Arbetssteget vars syfte är att konstruera en modell (diagram, schema), baserad på en specifik datamodell, över verksamhetens begrepp och samband. Modellen
Läs merInformationssystem och databasteknik
Informationssystem och databasteknik Föreläsning 5 Analytisk databasdesign F5! Funktionellt beroende: Pnr Namn Funktion (i vanlig mat. betydelse): 610321 11111 22222 33333 Maria Eva Sture Olle För varje
Läs merIdag. Databaskvalitet(??) Databaskvalitet... Databaskvalitet...
Idag Databaskvalitet(??) Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? Det finns metoder
Läs merIT i organisationer och databasteknik
IT i organisationer och databasteknik Föreläsning 5 Analytisk databasdesign Arkitektur hos ett informationssystem Presentation Användargränssnitt via en browser Applikationslogik Data Java servlets som
Läs merDatabaser Design och programmering
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning 2 Varför normalisera? Metod att skydda
Läs merNormalisering. Varför? För att åstadkomma en så bra struktur i databasen som möjligt med minimalt med dubbellagrad info.
Normalisering Varför? För att åstadkomma en så bra struktur i databasen som möjligt med minimalt med dubbellagrad info. Tillbaka i modelleringsfasen. 1NF: Vad menas med ett sammansatt attribut? Exempel:
Läs merLösningsförslag till Exempel tentamen
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Lösningsförslag till Exempel tentamen 2I-1033 IT i Organisationer och Databasteknik Tentamenstiden är 5 timmar Skriv bara på
Läs merAnalytisk relationsdatabasdesign
Analytisk relationsdatabasdesign Att förbättra kvaliteten i databaser Presenter s Name Organization name www.horton.com Domän-regler och främmande nyckel regler via DDL Datatyp! Datatyp! Maxvärde! Maxvärde!
Läs merFunktionella beroenden - teori
Relationell databasdesign, FB Teori 7-12 Funktionella beroenden - teori Vid utformning av databassystem är det av största vikt att man kan resonera systematiskt om funktionella beroenden bl.a. för att
Läs merTentamen plus lösningsförslag
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Tentamen plus lösningsförslag 2I-1100 Informationssystem och databasteknik Skriv bara på en sida av pappret Skriv namn på varje
Läs merKarlstads Universitet, Datavetenskap 1
DAV B04 - Databasteknik KaU - Datavetenskap - DAV B04 - MGö 1 Normalisering Förut sunt förnuft Nu formell metod riktlinjer för att hjälpa till att gruppera attributen (egenskaperna) för varje relation
Läs merNormalisering. Christer Stuxberg Institutionen för Informatik och Media
Normalisering Christer Stuxberg christer.stuxberg@im.uu.se Institutionen för Informatik och Media Översikt Normalisering Dataredundans och Uppdateringsanomalier Anomalier vid insättning Anomalier vid borttagning
Läs merFöreläsning 6: Normalisering & funktionella beroenden
Föreläsning 6: Normalisering & funktionella beroenden DVA234 Databaser IDT Akademin för Innovation, Design och Teknik Innehåll Föreläsningens mål: Att ge en överblick över hur normalisering fungerar Önskvärda
Läs merNORMALISERING. Mahmud Al Hakim
NORMALISERING Mahmud Al Hakim mahmud@webacademy.se 1 SCHEMA Schema eller databasschema är en beskrivning av vilka data som kan finnas i en databas, oberoende av vilka data (innehållet) som råkar finnas
Läs merUniversitetet: ER-diagram
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning Varför normalisera? Metod att skydda
Läs merLösningsförslag Tentamen, 25 april 03
Lösningsförslag Tentamen, 25 april 03 Uppgift 1 Kommentar: Svårigheterna ligger i att differentiera mellan BIL och BILMODELL och MOTOR och MOTORTYP. Båda avbildare ett sk. powertype-förhållande (templatecopy)
Läs merKvalitetstänkande. Utgångsläge Samtliga ER-diagram har överförts till scheman
Kvalitetstänkande Utgångsläge Samtliga ER-diagram har överförts till scheman Förbättra kvaliteten på relationsscheman Normalformler ger dugligare nycklar Hitta funktionella beroenden med hjälp av slutsatsdragning
Läs merGrunderna för relationsmodellen!
Grunderna för relationsmodellen! 1 Varför behöver jag lära mig relationsmodellen?! Relationsmodellen är den totalt dominerande datamodellen i moderna databassystem Beskriver databaser som en mängd tabeller
Läs merRelationell databasdesign
Relationell databasdesign Kapitel 7 Relationell databasdesign sid Uppdelning m.h.a. funktionella beroenden 3 Funktionella beroenden - teori 12 Uppdelningsalgoritmer 27 Designprocess 33 Relational oath
Läs merKonceptuella datamodeller
Databasdesign Relationer, Nycklar och Normalisering Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Konceptuella datamodeller Om man ska skapa en databas som beskriver en del av verkligheten
Läs merLösningar till Algebra och kombinatorik
Lösningar till Algebra och kombinatorik 091214 1. Av a 0 = 1 och rekursionsformeln får vi successivt att a 1 = 1 + a 0 1 a 0 = 1 + 1 1 1 = 2, a 2 = 1 + a 1 1 a 0 + 1 a 1 = 1 + 2 1 + 1 = 4, 2 a 3 = 1 +
Läs merTentamen i Databasteknik
Tentamen i Lördagen den 21 oktober 2006 Tillåtna hjälpmedel: Allt skrivet material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs merProgramdesign, databasdesign. Databaser - Design och programmering. Funktioner. Relationsmodellen. Relation = generaliserad funktion.
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Programdesign, databasdesign Databasdesign Konceptuell design Förstudie, behovsanalys
Läs merExempel-Tentamen III
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Exempel-Tentamen III Inga hjälpmedel tillåtna (syntaxsammanställning behövs inte på denna tentamen) Skriv bara på en sida av
Läs merLösningar till tentamen i EDAF75
Lösningar till tentamen i EDAF75 4 april 2018 Lösning 1 (a) Här är ett förslag till E/R-modell: Det finns flera rimliga alternativa sätt att modellera, så du behöver inte vara orolig bara för att du inte
Läs merTentamen EIT:DB Databastmetodik 11/1 2013 kl. 13 17 + Lösningsförslag
Tentamen EIT:DB Databastmetodik 11/1 2013 kl. 13 17 + Lösningsförslag Inga hjälpmedel är tillåtna (annat än ordbok). Kort syntaxsamling för delar av SQL samt lista med symboler för relationsalgebraiska
Läs merDatabaser - Design och programmering. Relationsmodellen. Relationer - som tabeller. Relationer som tabeller. Alternativa notationer: Relationsschema
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Relationsmodellen Introducerades av Edward Codd 970 Mycket vanlig Stödjer kraftfulla
Läs merIdag. Hur vet vi att vår databas är tillräckligt bra?
Idag Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? DD1370 (Föreläsning 6) Databasteknik
Läs merTentamen 2I1033, IT i Organisationer och Databasteknik lördag 17/4 2004, kl. 10 15 LÖSNINGSFÖRSLAG
Institutionen för Data- och Systemvetenskap SU/KTH Maria Bergholtz Tentamen 2I033, IT i Organisationer och Databasteknik lördag 7/4 2004, kl. 0 5 LÖSNINGSFÖRSLAG Inga hjälpmedel tillåtna. Skriv bara på
Läs merUppdelning. Relationell databasdesign, FB Teori 7-20. Låt R vara ett relationsschema. R 1, R 2,..., R n är en uppdelning av
Relationell databasdesign, FB Teori 7-20 Uppdelning Låt R vara ett relationsschema. R 1, R 2,..., R n är en uppdelning av R om R i = R, i=1,...,n. Dvs. varje R i är en delmängd av R och varje attribut
Läs merLösningsförslag, tentamen i Databaser
LUNDS TEKNISKA HÖGSKOLA 1(4) Institutionen för datavetenskap Lösningsförslag, tentamen i Databaser 2004-04-20 1. ER-diagram: Matsedel år vecka serveras 1..5 lagas-med Maträtt Ingrediens dag mängd Allergi
Läs merTentamen Databasmetodik DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen Lördag 8 juni kl
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Tentamen DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen Lördag 8 juni kl. 10-14 Inga hjälpmedel tillåtna (syntaxsammanställning
Läs merDiskret Matematik A för CVI 4p (svenska)
MITTHÖGSKOLAN TFM Tentamen 2004 MAAA98 Diskret Matematik A för CVI 4p (svenska) Skrivtid: 5 timmar Datum: 3 juni 2004 Denna tentamen omfattar 10 frågor, där varje fråga kan ge 12 poäng. Delfrågornas poäng
Läs merFöreläsning 4 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Normalisering (Analytisk databasdesign)
Föreläsning 4 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Normalisering (Analytisk databasdesign) 1 Vad är en databas? Logiskt sammanhängande mängd av data,
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-08-20 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merDefinitionsmängd, urbild, domän
5B1493, lekt 5, HT06 Funktioner Definition av begreppet Definition: Låt X och Y vara två mängder. En funktion f av typ X Y är detsamma som en delmängd av X Y, sådan att 1. Om (x, y) och (x, z) f, så är
Läs mer729G04 - Diskret matematik. Lektion 3. Valda lösningsförslag
729G04 - Diskret matematik. Lektion 3. Valda lösningsförslag 1 Uppgifter 1.1 Relationer 1. Vi ges mängden A = {p, q, r, s, t}. Är följande mängder relationer på A? Om inte, ge ett exempel som visar vad
Läs merDIVISIONSEXEMPEL RELATIONSALGEBRA OCH SQL. r s använder vi för att uttrycka frågor där ordet alla figurerar:
DIVISIONSEXEMPEL RELATIONSALGEBRA OCH SQL r s använder vi för att uttrycka frågor där ordet alla figurerar: Ex. Vilka personer har stamkundskort vid ALLA klädesbutiker i stad X? Vilka personer har bankkonto
Läs merFöreläsning 3 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Vad är ett databashanteringssystem?
Föreläsning 3 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Vad är ett databashanteringssystem? En mängd program som tillåter användaren att skapa och underhålla
Läs merFöreläsning 8 i kursen Ma III, #IX1305, HT 07. (Fjärde föreläsningen av Bo Åhlander)
Föreläsning 8 i kursen Ma III, #IX1305, HT 07. (Fjärde föreläsningen av Bo Åhlander) Böiers 5.3 Relationer. Vi har definierat en funktion f: A B som en regel som kopplar ihop ett element a A, med ett element
Läs merDatabasdesign. E-R-modellen
Databasdesign Kapitel 6 Databasdesign E-R-modellen sid Modellering och design av databaser 1 E-R-modellen 3 Grundläggande begrepp 4 Begränsningar 10 E-R-diagram 14 E-R-design 16 Svaga entitetsmängder 19
Läs merExempel tentamen. Skriv bara på en sida av pappret Skriv namn på varje papper Skriv läsligt, annars rättas inte tentamen Alla hjälpmedel är tillåtna
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Exempel tentamen 2I-1100 Informationssystem och Databasteknik Tentamen är öppen i så motto att läroböcker, föreläsningsanteckningar,
Läs merTentamen Databasteknik
Försättsblad Tentamen Databasteknik 2003 04 29, 8.00 13.00 Inga hjälpmedel. Bedömning (preliminär): uppgifterna ger maximalt 14 + 11 + 11 + 6 + 4 + 4 = 50 poäng. För godkänt krävs 25 poäng (3/25, 4/33,
Läs merUppsala Universitet Matematiska Institutionen Thomas Erlandsson
Uppsala Universitet Matematiska Institutionen Thomas Erlandsson LÄSANVISNINGAR VECKA 36 VERSION 1. ARITMETIK FÖR RATIONELLA OCH REELLA TAL, OLIKHETER, ABSOLUTBELOPP ADAMS P.1 Real Numbers and the Real
Läs merFöreläsning 4 Dagens föreläsning går igenom
Databasbaserad publicering Föreläsning 4 1 Föreläsning 4 Dagens föreläsning går igenom E/R-modellen, fortsättning Frågor till flera tabeller samtidigt Många-till-många-relationer Läs om E/R-diagram i kapitel
Läs merLösningsförslag till övningsuppgifter, del II
Lösningsförslag till övningsuppgifter del II Obs! Preliminär version! Ö.1. För varje delare d till n låt A d var mängden av element a sådana att gcd(a n = d. Partitionen ges av {A d : d delar n}. n = 6:
Läs merAlgebra och Diskret Matematik A (svenska)
MITTUNIVERSITETET TFM Tentamen 2007 MAAA99 Algebra och Diskret Matematik A (svenska) Skrivtid: 5 timmar Datum: 7 juni 2007 Denna tenta omfattar 8 frågor, där varje fråga kan ge 3 poäng. Maximalt poängantal
Läs merExplorativ övning 9 RELATIONER OCH FUNKTIONER
Explorativ övning 9 RELATIONER OCH FUNKTIONER Övningens syfte är att bekanta sig med begreppet relation på en mängd M. Begreppet relation i matematiska sammanhang anknyter till betydelsen av samma ord
Läs merVektorgeometri för gymnasister
Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Diagonalisering av linjära avbildningar III
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-12-18 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merTentamen i TDDC75 Diskreta strukturer
Tentamen i TDDC75 Diskreta strukturer 2017-01-05, Lösningsförslag (med reservation för eventuella fel) 1. Betrakta följande satslogiska uttryck: (p q) (q p) (a) Visa genom naturlig deduktion att uttrycket
Läs mer1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående
MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 1 1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta
Läs merKOMBINATORIK OCH BINOMIALSATSEN
KOMBINATORIK OCH BINOMIALSATSEN PERMUTATIONER (Ordnade listor med n element, så kallade n- tipplar) 1. (permutationer av n olika element) Vi betraktar ordnade listor med n olika element,,, Varje bestämd
Läs merKarlstads Universitet, Datavetenskap 1
2003-01-20 DAV B04 - Databasteknik 2003-01-20 KaU - Datavetenskap - DAV B04 - MGö 26 Relationsmodellen En formell teori som baserar sig på (främst) mängdlära predikatlogik Föreslogs av E.F Codd 1970 i
Läs merTentamen Databasmetodik DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen 8 augusti 2013 kl. 9-13
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Tentamen DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen 8 augusti 203 kl. 9-3 Inga hjälpmedel tillåtna (syntaxsammanställning
Läs merDatabaser och databasdesign. Den relationella modellen, normalisering och modellering (2)
Databaser och databasdesign Den relationella modellen, normalisering och modellering (2) Varför databaser (DB)? Vi vill och måste kunna lagra data på sätt som motsvarar olika verksamheters behov Vad är
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-11-07 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merLMA033/LMA515. Fredrik Lindgren. 4 september 2013
LMA033/LMA515 Fredrik Lindgren Matematiska vetenskaper Chalmers tekniska högskola och Göteborgs universitet 4 september 2013 F. Lindgren (Chalmers&GU) Matematik 4 september 2013 1 / 25 Outline 1 Föreläsning
Läs merSkriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18
LiTH, Tekniska högskolan vid Linköpings universitet 1(5) IDA, Institutionen för datavetenskap Juha Takkinen Skriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18 Lokal T2 och
Läs merÖvningshäfte 3: Funktioner och relationer
GÖTEBORGS UNIVERSITET MATEMATIK 1, MAM100, HT2014 INLEDANDE ALGEBRA Övningshäfte 3: Funktioner och relationer Övning H Syftet är att utforska ett av matematikens viktigaste begrepp: funktionen. Du har
Läs merRelationsdatabasdesign
Vad är Relationsdatabasdesign? Relationsdatabasdesign nikosd@kth.se 08-7904460 rum 8522 Connolly/Begg (3rd edition) Kapitel 4., 4.2 och 5 (4th edition) Kapitel 5., 5.2 och 6 (5th edition) Kapitel 6., 6.2
Läs merinte följa någon enkel eller fiffig princip, vad man nu skulle mena med det. All right, men
MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 2. Explicita formler och rekursionsformler. Dag mötte vi flera talföljder,
Läs merFilosofisk logik Kapitel 15. Robin Stenwall Lunds universitet
Filosofisk logik Kapitel 15 Robin Stenwall Lunds universitet Dagens upplägg Första ordningens mängdlära Naiv mängdlära Abstraktionsaxiomet (eg. comprehension) Extensionalitetsaxiomet Små mängder Ordnade
Läs merLösningar till Algebra och kombinatorik
Lösningar till Algebra och kombinatorik 090520 1. Av a 0 = 0, a 1 = 1 och rekursionsformeln får vi successivt att a 2 = 1 4 a 1 a 0 + 3 2 = 1 4 1 0 + 32 = 4, a 3 = 1 4 a 2 a 1 + 3 2 = 1 4 4 1 + 32 = 9,
Läs merKappa 2014, lösningsförslag på problem 5
Kappa 2014, lösningsförslag på problem 5 Lag Spyken Roger Bengtsson, Sten Hemmingsson, Magnus Jakobsson, Susanne Tegler Problemet I det här problemet betraktas m n stora rektangulära rutnät, där m avser
Läs merConcepts learned this far. ER till relationer. ER till relationer. ER till relationer. TDDD12 Database Technology
2008-04-07 TDDD12 Lecture 3: EER and mapping E 1 TDDD12 Database Technology Concepts learned this far Lecture 3: EER/ER and mapping to relations by Juha Takkinen 2008-04-07 1 2 2008-04-07 TDDD12 Lecture
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merMängder och kardinalitet
UPPSALA UNIVERSITET Matematiska institutionen Erik Melin Specialkursen HT07 28 september 2007 Mängder och kardinalitet Dessa blad utgör skissartade föreläsningsanteckningar kombinerat med övningar. Framställningen
Läs merUppsala universitet Institutionen för lingvistik och filologi. Grundbegrepp: Mängder och element Delmängder
Mängder Joakim Nivre Uppsala universitet Institutionen för lingvistik och filologi Översikt Grundbegrepp: Mängder och element Delmängder Operationer på mängder: Union och snitt Differens och komplement
Läs merÖvningshäfte 1: Logik och matematikens språk
GÖTEBORGS UNIVERSITET MATEMATIK 1, MMG200, HT2014 INLEDANDE ALGEBRA Övningshäfte 1: Logik och matematikens språk Övning A Målet är att genom att lösa och diskutera några inledande uppgifter få erfarenheter
Läs merExplorativ övning 5 MATEMATISK INDUKTION
Explorativ övning 5 MATEMATISK INDUKTION Syftet med denna övning är att introducera en av de viktigaste bevismetoderna i matematiken matematisk induktion. Termen induktion är lite olycklig därför att matematisk
Läs merDatabaser - Design och programmering. Operationer i relationsalgebra. Att söka ut data. Exempel DBschema. Att plocka ut data, forts
Databaser Design och programmering Relationsalgebra den matematiska grunden för att bearbeta data representerad i relationsmodellen Operationer i relationsalgebra Två typer av operationer: Operationer
Läs merUtsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section
Föreläsning 1 Utsagor (Propositioner) sammansatta utsagor sanningstabeller logisk ekvivalens predikat (öppna utsagor) kvantifierare Section 1.1-1.3 i kursboken Definition En utsaga (proposition) är ett
Läs merGrundläggande 1 övningar i kombinatorik
UPPSALA UNIVERSITET Matematiska institutionen Vera Koponen Baskurs i matematik Grundläggande 1 övningar i kombinatorik Se till att ni klarar av dessa uppgifter innan ni går vidare till svårare uppgifter
Läs merDatabasteori. Övningar
Databasteori Övningar Eva L. Ragnemalm November 2009, reviderad 2012, 2014, augusti 2016, mars 2017 Observera: det finns inget facit till dessa övningar, eftersom många går att lösa på flera sätt, mer
Läs merInformationssystem och Databasteknik
Informationssystem och Databasteknik Föreläsning 4 Relationsmodellen Från konceptuell modell till relationsdatabasschema Analytisk databasdesign Vad är ett databashanteringssystem? En mängd program som
Läs merWebbprogrammering, grundkurs 725G54
Webbprogrammering, grundkurs 725G54 Bootstrap jquery SEO RWD MuddyCards. Tidigare Muddycards Många positiva kommentarer Ibland för högt tempo på föreläsning Lägg ut labbar tidigare Mer föreläsningar (2
Läs merTentamen i. Databasteknik
Tentamen i Databasteknik Torsdagen den 10/3 2005 14.00-19.00 Tillåtna hjälpmedel: Allt tänkbart material Använd bara framsidan på varje blad Skriv max en uppgift per blad. Skriv tydligt. Motivera allt.
Läs merRelationsmodellen. Relations modellen är idag den mest änvända datamodellen för kommersiella
Relationsmodellen 2-1 Relationsmodellen Relations modellen är idag den mest änvända datamodellen för kommersiella applikationer. Relationsdatabasstruktur En relationsdatabas består av en samling tabeller,
Läs merLösningsförslag till. tentamen för 1E1601
Lösningsförslag till tentamen för 1E1601 måndag 10 mars 2003 Lösningsförslag till tentamen för 1E1601 10 mars 2003 Sid 1 av 3 1. a. Antaganden: i. Varje film har ett eget beställningsnummer så att det
Läs merTDDI60 Tekniska databaser
Lena Strömbäck 2006-10-13 Skriftlig tentamen i kursen TDDI60 Tekniska databaser Datum: 2006-10-13 Tid: 8-12 Lokal: T2, U3 Hjälpmedel: Engelsk ordlista tillåten ej elektronisk Poängränser: Tentamen består
Läs merMer om analytisk geometri
1 Onsdag v 5 Mer om analytisk geometri Determinanter: Då man har en -matris kan man till den associera ett tal determinanten av som också skrivs Determinanter kommer att repeteras och studeras närmare
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem Exempeltenta för kursen ht2013 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan
Läs merMYSTERIER SOM ÅTERSTÅR
Matematiska institutionen Stockholms universitet C.G. Matematik med didaktisk inriktning 2 Problem i Algebra, geometri och kombinatorik Snedsteg 6 MYSTERIER SOM ÅTERSTÅR Mysteriet med matrisinversen. Det
Läs merDatabaser och Datamodellering Foreläsning IV
Webbprogrammering - 725G54 Databaser och Datamodellering Foreläsning IV Agenda Databaser ERD SQL MySQL phpmyadmin Labb 4 Databaser Databas - samling med data Databashanterare Enkelt Kraftfullt Flexibelt
Läs merFöreläsning 3 Dagens föreläsning går igenom
Databasbaserad publicering Föreläsning 3 1 Föreläsning 3 Dagens föreläsning går igenom E/R-modellen & Läs om E/R-diagram i kapitel 2-3 i boken "Databasteknik" eller motsvarande avsnitt på http://www.databasteknik.se/webbkursen/er/index.html
Läs merIntroduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4
Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa
Läs merRelationer. 1. Relationer. UPPSALA UNIVERSITET Matematiska institutionen Erik Melin. Specialkursen HT07 23 oktober 2007
UPPSALA UNIVERSITET Matematiska institutionen Erik Melin Specialkursen HT07 23 oktober 2007 Relationer Dessa blad utgör skissartade föreläsningsanteckningar kombinerat med övningar. Framställningen är
Läs merInlämningsuppgift, LMN100
Inlämningsuppgift, LMN100 Delkurs 3 Matematik Lösningar och kommentarer 1 Delbarhetsegenskaper (a) Påstående: Ett heltal är delbart med fyra om talet som bildas av de två sista siffrorna är delbart med
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merKontinuitet och gränsvärden
Kapitel Kontinuitet och gränsvärden.1 Introduktion till kontinuerliga funktioner Kapitlet börjar med allmänna definitioner. Därefter utvidgar vi successivt familjen av kontinuerliga funktioner, genom specifika
Läs merRelationer och funktioner
Relationer och funktioner Joakim Nivre Uppsala universitet Institutionen för lingvistik och filologi Översikt Relationer: Binära relationer på mängder Mängd-, graf- och matrisnotation Egenskaper hos relationer
Läs merTentamen i Databasteknik
Tentamen i Onsdagen den 7 mars 2007 Tillåtna hjälpmedel: Allt skrivet material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs mer