Académique Documents
Professionnel Documents
Culture Documents
Valeu, pessoal!
Profa Patrícia Lima Quintão
Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 1 de 18
CONHECIMENTOS DE BANCO DE DADOS (TEORIA E EXERCÍCIOS) P/
AUDITORIA E FISCALIZAÇÃO - GERAL – CGU
PROFa. PATRÍCIA LIMA QUINTÃO
Atributos
Um atributo é uma propriedade ou característica de um objeto.
• Exemplos: cor dos olhos de uma pessoa, temperatura, etc.
• Atributo também é conhecido como variável, campo ou Característica.
Uma coleção de atributos descreve um objeto
• Objeto também é conhecido como registro, ponto, caso, amostra,
entidade, ou instância.
Valores de Atributos
• Valores de atributos são números ou símbolos assinalados a um atributo.
• Distinção entre atributos e valores de atributos
o Um mesmo atributo pode ser mapeado em diferentes valores de
atributo. Exemplo: altura pode ser medida em pés ou metros.
o Diferentes atributos podem ser mapeados no mesmo conjunto de
valores. Exemplo: Valores de atributo para ID e idade são inteiros.
o Mas propriedades dos valores dos atributos podem ser diferentes.
Exemplo: ID não tem limite mas idade tem um valor máximo e um
mínimo.
Há Diferentes Tipos de Atributos
Nominal Fornecem apenas informações suficientes para distinguir um
objeto do outro. Exemplos: números de ID, cor dos olhos,
códigos de CEP.
Ordinal Fornecem informações suficientes para criar uma ordem
entre os objetos. Exemplos: ordem (e.g., gosto de batata
frita em uma escala entre 1-10), graus, altura em {alto,
médio, baixo}
Dados de transações
São dados de registro de um tipo especial, em que cada registro (transação)
envolve um conjunto de itens. Por exemplo, considere um supermercado. O
conjunto de produtos comprados por um cliente constitui uma transação,
enquanto os produtos individuais comprados são os itens.
Dados matriciais
• Se os objetos de dados tem o mesmo conjunto fixo de atributos numéricos,
então os objetos de dados podem ser vistos como pontos em um espaço
multidimensional, em que cada dimensão representa um atributo distinto
• Tal conjunto de dados pode ser representado por uma matriz m por n, em
que há m linhas, uma para cada objeto, e n colunas, uma para cada
atributo.
Dados de documentos
• Cada documento torna-se um vetor de ‘termos’.
• Cada termo é um componente (atributo) do vetor.
• O valor de cada componente é o número de vezes que o termo
correspondente ocorre no documento.
Dados Ordenados
Nesse contexto, a ordem dos dados tem importância, pois eles perdem sentido
se não estiverem na ordem correta. Exemplo: Dados da sequência genômica.
Comentários
O Data Warehouse é um armazém centralizado de dados, ou seja, um
banco de dados ou um agrupamento de bases de dados que contêm dados
sobre os negócios organizados por assunto. Sem o uso da mineração de dados,
a busca em um Data Warehouse seria feita de forma manual, o que é inviável
nos dias de hoje.
Nesse ponto, cabe ressaltar novamente que os processos de Data Mining são
muito facilitados quando a empresa já possui seu Data Warehouse bem
estruturado. É justamente por isso, que esses dois termos Data Warehouse
e Data Mining caminham tão juntos. Pois, as empresas comumente irão
primeiramente amadurecer seus processos de organização dos dados sobre o
negócio e agrupá-los por assunto, formando seus Data Marts e em seguida
compondo seu Data Warehouse, para após, iniciar seus processos de Data
Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 6 de 18
CONHECIMENTOS DE BANCO DE DADOS (TEORIA E EXERCÍCIOS) P/
AUDITORIA E FISCALIZAÇÃO - GERAL – CGU
PROFa. PATRÍCIA LIMA QUINTÃO
Comentários
A Mineração de dados (ou Data Mining) é o nome dado ao conjunto de
técnicas que permite a extração de conhecimentos a partir de grandes volumes
de dados. Em outras palavras, é o processo de descoberta AUTOMÁTICA de
informações úteis em grandes depósitos de dados.
Gabarito: letra E.
Comentários
Cabe destacar que não existe uma técnica que resolva todos os problemas de
data mining. Diferentes técnicas servem para diferentes propósitos,
cada uma oferecendo vantagens e desvantagens. A escolha da técnica
está fortemente relacionada com o tipo de conhecimento que se deseja
extrair ou com o tipo de dado no qual ela será aplicada.
Árvores de Decisão
Métodos Bayesianos
O filtro bayesiano utiliza uma abordagem probabilística, tendo como base o
Teorema de Bayes. Nesse caso, um item que precisa ser classificado tem uma
série de atributos. Então, ele calcula a probabilidade do item pertencer a cada
classe, dados aqueles atributos que ele tem. Dessa forma, a classe que
alcançar a maior probabilidade é aquela na qual o item vai ser classificado.
Regras de Indução
A técnica de Regras de Indução é altamente automatizada e, possivelmente, é
a melhor técnica de data mining para expor todas as possibilidades de padrões
existentes em um banco de dados (BERSON et al., 1999). Consiste em uma
expressão condicional do tipo:
se <condição> então <consequência>, ou, em outras palavras:
se <isto> então <aquilo>. Por exemplo:
- se comprou cereal então comprou também leite
- se comprou queijo e presunto então comprou também pão
Análise de Regressão
Busca explicar uma ou várias variáveis de interesse (sempre contínuas ou
binárias) em função de outras. Uma vez construído o modelo (que é uma
equação matemática), ele pode ser usado para realizar predições ou calcular
probabilidades.
Análise de Agrupamentos
Também chamada de segmentação de dados, diz respeito a agrupar ou
segmentar uma coleção de objetos em subconjuntos, chamados de clusters.
Os objetos dentro de um mesmo cluster são mais próximos entre si do que
com qualquer outro objeto alocado em outro cluster. Um cluster é um
subconjunto de todos os possíveis subconjuntos distintos da população (DINIZ
e LOUZADA NETO, 2000).
Gabarito: item correto.
Comentários
Para uma relação temos diversos subconjuntos de atributos que podem servir
como chave. Cada conjunto distinto de atributos, que pode identificar de forma
Comentários
O processo de normalização pode ser visto como o processo no qual são
eliminados esquemas de relações (tabelas) não satisfatórios,
decompondo-os, através da separação de seus atributos em esquemas
de relações menos complexas mas que satisfaçam as propriedades
desejadas.
Gabarito: item errado.
Comentários
Cabe relembrar a restrição de integridade de entidade, a qual destaca que
NENHUM atributo que participa da chave primária pode ter valores
nulos.
Gabarito: item errado.
Comentários
Chave primária nada mais é do que um conjunto de um ou mais
campos, cujos valores, considerando a combinação de valores de todos
os campos da tupla, nunca se repetem. Em chaves primárias não pode
haver valores nulos nem repetição de tuplas (registros).
Comentários
A cláusula CHECK permite especificar uma condição que deve ser satisfeita
por qualquer valor atribuído a uma variável de determinado domínio.
Exemplo:
ALTER TABLE TELEFONE
ADD CONSTRAINT TIPO_TELEFONE
CHECK (TIPO IN(‘Fixo’, ‘Movel’));
Gabarito: letra A.
Comentários
Os principais comandos da DDL são:
o CREATE TABLE: cria uma nova tabela com seus campos e define as
restrições de campo.
o CREATE INDEX: cria um novo índice em uma tabela existente. Os
índices são utilizados, principalmente, para melhorar o desempenho
do banco de dados (embora a utilização não apropriada possa resultar
em uma degradação desse desempenho).
o ALTER TABLE: altera as definições de campos e de restrições.
o CREATE DOMAIN: cria um tipo de dado definido pelo usuário.
o DROP TABLE: exclui uma tabela existente de um banco de dados
Profa. Patrícia Lima Quintão www.pontodosconcursos.com.br 11 de 18
CONHECIMENTOS DE BANCO DE DADOS (TEORIA E EXERCÍCIOS) P/
AUDITORIA E FISCALIZAÇÃO - GERAL – CGU
PROFa. PATRÍCIA LIMA QUINTÃO
Comentários
• DROP TABLE: exclui uma tabela existente de um banco de dados
• DROP DATABASE: exclui um banco de dados.
• DROP INDEX: exclui um índice existente de uma tabela.
Comentários
Uma consulta típica em SQL tem a forma:
SELECT coluna1, coluna2, ..., colunaN
FROM nome_da_tabela
WHERE condição;
Comentários
Item A. Item errado. Utilizaremos o GROUP BY nesse contexto.
Item B. Item correto. A cláusula WHERE especifica a condição ou condições
que as linhas selecionadas devem satisfazer. Assim, somente as linhas para as
quais a expressão é avaliada como verdadeira são retornadas no resultado.
Item C. Item errado. O ResultSet é tudo aquilo que é retornado de uma
consulta. Um cursor é uma referência a determinada consulta, assunto que
não será cobrado na sua prova.
Item D. Item errado. A cláusula que irá selecionar consultas é Select.
Item E. Item errado. A cláusula Where não cria uma ou mais linhas, apenas
determina o critério de seleção das mesmas. Especifica a condição ou
condições que as linhas selecionadas devem satisfazer.
Gabarito: letra B.
Considerações Finais
Bem, estamos na reta final do nosso curso, espero que estejam conseguindo
assimilar os conceitos já apresentados, que serão de grande valia no dia da
prova.
Gostaria de agradecer a todos os alunos que confiaram seus estudos
às minhas aulas. Espero ter estado à altura do desafio e da expectativa de
todos vocês!
Também agradeço a todos que participaram do fórum, seja enviando
dúvidas, comentários e/ou sugerindo melhorias. O retorno de vocês é
de grande importância para que nossos objetivos estejam alinhados!!
Finalizando, desejo muito sucesso a todos nos estudos e concursos
vindouros. Todo o esforço feito nessa fase será devidamente
recompensado.
“Se seus sonhos estiverem nas nuvens, não se preocupe,
pois eles estão no lugar certo; agora, construa os alicerces!"
Os alicerces para uma excelente prova são: persistência, garra, força de
vontade, estudo disciplinado e fé em Deus!!!
Um abraço,
Profa Patrícia
Referências Bibliográficas
QUINTÃO, Patrícia Lima. Notas de aula, 2011/2012.
Material prof Júlio César Nievola, PPGIa – PUCPR, 2011.
ROB, Peter; CORONEL, Carlos. Sistemas de Banco de Dados. Projeto,
Implementação e Administração. 2011.
ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados. 4. ed. Pearson.
2006.
HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto
Alegre:Sagra, 2001.
HERNANDEZ, Michael J. Aprenda a projetar seu próprio banco de dados.
Tradução Patrizia Tallia Parenti. São Paulo: Makron, 2000.
KORTH, Henry F.; SILBERSCHATZ, Abraham. Sistema de banco de
dados.Tradução Mauricio Heihachiro Galvan Abe. 2. ed. São Paulo: Makron,
1995.
MACHADO, Felipe Nery Rodrigues; ABREU, Maurício Pereira de. Projeto de
banco de dados: uma visão prática. 6. ed. São Paulo: Érica, 2000.
Gabarito
1. Letra A.
2. Letra E.
3. Item correto.
4. Letra C.
5. Item errado.
6. Item errado.
7. Item correto.
8. Letra A.
9. Letra A.
10. Letra C.
11. Letra C.
12. Letra B.