Basi di dati. Informatica. Prof. Pierpaolo Vittorini

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Basi di dati. Informatica. Prof. Pierpaolo Vittorini pierpaolo.vittorini@cc.univaq.it"

Transcript

1 Università degli Studi dell Aquila Facoltà di Medicina e Chirurgia 18 marzo 2010

2

3 Un esempio di (semplice) database Quando si pensa ad un database, generalmente si immagina una tabella contenente grandi quantità di informazioni, sulla quale è possibile fare una certa serie di operazioni Data Ora Cassa Ricetta Prezzo Schema o metadati Analisi del sangue 20 euro TAC 58 Istanze o dati... Operazioni semplici: registrazione dei ticket Complesse operazioni di analisi: Importo complessivo, per giorno, cassa, fascia oraria,... Correlazioni di vendita

4 DBMS: caratteristiche di base Un DBMS (DataBase Management System) è un applicativo software: in grado di gestire grandi quantità di dati (Giga-Tera byte e oltre) in grado di garantirne la persistenza anche a fronte di guasti in grado di condividere i propri dati garantendo privatezza con una disciplina di controllo degli accessi efficienza utilizzando al meglio le risorse di spazio e di tempo del sistema efficacia rendendo produttive le attività dei suoi utilizzatori integrità dei dati mantenendoli tra loro sempre consistenti

5 Integrità I problemi di integrità sono tipicamente dovuti alla mancanza di una adeguata progettazione del DB Un esempio di problema di integrità: Di un paziente, memorizzo sia il CAP che il Comune di residenza. Nella base di dati trovo un paziente con CAP e residente nel Comune di Teramo (problema di consistenza interna) In una tabella, ho che un certo paziente è celibe e un altra paziente che è la moglie del primo (problema di consistenza esterna o referenziale) In una tabella ho l elenco dei pazienti con indicato il codice della sua patologia, ma tale codice non è nell elenco presente in un altra tabella (problema di consistenza esterna o referenziale)

6 Limiti dei DBMS Limiti dei DBMS Nessuna capacità grafica Funzionalità statistiche di base Il trattamento statistico dei dati deve essere fatto con software ad-hoc (e.g. STATA, SAS)

7 Riassumiamo Un DBMS è l applicativo software che gestisce un DB, mentre un DB è una collezione di dati (generalmente rappresentati in forma di tabelle) che rappresentano le informazioni di interesse per un organizzazione Un foglio Excel non è un database, mentre un insieme di tabelle in Access è un database Scopo di questa parte del corso è quella di insegnarvi come progettare un DB, i.e. trovare un buon modo per 1 strutturare i dati di interesse, 2 imporre vincoli sui dati, 3 interrogare il database.

8 Progettazione di una base di dati 1. Raccolta ed analisi dei requisiti 2. Specifiche sui dati Modello concettuale (schema E/R) Modello logico (schema relazionale) Implementazione fisica 3. Specifiche sulle funzioni Interrogazioni sulla base di dati Implementazione delle transazioni

9 Modello concettuale Un modello concettuale è un insieme di costrutti utilizzati per organizzare i dati e descriverne la struttura Il modello Entità/Relazione (E/R) adotta un formalismo grafico e semplice si basa su due soli concetti (l entità e la relazione)

10 Entità Un entità rappresenta una classe di oggetti del mondo reale (e.g., persone, cose, eventi,...), che abbiano proprietà comuni, ed esistenza autonoma Ad esempio, l entità paziente è l astrazione l istanza (e.g. Pierpaolo) è il paziente vero e proprio

11 Attributi Le entità sono composte da attributi Ad esempio, l entità paziente è composta dagli attributi: CF, Nome, Cognome, Sesso e Indirizzo Il CF è la chiave primaria, ovvero l attributo che permette di identificare univocamente l istanza

12 Attributi (2) A volte, gli attributi possono essere compositi Ad esempio, l attributo Generalità è composto dal Nome e dal Cognome

13 Generalizzazione di entità Se un entità rappresenta una classe di oggetti del mondo reale, è possibile che essa debba essere specializzata in diversi contesti Ad esempio, un cliente di un hotel potrebbe essere un privato, una agenzia o una società

14 Relazione È il legame esistente fra differenti entità La relazione permette di esplicitare i collegamenti logici esistenti fra le varie entità che compongono le informazioni da trattare Ad esempio: un medico cura un paziente una SDO è rilasciata ad un paziente

15 Relazione (2) Ad esempio: l entità medico cura (relazione) l entità paziente I numeri rappresentano la cardinalità (minima e massima) della relazione un medico cura da un minimo di 0 ad un massimo di n pazienti un paziente è curato da un minimo di 1 ad un massimo di n medici

16 Cardinalità delle relazioni La cardinalità di una relazione identifica quante istanze di una certa entità si collegano ad una istanza di un altra entità Relazione uno-a-uno Relazione uno-a-molti o molti-a-uno Relazione molti-a-molti

17 Entità debole Facciamo l esempio delle entità studente e università, tra loro legate dalla relazione studia in Qual è la chiave primaria dell entità studente?

18 Entità debole È la matricola, a seconda dell università, i.e. possono esserci studenti con lo stesso numero di matricola in differenti università, ma non con la stessa matricola nella stessa università Una chiave primaria che dipende anche dalla relazione, dà origine ad una entità debole

19 Relazioni n-arie Esiste anche la possibilità di dover utilizzare relazioni fra più di due entità In tale caso, si parla di relazioni n-arie

20 Gli attributi Gli attributi possono anche essere posizionati sulle relazioni

21 Uno schema E/R semplice Costruiamo lo schema E/R di una base di dati per memorizzare le risposte date al questionario introduttivo. Il questionario è composto da 9 domande a risposta multipla; degli studenti ci interessa la matricola, l età ed il sesso

22 Le entità e le relazioni Identificazione delle entità Questionario Studente Identificazione delle relazioni Lo studente riempie il questionario

23 Uno schema E/R complesso Costruiamo lo schema E/R di una base di dati per il seguente studio: Analisi geografica di morbilità di malattie neoplastiche, con disaggregazione per sede elettorale, a seguito dell installazione di una industria chimica che prevede, nel ciclo di lavorazione, l emissione di gas in aria

24 Le entità e le relazioni Identificazione delle entità Sede elettorale Paziente Patologia Identificazione delle relazioni Il paziente risiede in una sede elettorale Il paziente soffre di una certa patologia

25 La sede elettorale Gli attributi dell entità sede elettorale Numero della sede (chiave primaria) Distanza dall industria chimica Numero di votanti

26 Il paziente Gli attributi dell entità paziente Identificatore numerico Sesso Età

27 La patologia Gli attributi dell entità patologia Codice DRG Diagnosi principale

28 La relazione risiede La relazione risede fra il paziente e la sede elettorale Il paziente risiede in 1 sede elettorale In una sede elettorale risedono n pazienti

29 La relazione soffre La relazione soffre fra il paziente e la patologia Un paziente può soffrire di n patologie Di una patologia soffrono n pazienti

30 Lo schema E/R completo

31 Esempi 1 Disegnare lo schema E/R relativo ai codici ICD-10 I codici ICD-10 sono organizzati in capitoli, blocchi e patologie. I capitoli hanno una numerazione con numeri romani, i blocchi e le patologie hanno una numerazione alfanumerica 2 Disegnare lo schema E/R relativo a una biblioteca Voglio memorizzare la collocazione di ogni volume. Per ogni volume voglio sapere il tipo (libro, rivista, proceedings, etc.), la casa editrice, e voglio memorizzarne gli autori 3 Disegnare lo schema E/R relativo ad un dominio informativo (semplificato) che permetta di calcolare le spese in termini di DRG all interno di un ospedale Voglio memorizzare, per ciascun reparto, i pazienti, la patologia (usando i codici ICD-9-CM), e il DRG assegnato

32 Esempi (2) 1 Disegnare lo schema E/R relativo alla valutazione dei servizi ospedalieri Per ogni servizio, è necessario sapere il tipo di prestazione che viene erogata, e si aggiunga la possibilità di dare una valutazione al servizio (0=insufficiente, 1=sufficiente, 2=ottima) 2 Disegnare lo schema E/R relativo alle analisi delle acque Si consideri la presenza di pozzi d acqua (con le informazioni circa il nome, la profondità) e le relative analisi (data, temperatura, ph, presenza inquinanti)

33 Il modello relazionale Il modello relazionale fu introdotto da Codd (1970) e si basa su una semplice ed uniforme struttura dati chiamata relazione, ed ha una solida base teorica La relazione del modello relazionale NON è la relazione degli schemi E/R Si introduce tale modello in quanto la maggior parte dei DBMS sono relazionali (e.g. Oracle, Access, MySQL)

34 Concetti fondamentali Il modello relazionale rappresenta una base di dati come un insieme di relazioni Informalmente, una relazione è (praticamente) una tabella ciascuna riga della relazione è detta tupla l intestazione di una colonna della tabella è chiamata attributo il tipo di dato che mi specifica ciò che può apparire in ciascuna colonna è detto dominio Per semplicità (e per non fare confusione) useremo il termine (improprio) tabella al posto del termine (corretto) relazione Tabella Data Ora Cassa Ricetta Prezzo Attributi Analisi del sangue TAC 58 Tuple...

35 Dallo schema E/R allo schema relazionale A partire dallo schema E/R, è possibile costruire la base di dati sotto forma di tabelle, utilizzando un algoritmo grafico Dallo schema E/R, si creano gruppi di entità e/o relazioni come segue: A partire da una entità o relazione dello schema E/R, si aggregano nel gruppo tutte le relazioni/entità legate con cardinalità unaria massima Ogni entità o relazione non aggregata deve diventare un nuovo gruppo I gruppi individuati corrispondono alle tabelle da creare Gli attributi di ciascuna tabella variano a seconda del contenuto del gruppo

36 Algoritmo grafico : questionario Partiamo da una qualunque entità e incorporiamo le relazioni e/o entità quando la loro cardinalità massima è 1

37 Algoritmo grafico : questionario Anche l altra entità e la relazione stessa è stata inglobata ottenendo un unica tabella 1 questionari studenti(matricola, sesso, eta, r 1, r 2, r 3, r4, r5, r6, r7, r8, r9)

38 Algoritmo grafico : questionario (2) Per completare questo passo, è inoltre importante specificare il tipo di dato che verrà usato per memorizzare le istanze dei vari attributi questionari studenti(matricola, sesso, eta, r 1, r 2, r 3, r4, r5, r6, r7, r8, r9) matricola: int sesso: char[1] eta: int r1... r9: int

39 Algoritmo grafico : analisi geografica Partiamo dall entità paziente e procediamo con le relazioni...

40 Algoritmo grafico : analisi geografica La relazione risiede è stata aggregata all entità paziente in un gruppo

41 Conversione delle entità singole Per le entità singole patologia e sede elettorale, si creano due tabelle 1 patologie(codice, drg, diagnosi principale) 2 sedi elettorali(numero, distanza, votanti)

42 Conversione dei gruppi Per l entità paziente e la relazione risiede, si crea una tabella 1 pazienti(numero, sesso, eta, numero sede elettorale) dove numero sede elettorale è una chiave esterna

43 Conversione delle relazioni singole Per la relazione singola soffre, si crea una tabella 1 soffre(codice patologia, numero paziente) dove la coppia codice patologia e numero paziente è la chiave primaria

44 Lo schema relazionale Abbiamo identificato quindi quattro tabelle: 1 patologie(codice, drg, diagnosi principale) codice: int drg: char[3] diagnosi principale: char[50] 2 sedi elettorali(numero, distanza, votanti) numero: int distanza: float votanti: int 3 pazienti(numero, sesso, eta, numero sede elettorale) numero: int sesso: char[1] eta: int numero sede elettorale: int (stesso tipo di sedi elettorali.numero) 4 soffre(codice patologia, numero paziente) codice patologia: int (stesso tipo di patologie.codice) numero paziente: int (stesso tipo di pazienti.numero)

45 Primo blocco Entità patologia Tabella patologie(codice, drg, diagnosi principale) codice drg diagnosi principale Tumori maligni del cavo orale Tumori maligni del rinofaringe Tumori maligni dell esofago

46 Secondo blocco Entità sede elettorale Tabella sedi elettorali(numero, distanza, votanti) numero distanza votanti

47 Terzo blocco Entità paziente + relazione risiede Tabella pazienti(numero, sesso, eta, numero sede elettorale) numero sesso eta numero sede elettorale 1 m f m

48 Quarto blocco Relazione soffre Tabella soffre(codice patologia, numero paziente) numero paziente codice patologia

49 Esempi Si convertano in schema relazionale gli esempi di schemi E/R introdotti precedentemente Codici ICD-10 Biblioteca Calcolo delle spese in termini di DRG all interno di un ospedale Valutazione dei servizi ospedalieri Analisi delle acque

50 Definizioni formali Un dominio D è un insieme di valori atomici non ulteriormente suddivisibili, e.g. Il dominio Z + è l insieme dei numeri interi positivi [0, ) Il dominio CF è l insieme delle stringhe alfanumeriche lunghe 16 caratteri Il dominio S è l insieme dei due caratteri {f, m} Un attributo A è un nome che fa riferimento ad un dominio D = dom(a), e.g. L attributo eta Z + identifica l età L attributo CF CF identifica il codice fiscale L attributo sesso S identifica il sesso

51 Definizioni formali (2) Uno schema di relazione R(A 1, A 2,..., A n ) è composto da un nome R e da un insieme di attributi A 1, A 2,..., A n, e.g. Lo schema di relazione soggetto(cf, eta, sesso) indica che di un soggetto ne consideriamo il codice fiscale, l età e il sesso Dato l insieme di attributi A 1, A 2,..., A n dello schema di relazione R, una tupla t = (v 1, v 2,..., v n ) è una lista ordinata di valori tali che v i dom(a i ), e.g. La tupla (ABCXYZ98X 76A345X, 34, m) identifica una instanza di un soggetto con codice fiscale ABCXYZ98X76A345X, età 34 anni, e di sesso maschile

52 Definizioni formali (3) Una relazione r R è un insieme di tuple t 1, t 2,..., t n, e.g. La relazione {(ABCXYZ98X 76A345X, 34, m), (DEFTUV 76W 54B678A, 35, f )} identifica i soggetti nella nostra base di dati La relazione differisce quindi da una tabella per il solo fatto di non avere un ordinamento sulle righe

53 Vincoli su schemi relazionali Definizione Un vincolo è una proprietà che deve essere soddisfatta dalle istanze di una base di dati. Ogni vincolo può essere visto come un predicato che può assumere il valore vero o falso: se il predicato assume il valore vero diciamo che l istanza soddisfa il vincolo.

54 Vincoli su schemi relazionali Vincoli di dominio Un vincolo di dominio impone che ciascun attributo A debba appartenere al suo dominio dom(a) Vincoli di chiave Se una chiave PK è il sottoinsieme di attributi che identifica univocamente una tupla, date due tuple t 1 e t 2 di una relazione R, si avrà t 1 [PK] t 2 [PK] Vincolo di integrità di chiave afferma che nessuna chiave primaria può assumere un valore nullo Vincolo di integrità referenziale è specificato fra più relazioni e serve ad assicurare la consistenza fra le tuple delle due relazioni

55 Vincolo di integrità referenziale Per introdurre il concetto di vincolo di integrità referenziale fra due relazioni R 1 e R 2, è necessario definire formalmente il concetto di chiave esterna Definizione Un insieme di attributi FK di uno schema R 1 è una chiave esterna di R 1 se soddisfa: 1 Gli attributi di FK appartengono allo stesso dominio della chiave primaria PK di R 2 2 Un valore di FK presente in una tupla t 1 di R 1 corrisponde ad un valore della chiave primaria PK di una tupla t 2 di R 2 (i.e. t 1 [FK] = t 2 [PK]) oppure assume valore nullo

56 Vincolo di integrità referenziale (2) Un vincolo di integrità referenziale esplicita l esistenza di una relazione (in terminologia E/R) fra differenti entità Violare un vincolo di integrità referenziale significa provocare problemi di consistenza, e.g. L attributo ICD10 rappresenta la patologia di un paziente ed è chiave esterna verso la tabella delle patologie Il codice J01.10 non è presente nella tabella delle patologie e viola la seconda proprietà delle chiavi esterne codice eta sesso icd m J f J m J icd10 descrizione J01.1 Sinusite frontale acuta J01.9 Sinusite acuta non specificata......

57 Operazioni sulla base di dati e vincoli Inserimento L inserimento di una tupla in una relazione può violare tutti i tipi di vincoli Il vincolo di dominio se un valore non è nel dominio del corrispondente attributo Il vincolo di chiave se il valore della chiave primaria è gia presente nella relazione Il vincolo di integrità di chiave se il valore della chiave primaria è nullo Il vincolo di integrità referenziale se il valore della chiave esterna non è presente nella relazione referenziata

58 Operazioni sulla base di dati e vincoli (2) Cancellazione La cancellazione di una tupla da una relazione può violare solo il vincolo di integrità referenziale Si viola il vincolo di integrità referenziale se viene eliminata una riga che è referenziata tramite una chiave esterna di una differente relazione Modifica La modifica può essere vista come una operazione di cancellazione seguita da un inserimento Si fa notare che la modifica di attributi che non siano né chiave primaria né chiave esterna non provocano problemi

59 Dipendenze funzionali Definizione Una dipendenza funzionale, denotata con X Y, è un vincolo esistente fra due insiemi di attributi X e Y della base di dati In altri termini, una dipendenza funzionale implica che il valore degli attributi Y è determinato dal valore degli attributi X Ad esempio, CF eta CAP residenza L esistenza di una dipendenza funzionale genera problemi di consistenza, e.g. come mi comporto se in una tupla trovo CAP = e residenza = Teramo?

60 Dipendenze funzionali e problemi di consistenza La risoluzione di problemi potenzialmente causabili dall esistenza di dipendenze funzionali devono essere risolte normalizzando la base di dati Normalizzazione La normalizzazione è il processo per cui schemi relazionali non soddisfacenti vengono decomposti, dividendone gli attributi in dipendenza funzionale, e creando schemi relazionali più piccoli dotati delle proprietà richieste

61 Seconda forma normale (2NF) 2NF Uno schema relazionale è in seconda forma normale (2NF) se nessun attributo A è in dipendenza funzionale con la chiave primaria PK Prendiamo l esempio di una relazione che mi rappresenta i pazienti curati dai medici di un reparto

62 Normalizzazione in seconda forma normale Per normalizzare una relazione in 2NF, è necessario rimuovere dalla relazione tutti gli attributi in dipendenza funzionale e posizionarli in una relazione separata

63 Terza forma normale (3NF) 3NF Uno schema relazionale è in terza forma normale (3NF) se nessun attributo A è in dipendenza funzionale con altri attributi B in dipendenza funzionale con la chiave primaria PK (dipendenza funzionale transitiva PK B A) Prendiamo l esempio di una relazione che mi rappresenta i pazienti curati dai medici di un reparto

64 Normalizzazione in terza forma normale Per normalizzare una relazione in 3NF in cui è presente una dipendenza funzionale transitiva PK B A, è necessario portarla in 2NF, far diventare l attributo B chiave esterna per la relazione B A

65 Algebra relazionale Definizione L algebra relazionale è un insieme di operazioni (query) che servono per manipolare relazioni (tabelle). In altri termini, l algebra relazionale è la formalizzazione matematica del modo in cui è possibile estrarre da un database le informazioni di interesse. 1 Operazione di selezione (σ) 2 Operazione di proiezione (π) 3 Operazione di join ( ) e natural join ( )

66 L operatore di selezione Selezione σ L operatore di selezione σ è usato per selezionare da una relazione un sottoinsieme di tuple che soddisfano un certo criterio Una operazione di selezione si specifica tramite la seguente espressione: σ condizione (relazione) Una operazione di selezione, quindi, restituisce una relazione con il medesimo schema, ma con le sole tuple che soddisfano la condizione

67 L operatore di selezione (2) Ad esempio, consideriamo di voler selezionare il questionario dello studente di matricola questionari studenti σ matricola= (questionari studenti) matricola eta sesso r1... r f m f 1 2 σ matricola= (questionari studenti) matricola eta sesso r1... r m 2 3

68 L operatore di selezione (3) Ad esempio, consideriamo di voler selezionare i questionari delle ragazze questionari studenti σ sesso= f (questionari studenti) matricola eta sesso r1... r f m f 1 2 σ sesso= f (questionari studenti) matricola eta sesso r1... r f f 1 2

69 L operatore di selezione (4) Ad esempio, consideriamo di voler selezionare i questionari delle ragazze con meno di 30 anni questionari studenti σ sesso= f AND eta<30(questionari studenti) matricola eta sesso r1... r f m f 1 2 σ sesso= f AND eta<30(questionari studenti) matricola eta sesso r1... r f 1 2

70 L operatore di proiezione Proiezione π L operazione di proiezione π seleziona dalla relazione solo le colonne specificate Una operazione di proiezione si specifica tramite la seguente espressione: π attributi (relazione) Una operazione di proiezione, quindi, restituisce una relazione con differente schema, ma con le stesse tuple della relazione originaria

71 L operatore di proiezione (2) Ad esempio, consideriamo l operazione seguente (i.e. restituisci le colonne matricola e r1 ) π matricola,r1 (questionari studenti) questionari studenti matricola eta sesso r1... r f m f 1 2 π matricola,r1 (questionari studenti) matricola r

72 Sequenze di operatori Ad esempio, consideriamo l operazione seguente (i.e. restituisci le colonne matricola e r1 dalle tuple in cui il sesso è f ) questionari studenti π matricola,r1 (σ sesso= f (questionari studenti)) matricola eta sesso r1... r f m f 1 2 π matricola,r1 (σ sesso= f (questionari studenti)) matricola r

73 L operatore di join Join L operazione di join viene usata per combinare tuple provenienti da più relazioni in uniche tuple, secondo un determinato criterio Una operazione di join si specifica tramite la seguente espressione: relazione 1 criterio relazione 2

74 L operatore di join (2) Ad esempio, consideriamo l operazione seguente (i.e. restituisci tutte le informazioni circa i pazienti e le rispettive sedi elettorali) pazienti pazienti.numero sede elettorale=sedi elettorali.numero sedi elettorali pazienti numero sesso eta numero sede elettorale 1 m f m sedi elettorali numero distanza votanti pazienti pazienti.numero sede elettorale=sedi elettorali.numero sedi elettorali numero sesso eta numero sede elettorale numero distanza votanti 1 m f m

75 Natural join L operatore di join è fondamentale perché permette di reperire informazioni che sono contenute in relazioni tra loro collegate tramite chiavi esterne In tal caso, è possibile ricorrere al natural join Natural join Date due relazioni R 1 e R 2, in cui è stato definito il vincolo di integrità referenziale t 1 [FK] = t 2 [PK], si definisce natural join R 1 R 2 π R1 FK,R 2 (R 1 R1.FK=R 2.PK R 2 ) Il natural join è essenzialmente il join su tabelle collegate secondo quanto espresso dal vincolo di integrità referenziale

76 Natural join (2) Siccome pazienti.numero sede elettorale è chiave esterna per sedi elettorali.numero, allora pazienti sedi elettorali pazienti numero sesso eta numero sede elettorale 1 m f m sedi elettorali numero distanza votanti pazienti sedi elettorali numero sesso eta numero distanza votanti 1 m f m

77 Come si compone una query Una query in algebra relazionale si può sempre scrivere come: π attributi (σ criterio (r 1 r 2 r n )) Per comporre una query in algebra relazionale 1 Identificare le tabelle che contengono i dati oggetto della query, e metterle nei natural join 2 Identificare la parte della query che rappresenta il criterio di selezione delle righe 3 Identificare la parte della query che specifica quali attributi vogliamo ottenere in uscita tramite proiezione

78 Esempi di query in algebra relazionale 1 Una sola tabella è coinvolta nella query: pazienti 2 Il criterio di selezione indica i soli maschi: sesso= m 3 Voglio tutti gli attributi: nessun π pazienti numero sesso eta num... 1 m f m Query 1 - Tutti i pazienti maschi σ sesso= m (pazienti)

79 Esempi di query in algebra relazionale (2) 1 Una sola tabella è coinvolta nella query: pazienti 2 Il criterio di selezione indica una età < di 30: eta < 30 3 Voglio il solo sesso come attributo: sesso pazienti numero sesso eta num... 1 m f m Query 2 - Sesso dei pazienti di età inferiore ai 30 anni π sesso(σ eta<30 (pazienti))

80 Esempi di query in algebra relazionale (3) 1 Due tabelle sono coinvolte nella query: pazienti, sedi elettorali 2 Il criterio di selezione indica il sesso femminile: sesso= f 3 Voglio il solo sesso come attributo: eta, distanza Query 3 - Età e distanza dall azienda chimica di tutti i pazienti di sesso feminile π eta,distanza (σ sesso= f (pazienti sedi elettorali))

81 Esempi di query in algebra relazionale (4) Età e distanza dall azienda chimica di tutti i pazienti di sesso feminile Dai pazienti... pazienti numero sesso eta numero sede elettorale 1 m f m 69 75

82 Esempi di query in algebra relazionale (4) pazienti numero sesso eta numero sede elettorale 1 m f m Si aggiungono le informazioni sulle rispettive sedi elettorali... pazienti sedi elettorali numero sesso eta numero distanza votanti 1 m f m

83 Esempi di query in algebra relazionale (4) pazienti sedi elettorali numero sesso eta numero distanza votanti 1 m f m Si selezionano quelli di sesso femminile... σ sesso= f (pazienti sedi elettorali) numero sesso eta numero distanza votanti 2 f

84 Esempi di query in algebra relazionale (4) σ sesso= f (pazienti sedi elettorali) numero sesso eta numero distanza votanti 2 f Infine, si restituiscono i dati relativi all età e alla distanza. π eta,distanza (σ sesso= f (pazienti sedi elettorali)) eta distanza

85 Esempi di query in algebra relazionale (5) Query 4 - Età, sesso e DRG di tutti i pazienti π eta,sesso,drg (pazienti soffre patologie) 1 Tre tabelle sono coinvolte nella query: pazienti, soffre, patologie (N.B. anche le tabelle intermedie devono essere considerate) 2 Il criterio di selezione non è specificato: nessun σ 3 Voglio l età, il sesso e il DRG come attributi: eta, sesso, DRG

86 Esempi di query in algebra relazionale (6) Età, sesso e DRG di tutti i pazienti Dalle tabelle dei pazienti e delle patologie di cui soffrono... pazienti numero sesso eta numero sede elettorale 1 m f m soffre numero paziente codice patologia

87 Esempi di query in algebra relazionale (6) Si aggiungono i codici delle patologie di ciascun paziente... soffre pazienti numero sesso eta numero sede elettorale codice patologia 1 m m f m

88 Esempi di query in algebra relazionale (6) Quindi gli ulteriori dati relativamente alle patologie... patologie soffre pazienti numero sesso eta num... codice DRG diagnosi principale 1 m Tumori maligni del rinofaringe 1 m Tumori maligni dell esofago 2 f Tumori maligni dell esofago 3 m Tumori maligni del cavo orale

89 Esempi di query in algebra relazionale (6) Infine, si restituiscono i soli attributi relativi all età, il sesso e il DRG π eta,sesso,drg (patologie soffre pazienti) eta sesso DRG 26 m m f m 064

90 SQL SQL (Structured Query Language) Linguaggio standard usato da ogni DBMS per l interrogazione dei dati Può Creare/distruggere database Creare/alterare/distruggere tabelle Inserire/rimuovere dati Interrogare la base di dati

91 Query di selezione Il comando SQL per estrarre dati da un DB è la SELECT La query di selezione si compone di (almeno) tre parti Gli attributi da restituire Le tabelle da cui estrarre i dati Il criterio di selezione... più eventuali indicazioni circa l ordinamento, etc.

92 Query di selezione (2) Select La forma di una query di selezione SELECT [ l i s t a d e g l i a t t r i b u t i ] FROM [ l i s t a d e l l e t a b e l l e ] WHERE [ c r i t e r i o ]

93 L SQL e l algebra relazionale Data una query scritta in algebra relazionale, è possibile scrivere la corrispondente query in SQL seguendo il seguente schema: 1 Gli attributi del π diventano gli attributi della parte SELECT 2 Le tabelle messe in si elencano nella lista delle tabelle della parte FROM 3 Il criterio di selezione e le condizioni di natural join diventano il criterio della parte WHERE Le condizioni di natural join sono l equivalenza della chiave primaria con la chiave esterna della tabella collegata dal join

94 I pazienti maschi Query 5 - L età di tutti i pazienti maschi π eta(σ sesso= m (pazienti)) SELECT FROM WHERE e t a p a z i e n t i s e s s o = m

95 Il sesso dei pazienti di età inferiore ai 30 anni Query 6 - Sesso dei pazienti di età inferiore ai 30 anni π sesso(σ eta<30 (pazienti)) SELECT s e s s o FROM p a z i e n t i WHERE e t a < 30

96 Paziente e distanza Query 7 - Età e distanza dall industria dei pazienti di sesso femminile π eta,distanza (σ sesso= f (pazienti sedi elettorali)) SELECT eta, distanza FROM p a z i e n t i, s e d i e l e t t o r a l i WHERE n u m e r o s e d e e l e t t o r a l e = s e d i e l e t t o r a l i. numero AND s e s s o = f Quando esistono delle omonimie, è necessario specificare da quale relazione preleviamo gli attributi

97 Paziente e DRG Query 8 - Età, sesso e DRG di tutti i pazienti π eta,sesso,drg (pazienti soffre patologie) SELECT eta, s e s s o, DRG FROM p a z i e n t i, s o f f r e, p a t o l o g i e WHERE ( numero = n u m e r o p a z i e n t e ) AND ( c o d i c e p a t o l o g i a = c o d i c e )

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

Dettagli

Algebra Relazionale. algebra relazionale

Algebra Relazionale. algebra relazionale Algebra Relazionale algebra relazionale Linguaggi di Interrogazione linguaggi formali Algebra relazionale Calcolo relazionale Programmazione logica linguaggi programmativi SQL: Structured Query Language

Dettagli

Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone. SQL: il DDL

Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone. SQL: il DDL Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone SQL: il DDL Parti del linguaggio SQL Definizione di basi di dati (Data Definition Language DDL) Linguaggio per modificare

Dettagli

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Dal modello concettuale al modello logico

Dal modello concettuale al modello logico Dal modello concettuale al modello logico Traduzione dal modello Entita - Associazione al modello Relazionale Ciclo di sviluppo di una base di dati (da parte dell utente) Analisi dello scenario Modello

Dettagli

Introduzione a MySQL

Introduzione a MySQL Introduzione a MySQL Cinzia Cappiello Alessandro Raffio Politecnico di Milano Prima di iniziare qualche dettaglio su MySQL MySQL è un sistema di gestione di basi di dati relazionali (RDBMS) composto da

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

Dettagli

Progettazione di Database

Progettazione di Database Progettazione di Database Progettazione Concettuale: strutturazione della realtà che si vuole rappresentare secondo uno schema concettuale Dallo schema concettuale si ricava lo schema del database relazionale

Dettagli

(anno accademico 2008-09)

(anno accademico 2008-09) Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato

Dettagli

Le funzionalità di un DBMS

Le funzionalità di un DBMS Le funzionalità di un DBMS Sistemi Informativi L-A Home Page del corso: http://www-db.deis.unibo.it/courses/sil-a/ Versione elettronica: DBMS.pdf Sistemi Informativi L-A DBMS: principali funzionalità Le

Dettagli

Fondamenti di Teoria delle Basi di Dati

Fondamenti di Teoria delle Basi di Dati Fondamenti di Teoria delle Basi di Dati Riccardo Torlone Parte 6: Potenza espressiva del calcolo Calcolo su domini, discussione Pregi: dichiaratività Difetti: "verbosità": tante variabili! espressioni

Dettagli

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica Università degli Studi di Parma Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica A.A. 2007-08 CORSO DI INGEGNERIA DEL SOFTWARE Prof. Giulio Destri http://www.areasp.com (C) 2007 AreaSP for

Dettagli

Informatica Industriale Modello funzionale: Informazione Progettazione concettuale

Informatica Industriale Modello funzionale: Informazione Progettazione concettuale DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale Modello funzionale: Informazione Progettazione concettuale Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/

Dettagli

DRG e SDO. Prof. Mistretta

DRG e SDO. Prof. Mistretta DRG e SDO Prof. Mistretta Il sistema è stato creato dal Prof. Fetter dell'università Yale ed introdotto dalla Medicare nel 1983; oggi è diffuso anche in Italia. Il sistema DRG viene applicato a tutte le

Dettagli

Esercitazione su SQL

Esercitazione su SQL Esercizio 1. Esercitazione su SQL Si consideri la base di dati relazionale composta dalle seguenti relazioni: impiegato Matricola Cognome Stipendio Dipartimento 101 Sili 60 NO 102 Rossi 40 NO 103 Neri

Dettagli

Le variabili. Olga Scotti

Le variabili. Olga Scotti Le variabili Olga Scotti Cos è una variabile Le variabili, in un linguaggio di programmazione, sono dei contenitori. Possono essere riempiti con un valore che poi può essere riletto oppure sostituito.

Dettagli

Il linguaggio SQL: transazioni

Il linguaggio SQL: transazioni Il linguaggio SQL: transazioni Sistemi Informativi T Versione elettronica: 4.8.SQL.transazioni.pdf Cos è una transazione? Una transazione è un unità logica di elaborazione che corrisponde a una serie di

Dettagli

UML: Class Diagram. Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it

UML: Class Diagram. Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it UML: Class Diagram Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it Dipartimento di Ingegneria Informatica e delle Telecomunicazioni Università di Catania Class Diagram Forniscono una vista strutturale

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

SQL. Dipartimento del Tesoro

SQL. Dipartimento del Tesoro Dipartimento del Tesoro SQL 1 Database...4 1.1 COS È UN DATABASE...4 1.2 DAGLI ARCHIVI AI DBMS...5 1.3 VANTAGGI OFFERTI DAI DBMS...6 1.4 INDIPENDENZA DEI DATI DALL APPLICAZIONE...7 1.5 RISERVATEZZA NELL

Dettagli

Import Dati Release 4.0

Import Dati Release 4.0 Piattaforma Applicativa Gestionale Import Dati Release 4.0 COPYRIGHT 2000-2005 by ZUCCHETTI S.p.A. Tutti i diritti sono riservati.questa pubblicazione contiene informazioni protette da copyright. Nessuna

Dettagli

CORSO DI ALGORITMI E PROGRAMMAZIONE. JDBC Java DataBase Connectivity

CORSO DI ALGORITMI E PROGRAMMAZIONE. JDBC Java DataBase Connectivity CORSO DI ALGORITMI E PROGRAMMAZIONE JDBC Java DataBase Connectivity Anno Accademico 2002-2003 Accesso remoto al DB Istruzioni SQL Rete DataBase Utente Host client Server di DataBase Host server Accesso

Dettagli

Basi di Dati. S Q L Lezione 5

Basi di Dati. S Q L Lezione 5 Basi di Dati S Q L Lezione 5 Antonio Virdis a.virdis@iet.unipi.it Sommario Gestione eventi Gestione dei privilegi Query Complesse 2 Esercizio 9 (lezione 4) Indicare nome e cognome, spesa e reddito annuali

Dettagli

Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN)

Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN) Estensione di un servizo di messaggistica per telefonia mobile (per una società di agenti TuCSoN) System Overview di Mattia Bargellini 1 CAPITOLO 1 1.1 Introduzione Il seguente progetto intende estendere

Dettagli

Database, SQL & MySQL. Dott. Paolo PAVAN Maggio 2002

Database, SQL & MySQL. Dott. Paolo PAVAN Maggio 2002 Database, SQL & MySQL Dott. Paolo PAVAN Maggio 2002 1 Struttura RDBMS MYSQL - RDBMS DATABASE TABELLE 2 Introduzione ai DATABASE Database Indica in genere un insieme di dati rivolti alla rappresentazione

Dettagli

Maurizio Vichi Sapienza Università di Roma

Maurizio Vichi Sapienza Università di Roma Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roma Presidente Federazione Europea delle Società Nazionali di Statistica Scuola Estiva di Matematica

Dettagli

Il linguaggio SQL Basi di dati 1. Il linguaggio SQL. Angelo Montanari. Dipartimento di Matematica e Informatica Università di Udine

Il linguaggio SQL Basi di dati 1. Il linguaggio SQL. Angelo Montanari. Dipartimento di Matematica e Informatica Università di Udine Il linguaggio SQL Basi di dati 1 Il linguaggio SQL Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Il linguaggio SQL Basi di dati 2 Introduzione SQL (Structured Query Language)

Dettagli

Sistemi avanzati di gestione dei Sistemi Informativi

Sistemi avanzati di gestione dei Sistemi Informativi Esperti nella gestione dei sistemi informativi e tecnologie informatiche Sistemi avanzati di gestione dei Sistemi Informativi Docente: Email: Sito: Eduard Roccatello eduard@roccatello.it http://www.roccatello.it/teaching/gsi/

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

Abstract Data Type (ADT)

Abstract Data Type (ADT) Abstract Data Type Pag. 1/10 Abstract Data Type (ADT) Iniziamo la nostra trattazione presentando una nozione che ci accompagnerà lungo l intero corso di Laboratorio Algoritmi e Strutture Dati: il Tipo

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Un client su arduino invia i dati acquisiti ad un database

Un client su arduino invia i dati acquisiti ad un database Un client su arduino invia i dati acquisiti ad un database PROBLEMA Si vogliono inviare, periodicamente, i dati acquisiti da alcuni sensori ad un database presente su di un server. Arduino con shield Ethernet

Dettagli

Basi di Da( Presentazione del corso

Basi di Da( Presentazione del corso Basi di Da( Presentazione del corso Basi di Da( Prof. Riccardo Martoglia E- mail: riccardo.martoglia@unimo.it Home page del corso: h4p://www.isgroup.unimo.it/corsi/bda: 2 Basi di Dati - Presentazione del

Dettagli

Le statistiche sono state raggruppate nelle seguenti aree di attività/processi della struttura sanitaria:

Le statistiche sono state raggruppate nelle seguenti aree di attività/processi della struttura sanitaria: Statistiche e Query partire dalla versione 63_01_006 LabPro ver 5.0 si è arricchito di 2 nuove funzionalità rispettivamente di estrazioni flessibili personalizzabili dei dati storicizzati nel database

Dettagli

STRANIERI TEMPORANEAMENTE PRESENTI STP PRESTAZIONI DI RICOVERO RESE IN STRUTTURE PRIVATE ACCREDITATE PROCEDURA OPERATIVA. Aggiornamento dicembre 2013

STRANIERI TEMPORANEAMENTE PRESENTI STP PRESTAZIONI DI RICOVERO RESE IN STRUTTURE PRIVATE ACCREDITATE PROCEDURA OPERATIVA. Aggiornamento dicembre 2013 STRANIERI TEMPORANEAMENTE PRESENTI STP PRESTAZIONI DI RICOVERO RESE IN STRUTTURE PRIVATE ACCREDITATE PROCEDURA OPERATIVA Aggiornamento dicembre 2013 1 ASPETTI DI SISTEMA 2 PRESTAZIONI DI RICOVERO RESE

Dettagli

SIASFi: il sistema ed il suo sviluppo

SIASFi: il sistema ed il suo sviluppo SIASFI: IL SISTEMA ED IL SUO SVILUPPO 187 SIASFi: il sistema ed il suo sviluppo Antonio Ronca Il progetto SIASFi nasce dall esperienza maturata da parte dell Archivio di Stato di Firenze nella gestione

Dettagli

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale SERVIZIO SANITARIO REGIONALE BASILICATA Azienda Sanitaria Locale di Potenza INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP Relazione Generale A cura degli Uffici URP

Dettagli

Sviluppo di Excel base in Farmacia applicato al monitoraggio dei consumi di materiali sanitari

Sviluppo di Excel base in Farmacia applicato al monitoraggio dei consumi di materiali sanitari Sistema Regionale ECM Pagina 1 di 7 1 Sviluppo di Excel base in Farmacia applicato al monitoraggio dei consumi di materiali sanitari 1. Presentazione: L evento, destinato alle figure professionali di Tecnici

Dettagli

Grandi dimensioni e dimensioni variabili

Grandi dimensioni e dimensioni variabili Grandi dimensioni e dimensioni variabili aprile 2012 1 Questo capitolo studia alcuni ulteriori aspetti importanti e caratteristici della gestione delle dimensioni in particolare, delle grandi dimensioni

Dettagli

LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE

LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE E bene presentarla confrontando tra loro varie tecniche: addizione ripetuta; prodotto combinatorio (schieramenti). Rispetto a quest'ultima tecnica, grande utilità

Dettagli

Strutture. Strutture e Unioni. Definizione di strutture (2) Definizione di strutture (1)

Strutture. Strutture e Unioni. Definizione di strutture (2) Definizione di strutture (1) Strutture Strutture e Unioni DD cap.10 pp.379-391, 405-406 KP cap. 9 pp.361-379 Strutture Collezioni di variabili correlate (aggregati) sotto un unico nome Possono contenere variabili con diversi nomi

Dettagli

Manipolazione di testi: espressioni regolari

Manipolazione di testi: espressioni regolari Manipolazione di testi: espressioni regolari Un meccanismo per specificare un pattern, che, di fatto, è la rappresentazione sintetica di un insieme (eventualmente infinito) di stringhe: il pattern viene

Dettagli

Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento.

Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento. Excel: le funzioni Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento. DEFINIZIONE: Le funzioni sono dei procedimenti

Dettagli

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni Funzioni Le funzioni Con il termine funzione si intende, in generale, un operatore che, applicato a un insieme di operandi, consente di calcolare un risultato, come avviene anche per una funzione matematica

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

ALLEGATO N. 2 STANDARD TECNICI DELL ARCHIVIO UNICO INFORMATICO

ALLEGATO N. 2 STANDARD TECNICI DELL ARCHIVIO UNICO INFORMATICO ALLEGATO N. 2 STANDARD TECNICI DELL ARCHIVIO UNICO INFORMATICO 1 INDICE 1) ASPETTI GENERALI 2) CONTENUTO DELL ARCHIVIO UNICO INFORMATICO 2.1) OPERAZIONI 2.2) RAPPORTI 2.3) LEGAMI TRA SOGGETTI 3) CRITERI

Dettagli

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori

Gli array. Gli array. Gli array. Classi di memorizzazione per array. Inizializzazione esplicita degli array. Array e puntatori Gli array Array e puntatori Laboratorio di Informatica I un array è un insieme di elementi (valori) avente le seguenti caratteristiche: - un array è ordinato: agli elementi dell array è assegnato un ordine

Dettagli

Cos è Excel. Uno spreadsheet : un foglio elettronico. è una lavagna di lavoro, suddivisa in celle, cosciente del contenuto delle celle stesse

Cos è Excel. Uno spreadsheet : un foglio elettronico. è una lavagna di lavoro, suddivisa in celle, cosciente del contenuto delle celle stesse Cos è Excel Uno spreadsheet : un foglio elettronico è una lavagna di lavoro, suddivisa in celle, cosciente del contenuto delle celle stesse I dati contenuti nelle celle possono essere elaborati ponendo

Dettagli

Algebra di Boole: Concetti di base. Fondamenti di Informatica - D. Talia - UNICAL 1. Fondamenti di Informatica

Algebra di Boole: Concetti di base. Fondamenti di Informatica - D. Talia - UNICAL 1. Fondamenti di Informatica Fondamenti di Informatica Algebra di Boole: Concetti di base Fondamenti di Informatica - D. Talia - UNICAL 1 Algebra di Boole E un algebra basata su tre operazioni logiche OR AND NOT Ed operandi che possono

Dettagli

FIRESHOP.NET. Gestione Utility & Configurazioni. Rev. 2014.3.1 www.firesoft.it

FIRESHOP.NET. Gestione Utility & Configurazioni. Rev. 2014.3.1 www.firesoft.it FIRESHOP.NET Gestione Utility & Configurazioni Rev. 2014.3.1 www.firesoft.it Sommario SOMMARIO Introduzione... 4 Impostare i dati della propria azienda... 5 Aggiornare il programma... 6 Controllare l integrità

Dettagli

Progettazione Logica

Progettazione Logica PROGETTAZIONE Ricordiamo le fasi della progettazione di una Base di Dati Progett. CONCETTUALE Progett. LOGICA Progett. FISICA Ci occuperemo adesso della progettazione logica R.Gori - G.Leoni BD Relazionali

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Inidirizzi IP e Nomi di Dominio. Domain Name System. Spazio dei Nomi Piatto. Gestione dello Spazio dei Nomi

Inidirizzi IP e Nomi di Dominio. Domain Name System. Spazio dei Nomi Piatto. Gestione dello Spazio dei Nomi I semestre 03/04 Inidirizzi IP e Nomi di Dominio Domain Name System Prof. Vincenzo Auletta auletta@dia.unisa.it http://www.dia.unisa.it/professori/auletta/ Università degli studi di Salerno Laurea in Informatica

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

LICEO CLASSICO C. CAVOUR DISCIPLINA : FISICA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA

LICEO CLASSICO C. CAVOUR DISCIPLINA : FISICA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA 1. OBIETTIVI SPECIFICI DELLA DISCIPLINA PROGRAMMAZIONE PER COMPETENZE Le prime due/tre settimane sono state dedicate allo sviluppo di un modulo di allineamento per

Dettagli

Gli asteroidi. Informazioni e contatti: http://vo-for-education.oats.inaf.it - iafrate@oats.inaf.it

Gli asteroidi. Informazioni e contatti: http://vo-for-education.oats.inaf.it - iafrate@oats.inaf.it Esempio sull'utilizzo dell'osservatorio Virtuale Gli asteroidi Informazioni e contatti: http://vo-for-education.oats.inaf.it - iafrate@oats.inaf.it Distribuzione degli asteroidi Il Sistema Solare è composto

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Unified Process Prof. Agostino Poggi Unified Process Unified Software Development Process (USDP), comunemente chiamato

Dettagli

Tipicamente un elaboratore è capace di trattare domini di dati di tipi primitivi

Tipicamente un elaboratore è capace di trattare domini di dati di tipi primitivi TIPI DI DATO Tipicamente un elaboratore è capace di trattare domini di dati di tipi primitivi numeri naturali, interi, reali caratteri e stringhe di caratteri e quasi sempre anche collezioni di oggetti,

Dettagli

Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009

Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009 Corso SOL Gestione catalogo libro moderno 21-22 settembre 2009 Introduzione generale Autenticazione dell operatore https://sebina1.unife.it/sebinatest Al primo accesso ai servizi di Back Office, utilizzando

Dettagli

BPEL: Business Process Execution Language

BPEL: Business Process Execution Language Ingegneria dei processi aziendali BPEL: Business Process Execution Language Ghilardi Dario 753708 Manenti Andrea 755454 Docente: Prof. Ernesto Damiani BPEL - definizione Business Process Execution Language

Dettagli

Next MMG Semplicità per il mondo della medicina

Next MMG Semplicità per il mondo della medicina 2014 Next MMG Semplicità per il mondo della medicina Documento che illustra le principali caratteristiche di Next MMG EvoluS Srl Corso Unione Sovietica 612/15B 10135 Torino tel: 011.1966 5793/4 info@evolu-s.it

Dettagli

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

Dettagli

Processi di business sovra-regionali relativi ai sistemi regionali di FSE. Versione 1.0 24 Giugno 2014

Processi di business sovra-regionali relativi ai sistemi regionali di FSE. Versione 1.0 24 Giugno 2014 Processi di business sovra-regionali relativi ai sistemi regionali di FSE Versione 1.0 24 Giugno 2014 1 Indice Indice... 2 Indice delle figure... 3 Indice delle tabelle... 4 Obiettivi del documento...

Dettagli

Esercizio 1 Soluzione Esercizio 2 Soluzione

Esercizio 1 Soluzione Esercizio 2 Soluzione Esercizio 1 Si specifichi, mediante una formula del prim ordine un apparato che funziona nel modo seguente: All istante 0 esso emette un segnale s, che può essere uno 0 o un 1. Se, dopo l emissione di

Dettagli

Corso di Programmazione ad Oggetti

Corso di Programmazione ad Oggetti Corso di Programmazione ad Oggetti Introduzione alla programmazione ad oggetti a.a. 2008/2009 Claudio De Stefano 1 La programmazione modulare Un programma può essere visto come un insieme di moduli che

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CMPIONE Edizioni del Quadrifoglio à t i n U 1 Insiemi La teoria degli

Dettagli

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

MODELLO AD OGGETTI PER LE BASI DI DATI E ANALISI DI PRODOTTI COMMERCIALI. Luca Carnini. Tesina presentata per la discussione del diploma di laurea in

MODELLO AD OGGETTI PER LE BASI DI DATI E ANALISI DI PRODOTTI COMMERCIALI. Luca Carnini. Tesina presentata per la discussione del diploma di laurea in MODELLO AD OGGETTI PER LE BASI DI DATI E ANALISI DI PRODOTTI COMMERCIALI di Luca Carnini Tesina presentata per la discussione del diploma di laurea in Ingegneria informatica Politecnico di Milano sede

Dettagli

Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica. Programmazione I - corso B a.a. 2009-10. prof.

Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica. Programmazione I - corso B a.a. 2009-10. prof. Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica Programmazione I - corso B a.a. 009-10 prof. Viviana Bono Blocco 9 Metodi statici: passaggio parametri, variabili locali, record

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Caterina Rizzi... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell oggettoy

Dettagli

Metodi risolutivi per le disequazioni algebriche

Metodi risolutivi per le disequazioni algebriche Metodi risolutivi per le disequazioni algebriche v.scudero Una disequazioni algebrica si presenta in una delle quattro forme seguenti: () P( () P( (3) P( () P( essendo P( un polinomio in. Noi studieremo

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

ISTITUTO COMPRENSIVO STATALE di BORGORICCO SUGGERIMENTI PER LA COMPILAZIONE DEL P.D.P. PER ALUNNI CON DISTURBI SPECIFICI DI APPRENDIMENTO

ISTITUTO COMPRENSIVO STATALE di BORGORICCO SUGGERIMENTI PER LA COMPILAZIONE DEL P.D.P. PER ALUNNI CON DISTURBI SPECIFICI DI APPRENDIMENTO SUGGERIMENTI PER LA COMPILAZIONE DEL P.D.P. PER ALUNNI CON DISTURBI SPECIFICI DI APPRENDIMENTO Il documento va compilato in forma digitale per poter ampliare gli spazi dello schema (ove necessario) e togliere

Dettagli

Regolamento tecnico interno

Regolamento tecnico interno Regolamento tecnico interno CAPO I Strumenti informatici e ambito legale Articolo 1. (Strumenti) 1. Ai sensi dell articolo 2, comma 5 e dell articolo 6, comma 1, l associazione si dota di una piattaforma

Dettagli

Guida rapida all uso di ECM Titanium

Guida rapida all uso di ECM Titanium Guida rapida all uso di ECM Titanium Introduzione Questa guida contiene una spiegazione semplificata del funzionamento del software per Chiputilizzare al meglio il Tuning ECM Titanium ed include tutte

Dettagli

GUIDA RAPIDA emagister-agora Edizione BASIC

GUIDA RAPIDA emagister-agora Edizione BASIC GUIDA RAPIDA emagister-agora Edizione BASIC Introduzione a emagister-agora Interfaccia di emagister-agora Configurazione dell offerta didattica Richieste d informazioni Gestione delle richieste d informazioni

Dettagli

Termine Descrizione Sinonimo Collegamenti Lettore Una persona che prende in Utente

Termine Descrizione Sinonimo Collegamenti Lettore Una persona che prende in Utente Capitolo 7 Esercizio 7.1 Si desidera automatizzare il sistema di prestiti di una biblioteca. Le specifiche del sistema, acquisite attraverso un intervista con il bibliotecario, sono quelle riportate in

Dettagli

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale !"$#%!" #% Nella prima lezione... Definizione di Informatica Cosa è una soluzione algoritmica Esempi di algoritmi cicalese@dia.unisa.it 2 Prima parte: Società dell informazione Ma cosa vuol dire società

Dettagli

2. GESTIONE DOCUMENTI NON SBN

2. GESTIONE DOCUMENTI NON SBN Istituto centrale per il catalogo unico delle biblioteche italiane e per le informazioni bibliografiche APPLICATIVO SBN-UNIX IN ARCHITETTURA CLIENT/SERVER 2. GESTIONE DOCUMENTI NON SBN Manuale d uso (Versione

Dettagli

FUNZIONI AVANZATE DI EXCEL

FUNZIONI AVANZATE DI EXCEL FUNZIONI AVANZATE DI EXCEL Inserire una funzione dalla barra dei menu Clicca sulla scheda "Formule" e clicca su "Fx" (Inserisci Funzione). Dalla finestra di dialogo "Inserisci Funzione" clicca sulla categoria

Dettagli

Informatica Applicata

Informatica Applicata Ing. Irina Trubitsyna Concetti Introduttivi Programma del corso Obiettivi: Il corso di illustra i principi fondamentali della programmazione con riferimento al linguaggio C. In particolare privilegia gli

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto. 29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola

Dettagli

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Data Sheet IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Panoramica Le medie aziende devono migliorare nettamente le loro capacità

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli