Kapitel 3 - Das multidimensionale Datenmodell -
|
|
- Dirk Schmitz
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesugs-Übersicht ) Eiführug ud Defiitioe 2) Architektur eies Data-Warehouse-Systems 3) Das multidimesioale Datemodell 4) ETL: Extraktio, Trasformatio, Lade 5) Afrageverarbeitug ud -optimierug 6) Idexstrukture für das multidimesioale Datemodell 7) Materialisierte Views 8) Metadate 9) OLAP, Data Miig, Process Miig 0) Zusammefassug ud Ausblick Vorlesug Data-Warehouse-Systeme im Sommersemester 2006 Kapitel 3 - Das multidimesioale Datemodell -
2 Kapitel 3: Überblick 3. Data-Warehouse-Desigprozess 3.2 Kozeptuelle Datemodellierug 3.3 Formalisierug ud Aalyseoperatioe 3.4 Umsetzug des multidimesioale Datemodells 3.5 Zusammefassug 3 3. Motivatio Zetrale Frage: Wie modelliere wir die Date i geeigeter Weise, d.h. für die Awedug im Data-Warehouse-System? Im Fokus: Modellierug sollte Aalyse ermögliche / uterstütze! Afrage beziehe sich meist auf mehrere Aspekte (z.b., Ort, ) Forderug ach mehrdimesioaler Darstellug der Date (z.b. als Würfel). ASPEKT Aalog zu klassische Datebak-Systeme: Nicht sofort Relatioe / Tabelle alege (also z.b. i SQL), soder Erst sematischer / kozeptueller Etwurf (z.b. Etity-Relatioship) Siehe auch Datebak- bzw. Data-Warehouse-Desigprozess 2. ASPEKT 4 2
3 3. Motivatio (. ASPEKT) Datemodell sollte Aalyse uterstütze Was soll aalysiert werde? Kezahle (Erlöse, Gewie, Verluste, etc.) meist aus betriebswirtschaftlicher Sicht Wie soll aalysiert werde? Kezahle solle aus uterschiedliche Perspektive (zeitlich, regioal, produktbezoge) betrachtet werde köe Dimesioe Dimesioe solle i verschiedeer Graularität betrachtet werde köe (z.b. als, Quartal, Moat) Hierarchie oder Kosolidierugsebee Verfügbare Iformatioe Qualifiziered Repräsetiert durch Kategorieattribute Date zur Nutzug als Navigatiosraster ( Drill-Pfade ) Modelliert als Begriffshierarchie im Rahme vo Dimesioe Quatifiziered Bilde Gegestad der Auswertug ( Summeattribute ) Zelle eies Würfels, mit Dimesioe als Kate 5 3. Motivatio (2. ASPEKT) Prozessmodell: Sammel vo Iformatio Sematische Datemodelleriug Logische Datemodelleriug Datebak- Istallatio Aalyse der Bedeutug Rohmodellierug Präzise Modellierug Kozeptuelles Schema Iterviews Aalyse der Substative Braistormig Aalyse vo Dokumete Etity-Relatioship- Modellierug (ERM) UML hierarchisch Netzwerk relatioal objekt-orietiert XML DB2 ORACLE DBMS uabhägig DBMS abhägig vgl. [HLV00] Kozeptuelles Schemadesig Logisches Schemadesig Physisches Schemadesig 3
4 3. Data-Warehouse-Desigprozess (2. ASPEKT) Aalyse ud Spezifikatio der Aforderuge Kozeptuelles Desig Logisches Desig Physisches Desig Operatioales Datebakschema Semiformales Geschäftskozept Formales kozeptuelles Schema Operatioales Datebakschema Physisches Datebakschema Iterviews ME/R Aalyse der Substative muml Braistormig graphbasiert Aalyse vo Dokumete multidimesioal relatioal objekt-relatioal vgl. [HLV00] DB2 ORACLE MS Server Essbase MS Aalysis Services 7 3. relatioale vs. multidimesioale Schemaarchitektur (2. ASPEKT) relatioal multidimesioal Kozeptuelles Schema Etity-Relatioship Logisches Schema Relatioe Physisches Schema Speicherstrukture Kozeptuelles Schema ME/R, muml Logisches Schema Dimesioe, Würfel Physisches Schema Relatioe (Faktetabelle, ), MD-Strukture 8 4
5 Kapitel 3: Überblick 3. Data-Warehouse-Desigprozess 3.2 Kozeptuelle Datemodellierug 3.3 Formalisierug ud Aalyseoperatioe 3.4 Umsetzug des multidimesioale Datemodells 3.5 Zusammefassug was wir kee. Packugstyp gruppe ist verpackt vo gehört zu Artikel Artikel-Nr. wurde verkauft Datum. m Filiale liegt i Stadt Name Bezirk Auszug eies E/R-Modells für das Kaufhausbeispiel Uterscheidug Klassifikatiosstufe (beschreibede) Attribute Kegröße icht direkt ersichtlich z.b. Klassifikatiosstufe Tag als Attribut modelliert, Klassifikatiosstufe Artikel als Etität Welche Beziehuge sid Klassifikatiosbeziehuge icht direkt ersichtlich z.b. als : Beziehug, aber auch als Attribut (z.b. Bezirk bei Stadt) 0 5
6 3.2 was wir brauche: Dimesioe ud Hierarchie Dimesio: Mögliche Perspektive, aus der Kezahle betrachtet werde köe edliche Mege vo ( 2) Dimesioselemete (Hierarchieobjekte) Dimesioselemete stehe i Beziehug zueiader (z.b. Quartal ist Uterteilug vo ) diee der orthogoale Strukturierug des Dateraums Beispiele:, Geographie, Dimesioselemete: Kote eier Klassifikatioshierarchie Klassifikatiosstufe beschreibt Verdichtugsgrad Darstellug vo Dimesioe über Klassifikatiosschema (Schema vo Klassifikatioshierarchie) Forme: eifache Hierarchie parallele Hierarchie 3.2 eifache Hierarchie Oberster Kote: Top beschreibt die stärkste Verdichtug (also auf eie eizele Wert der Dimesio) Jede höhere Hierarchieebee ethält jeweils die aggregierte Werte der iedrigere Hierarchiestufe Top kategorie familie gruppe Top Lad Stadt Filiale Artikel 2 6
7 3.2 parallele Hierarchie Gruppierug ierhalb eier Dimesio muss icht immer eideutig sei mehrere Gruppieruge köe parallel existiere Keie hierarchische Beziehug i de parallele Zweige Typisches Beispiel ist die -Dimesio: Top Quartal Woche Moat Tag Kozeptuelle Datemodellierug Trasformatio of the semi-formal busiess requiremets specificatio ito a coceptual multidimesioal schema. kozeptuelle Datemodellierug Modellierug relevater Zusammehäge des Awedugsgebietes ER oder UML Diagramme fehlt durch ihre uiverselle Modellierugsaspruch eie DW-spezifische Sematik. daher erfolgt die Modellierug durch ei MD-Desigotatio. z.b. me/r, muml evolutioär: Erweiterug, Spezialisierug besteheder Formalisme vs. revolutioär: eue, maßgescheiderte Methodik Diese uterstütze die Modellierug vo Datestrukture wie Dimesioe, Kegröße, Hierarchie Etwurf eier für de Aweder bedarfsgerechte Auswertugsstruktur 4 7
8 3.2 me/r-modell multidimesioal Etity/Relatioship Erweiterug des klassische ER-Modells (evolutioär) Etity-Mege Dimesio Level (Klassifikatiosstufe) keie explizite Modellierug vo Dimesioe -äre Beziehugsmege Fact Kezahle als Attribute der Beziehug Biäre Beziehugsmege Classificatio bzw. Roll-Up (Verbidug vo Klassifikatiosstufe) defiiert gerichtete, icht-zyklische Graphe me/r-modell: Notatio FAKT Kegröße Klassifikatiosstufe Klassifkatiosbeziehug me/r-modell: Beispiel Artikel Gruppe Familie Brache Verkauf Filiale Stadt Bezirk Regio Azahl Umsatz Tag Moat Quartal Woche Faktbeziehug: Verkaufsaalyse Kegröße: Verkaufszahle ud Umsatz Dimesioe:, Geographie, Dimesioe ergebe sich aus de Basisklassifikatiosstufe (z.b. Tag) Alterativpfad i der dimesio 6 8
9 3.2 muml - Grudlage Multidimesioale Erweiterug der UML durch Eibeziehug multidimesioaler Sprachkostrukte ud dere Sematik aus der Multidimesioal Modelig Laguage (MML) WIE? UML: objektorietierte Notatio Uterstützug durch CASE-Werkzeuge, z.b. Ratioal Rose bietet sprachihärete Erweiterugsmöglichkeite: Costraits, Eigeschaftswerte (tagged values) ud Stereotype Achtug: i UML wird der Begriff Modell statt Schema verwedet! tagged value etspricht Tupel (tag, Datewert), wobei tag eie Elemeteigeschaft beschreibt (z.b. (EizelVK, Preis)) tagged values beschreibe Eigeschafte vo MML-Objekte Stereotype führe eue Modellierugskostrukte auf Basis vo UML- Metaklasse ei ud spiegel damit MML-Klassetype wider: Dimesioale Klasse Fakt- ud Dateklasse Darstellug über UML-Klassediagramme muml Beispiel StarKauf*.. 2 <<Shared Roll-up>> Quartal Quartal Woche Moat Lad Regio Regio Bezirk Bezirk Stadt Lad Lieferatelad Woche <<Dimesio>> Moat Tag <<Fact-Class>> Verkauf Stadt Filiale.. * Verkaufter Artikel <<Dimesio>> Geographie <<Dimesio>> Artikel gruppe gruppe familie familie kategorie kategorie 9
10 3.2 muml Modellierug ().. 2 <<Shared Roll-up>> Quartal Quartal Woche Moat Lad Regio Regio Bezirk Bezirk Stadt Lad Lieferatelad Woche Moat Stadt Tag <<Fact-Class>> Filiale Verkauf Azahl:Verkäufe <<Dimesio>> <<Fact-Class>> Geographie EizelVK:Preis Verkauf /Umsatz:Preis{formula= Azahl*EizelVK, parameter= Azahl, EizelVK } Tagged value.. * Verkaufter Artikel <<Dimesio>> <<Dimesio>> Artikel gruppe gruppe familie familie kategorie kategorie 3.2 muml Modellierug (2).. 2 <<Shared Roll-up>> Quartal Quartal Woche Moat Lad Regio Regio Bezirk Bezirk Stadt Lad Roll-up Pfade Lieferatelad Woche <<Dimesio>> Moat Tag <<Fact-Class>> Verkauf Modellierug der Stadt Dimesioe Filiale.. * Verkaufter Artikel <<Dimesio>> Geographie <<Dimesio>> Artikel gruppe gruppe familie familie kategorie kategorie 0
11 3.2 muml Besoderheite Lad Awedug vo Aufsplittugsregel Letzte Kalederwoche ka zu 2 uterschiedliche e gehöreregio.. 2 Regio <<Shared Roll-up>> Quartal Bezirk Quartal Bezirk Woche Moat Stadt Lad Lieferatelad Woche <<Dimesio>> Moat Stadt Vererbug Artikel Tag Filiale Spezialisierug Hier: eie Verkaufstrasaktio gruppe ka auch mehr als eie Artikel umfasse <<Dimesio>> <<Fact-Class>> Geographie gruppe Verkauf familie.. * Verkaufter Artikel <<Dimesio>> familie kategorie kategorie 3.2 Weitere Asätze: Graphbasierte Asätze Idee: Beschreibug kozeptioeller Schemata i Form vo Graphe Ausgagspukt: statistische Tabelle mit Kopfzeile ud seitlicher Gliederug, teilweise Summebildug über Zeile ud Spalte Repräsetatio der kategorisierede Date sowie der Attributbeziehuge durch gerichtete, azyklische Graphe Navigatioshilfe für Beutzer Graphstruktur Kate: Beziehuge der Attribute Kote: uterschiedliche Sematik (i Abhägigkeit vo kokreter Notatio) Basistype: Kategorie- (Cluster) Kote (C) Repräsetiert Gruppierug eizeler Elemete gemäß Kategoriehierarchie Kreuzprodukt-Kote (X) Aufspae eies mehrdimesioale Adressierugsraumes mit Hilfe der Kategorieattribute über C-Kote 22
12 3.2. Graphbasiertes Schema: Beispiel Lehrer Sekr. Ig. Realschule Grudschule Chefs. Sekr. Bauig. Mäl Weibl X Berufsgruppe X C Geschlecht Lehrer Sekr. Ig. C C C C C Mäl. Weibl Graphbasierte Asätze: Zuordugsregel Fuktioale Abhägigkeit Wird direkt durch Kate zwische beide C-Kote repräsetiert C Berufsgruppe Berufsgruppe 0.. * 0.. Beruf C Beruf N:M-Beziehug Wird direkt durch Eiführug eies X-Kotes repräsetiert Geschlecht 0.. * 0.. * X C Geschlecht C 24 2
13 3.2 Graphbasierte Asätze: weitere Kotetype Termiale Kote (t -Kote) Repräsetatio eies der mögliche Werte aus dem Wertebereich des übergeordete Kategorieattributes Beispiel: mälich, weiblich für Geschlecht Summekote (S-Kote) Explizite Spezifikatio des quatitative Teils eies Objektgraphe (Mehrfachverwedug vo Graphe) Beispiel: mittleres Eikomme, Ateil am Gesamteikomme zu X- Kote Topic-Kote (T-Kote) Repräsetatio eier Mege statistischer Objekte Dekompositio statistischer Sachverhalte Logische Verbidug vo S-Kote Graphbasierte Asätze: Modellierug der Abstraktio Aggregatio (A-Kote) Zusammefassug logisch zusammegehöriger Eizelfakte Beispiel: (Straße, Stadt, Lad) zu Wohort, (PersNr, Name, Wohort, Beruf) zu Erwerbstätige Geeralisierug (G-Kote) Defiitio eier übergeordete Klasse abstrakter Objekte Beispiel: Erwerbstätige, Erwerbslose zu Erwerbsperso 26 3
14 3.2 weitere Notatioe Erweiteruge vo ER: Dimesioal Fact Modelig ADAPT Applicatio Desig for Aalytical Processig Techologies Beschreibug sämtlicher Metadate-Objekte Aber: keie formale Grudlage Graphbasiert: SUBJECT, GRASS, STORM, ADaS, Zur kei Stadard verfügbar Graphbasierte Asätze zwar mächtig + flexibel, aber kaum verbreitet TAFELÜBUNG: Kozeptuelle Modellierug Gegebe: meteorologische Date I der meteorologische Statio MetWatch wird die Etwicklug vo Temperatur ud Luftfeuchtigkeit ierhalb Deutschlads über die letzte e gemesse ud ausgewertet. Dazu iteressiere die eizele Tageswerte, aber auch die wöchetliche, moatliche ud jährliche Etwicklug soll auswertbar sei. Außerdem solle die Werte eizeler Budesläder, Regioe ud Städte aalysiert werde. Schließlich soll auch der Faktor Großwetterlage mit de Kategorie Hoch ud Tief eibezoge werde. Stelle Sie de obige Sachverhalt i als me/r-modell dar. 28 4
15 3.2 TAFELÜBUNG: Ergebis Dimesioe: Großwetterlage, Geographie, HochTief Wetter Stadt Regio Budeslad Temperatur Luftfeuchtigkeit Tag Moat Woche 29 Kapitel 3: Überblick 3. Data-Warehouse-Desigprozess 3.2 Kozeptuelle Datemodellierug 3.3 Formalisierug ud Aalyseoperatioe Motivatio Defiitioe Operatioe 3.4 Umsetzug des multidimesioale Datemodells 3.5 Zusammefassug 30 5
16 3.3 Motivatio: Beispiel multidimesioales Schema Verkauf Artikel Gruppe Familie Kategorie Azahl Umsatz Kude Alter Eikauf Filiale Stadt Bezirk Regio Mege Woche Preis VK-Preis Lager Lagerbestad Tag Moat Quartal Es befide sich 4 Würfel i der Datebak Nämlich: Verkauf, Eikauf, Preis, Lager Mit de Dimesioe:,, Geographie, Kude Schema eier Dimesio Schema eier Dimesio DS Partiell geordete Mege vo Kategorieattribute ({K,, K, Top D }; ) Geerisches maximales Elemet Top D Fuktioale Abhägigkeit Top D wird vo alle Attribute fuktioal bestimmt: i, i : K i Top D Geau ei K i, das alle adere Kategorieattribute bestimmt Gibt feiste Graularität eier Dimesio vor: i, i, j, j, i j, K i K j Beispiel für die dimesio DS = ({Tag, Woche, Moat, Quartal,, Top ) mit de fuktioale Abhägigkeite Tag Woche Tag Moat Quartal Tag Top, Woche Top, Quartal Top, Top 32 6
17 3.3 Kategorieattribute Ihaltliche Verfeierug durch uterschiedliche Rolle Primärattribut Kategorieattribut, das alle adere Attribute eier Dimesio bestimmt Defiiert maximale Feiheit Beispiel: Tag Klassifikatiosattribut Elemet der Mege, die mehrstufige Kategorisierug (Klassifikatioshierarchie) bilde Beispiel: Moat, Quartal Dimesioales Attribut Elemet der Mege der Attribute, die vom Primärattribut oder eiem Klassifikatiosattribut bestimmt werde ud ur Top D bestimme Beispiel: Artikelummer zu Artikel Kategorieattribute : Beispiel Dimesioales Attribut Kude Alter Artikel Gruppe Familie Brache Verkauf Filiale Stadt Bezirk Regio Azahl Umsatz Tag Moat Quartal Woche Primärattribut Klassifkatiosattribute 34 7
18 3.3 Kezahle / Fakte Kezahle/Fakte (egl. facts): (verdichtete) umerische Messgröße Beschreibe betriebswirtschaftliche Sachverhalte Fakt: Basiskezahl Kezahl: aus Fakte kostruiert (abgeleitete Kezahl) Durch Awedug arithmetischer Operatioe Beispiele: Umsatz, Gewi, Verlust, Deckugsbeitrag Ei Fakt F eies multidimesioale Schemas ist defiiert als Tupel F:= (G, SumTyp) mit G := {DS.K,, DS.K } bezeichet die Graularität des betrachtete Schemas mit DS,, DS im Schema existierede Dimesiosschemata mit DS i = ({K i,, K im }, ) i, p mit i, p, i p: (DS i.k i DS p.k p ), d.h. keie fuktioale Abhägigkeit zwische Kategorieattribute eier Graularität Beispiel: G Verkauf = (.Gruppe,.Moat, Geographie.Stadt) Summatiostyp SumTyp (bestimmt, welche Aggregratiosfuktio auf Fakt / Kegröße agewedet werde darf) Kezahl Kezahl M ist defiiert als Tripel M = (G, f(f,, F k ), SumTyp) mit Graularität G Berechugsvorschrift f() Summatiostyp SumTyp Berechug über ichtleerer Teilmege der im Schema existierede Fakte Berechugsvorschrift Bildug vo f() Skalarfuktioe +, -, *, /, mod Beispiel: Umsatzsteuerateil = Mege * Preis * Steuersatz Aggregatfuktioe Fuktio H() zur Verdichtug eies Datebestades, idem aus Eizelwerte ei Aggregatwert ermittelt wird H: 2 dom(x) dom(x) dom(y) SUM(), AVG(), MIN(), MAX(), COUNT() Ordugsbasierte Fuktioe Defiitio vo Kezahle auf Basis zuvor defiierter Orduge Bsp.: Kumulatio, TOP() 36 8
19 3.3 Summatiostyp erlaubte Aggregatiosoperatioe FLOW Beliebig aggregierbar Beispiel: Bestellmege eies Artikels pro Tag STOCK Beliebig aggregierbar mit Ausahme temporaler Dimesio Beispiele: Lagerbestad, Eiwoherzahl pro Stadt VALUE-PER-UNIT (VPU) Aktuelle Zustäde, die icht summierbar sid Zulässig ur: MIN(), MAX, AVG() Beispiele: Wechselkurs, Steuersatz Summierbarkeit FLOW STOCK: Aggregratio über temporale Dimesio? VPU Nei Ja MIN/MAX SUM AVG COUNT
20 3.3 Weitere Eigeschafte Disjuktheit Ei kokreter Wert eier Kezahl geht exakt eimal i Ergebis ei Bsp.: Studierede im Grudstudium Studierede Gesamt Iformatik BWL Gesamt Vollstädigkeit Kezahle auf höherer Aggregatiosebee lasse sich komplett aus Werte tieferer Stufe bereche Restaurats Ulm Stuttgart Augsburg Gesamt Multidimesioaler Datewürfel für Verkauf Aus Darstellugsgrüde im Folgede Abstraktio vo Dimesio Kude Dimesio Halbjahr Quartal Kategorie Kezahl Umsatz Artikel Kategorieattribut Geographie Filiale Stadt Budeslad 40 20
21 3.3 Würfel Aus Darstellugsgrüde im Folgede Abstraktio vo Dimesio Kude Würfel (egl. cube, eigetlich Quader): Grudlage der multidimesioale Aalyse Kate Dimesioe Zelle ei oder mehrere Kezahle (als Fuktio der Dimesioe) Azahl der Dimesioe Dimesioalität Visualisierug 2 Dimesioe: Tabelle 3 Dimesioe: Würfel >3 Dimesioe: Multidimesioale Domäestruktur Schema W eies Würfels ist defiiert als Tupel W(G, M) mit Graularität G Mege der Kezahle M = (M,, M m ) Beispiel: Verkauf((.Artikel,.Tag, Geographie.Filiale), (Verkauf, Umsatz)) Istaz eies Würfels wird durch das Kreuzprodukt der Wertebereiche aller am Würfelschema beteiligte Attribute defiiert (formal: WI dom(g) dom(m)) Beispiel für eie Würfelzelle des Verkaufswürfels: (( Milch, , Filiale Ulm ),(5, 4.95)) I multidimesioale Schemata gilt Orthogoalität, d.h. Keie fuktioale Abhägigkeite zwische Attribute uterschiedlicher Dimesioe i, i, j, j, i j, k, l : DS i.k k DS j.k l TAFELÜBUNG: Formalisierug kozeptuelles Modell Gegebe: usere Wetterstatio MetWatch Wie sieht die formale Defiitio des Würfels aus, der die Kegröße Temperatur ud Luftfeuchtigkeit auf de Klassifikatiosstufe Moat ud Budeslad beschreibt? Welche Berechugsvorschrift bietet sich für die Kegröße Temperatur a? Gebe Sie eie beliebige Würfelzelle dieses Würfels a. Wetter((.Moat, Geographie.Budeslad, Großwetterlage.HochTief), (Temperatur, Luftfeuchtigkeit)) Bspw. Durchschittsbildug AVG() oder Maximum / Miimum (Temperatur vom Typ VALUE-PER-UNIT) Z.B. (( April_2004, Hesse, Hoch ), (4, 20)) 42 2
22 3.3 Grudoperatore Restriktio: Gegebe W((D.K,, D.K ), (M,, M k )), Prädikat P Restriktio ist defiiert als σ P (W) = {z W P(z)}, falls alle Variable i P Etweder Klassifikatiosstufe K sid, die fuktioal vo eier Klassifikatiosstufe der Graularität vo W abhäge (formal: D i.k i mit K i K) Oder Kegröße aus (M,, M k ) sid Beispiel: W select = σ P.gruppe= Video (Verkauf) Die Projektio eier Fuktio der Kegröße F(K) eies Würfels W ist defiiert als π F(K) (W) = {(g, F(m)) dom(g) dom(f(k)) (g, m) W} Verbudoperatioe Verbide Keziffer aus verschiedee Würfel zu eier eue Kezahl Gegebe: W (G, M ), W 2 (G 2, M 2 ) lasse sich verbide G = G 2 :=G Verbud der Zelle wird über ihre Kezahle durchgeführt Ergebis W:= W W 2 mit W(G, M M 2 ) Pivotierug / Rotatio Drehe des Würfels durch Vertausche der Dimesioe Aalyse der Date aus verschiedee Perspektive Geographie Geographie Geographie Geographie Geographie Geographie 22
23 3.3 Roll-Up / Drill-Dow / Drill-Across Roll-Up: Erzeuge euer Iformatioe durch Aggregierug der Date etlag des Kosolidierugspfades Dimesioalität bleibt erhalte Beispiel: Tag Moat Quartal Drill-Dow: komplemetär zu Roll-Up Navigatio vo aggregierte Date zu Detail-Date etlag der Klassifikatioshierarchie Drill-Across: Ausweise vo Kezahle bzgl. eier adere Klassifikatioshierarchie bzw. Dimesio Also: Wechsel vo eiem Würfel zu eiem adere Drill Dow / Roll-up (2) Geographie Geographie Roll-up Drill-Dow. Quartal 2. Quartal 3. Quartal 4. Quartal Ja. Feb. März April Mai Juli Aug. Jui Sept. Okt. Nov. Dez
24 3.3 Slice ad Dice () Erzeuge idividueller Sichte Slice: Herausscheide vo Scheibe aus dem Würfel durch Pukt- oder Listeeischräkuge auf Klassifikatiosattribute Verrigerug der Dimesioalität Beispiel: alle Werte des aktuelle es i de Filiale Ulm ud Bo ( = 2006, Filiale IN ( Ulm, Bo )) Dice: Herausscheide eie Teilwürfels Erhaltug der Dimesioalität, Veräderug der Hierarchieobjekte Beispiel: die Werte bestimmter e oder Regioe Slice ad Dice Slicig: Geographie Dicig: Geographie Geographie 48 24
25 Kapitel 3: Überblick 3. Data-Warehouse-Desigprozess 3.2 Kozeptuelle Datemodellierug 3.3 Formalisierug ud Aalyseoperatioe 3.4 Umsetzug des multidimesioale Datemodells Relatioale Speicherug Multidimesioale Speicherug 3.5 Zusammefassug Allgemeie Amerkuge Multidimesioale Sicht Modellierug der Date Afrageformulierug Itere Verwaltug der Date erfordert Umsetzug auf ROLAP (relatioales OLAP), Umsetzug der multidimesioale Struktur i Relatioe Vorteile: relatioale DBMS weit verbreitet Ausgereifte Techologie Nachteile: Umsetzug der multidimesioale Strukture als Relatioe: Welche Nachteile ergebe sich hieraus? 50 25
26 3.4 Allgemeie Amerkuge MOLAP (multidimesioales OLAP), direkte Speicherug i multidimesioale Strukture Vorteile: Keie Trasformatioe otwedig Nachteile: Zelle köe uter Umstäde ur dü besetzt sei (sparsity) Skalierbarkeit Hybrid, also Kombiatio vo ROLAP ud MOLAP Vorteile beider Variate Nachteil: Komplexität Wesetliche Aspekte bei der Umsetzug multidimesioaler Strukture: Speicherug Afrageformulierug bzw. -ausführug Relatioale Speicherug: Aforderuge Iformatioe aus dem multidimesioale Modell (z.b. Klassifikatioshierarchie) solle icht verlore gehe effiziete Übersetzug ud Verarbeitug multidimesioaler Afrage Update der gespeicherte Date soll eifach sei Aalyse solle adäquat uterstützt werde (z.b. Beachtug der Afragecharakteristik ud des Datevolumes) 52 26
27 3.4 Relatioale Speicherug: Faktetabelle Aus Darstellugsgrüde im Folgede Abstraktio vo Dimesio Kude Ausgagspukt: Umsetzug des Datewürfels ohe Klassifikatioshierarchie Dimesioe, Kezahle Spalte der Relatio Zelle Tupel Primärschlüssel: Artikel, Filiale, Tag Kegröße (measure, häufig umerisch): Verkauf Resultierede Tabelle heißt Faktetabelle (fact table) Artikel Filiale Tag Verkauf Melitta Jacobs Ulm Stuttgart Melitta Ulm Jacobs Ulm Geographie Melitta Stuttgart Relatioale Speicherug: Sowflake-Schema () Klassifikatiosstufe werde jeweils als eie Tabelle abgebildet (z.b. Artikel, gruppe, etc.) Tabelle ethält ID für Klassifikatioskote beschreibedes Attribut (z.b. Marke, Hersteller, Bezeichug) Fremdschlüssel der direkt übergeordete Klassifikatiosstufe Faktetabelle ethält (ebe Kegröße): Fremdschlüssel der jeweils iedrigste Klassifikatiosstufe Fremdschlüssel bilde zusammegesetzte Primärschlüssel für Faktetabelle Vorteile: Nachteile: 54 27
28 Relatioale Speicherug: Sowflake-Schema (2) ArtikelID TagID FilialeID Verkäufe Umsatz Verkauf ArtikelID Bezeichug gruppeid Marke Artikel gruppeid Bezeichug familieid gruppe familieid Bezeichug kategorieid familie kategorieid Bezeichug kategorie FilialeID Bezeichug StadtID Filiale StadtID Bezeichug BezirkID Stadt BezirkID Bezeichug RegioID Bezirk RegioID Bezeichug LadID Regio LadID Bezeichug Lad TagID Bezeichug MoatID WocheID Tag WocheID Bezeichug ID Woche MoatID Bezeichug QuartalID Moat QuartalID Bezeichug ID Quartal ID Bezeichug Aus Darstellugsgrüde im Folgede Abstraktio vo Dimesio Kude 3.4 Relatioale Speicherug: Sowflake-Schema (3) ArtikelID TagID FilialeID Verkäufe Umsatz Verkauf ArtikelID Bezeichug gruppeid Marke Artikel gruppeid Bezeichug familieid gruppe familieid Bezeichug kategorieid familie kategorieid Bezeichug kategorie FilialeID Bezeichug StadtID Filiale StadtID Bezeichug BezirkID Stadt BezirkID Bezeichug RegioID Bezirk RegioID Bezeichug LadID Regio LadID Bezeichug Lad TagID Bezeichug MoatID WocheID Tag WocheID Bezeichug ID Woche MoatID Bezeichug QuartalID Moat QuartalID Bezeichug ID Quartal ID Bezeichug Faktetabelle Fremdschlüssel Zugehörige :-Beziehug Aus Darstellugsgrüde hier Abstraktio vo Dimesio Kude
29 3.4 TAFELÜBUNG: Sowflake-Schema Gegebe: usere Wetterstatio MetWatch Gebe Sie die relatioale Speicherug des Wetter-Würfels als Sowflake-Schema a. Moat ID Bezeichug Woche MoatID Bezeichug QuartalID Tag TagID Bezeichug MoatID WocheID Wetter StadtID TagID HTID Temp. Luftf. Stadt StadtID Bezeichug RegioID Regio RegioID Bezeichug BudesladID Budeslad BudesladID Bezeichug WocheID Bezeichug HochTief ID HTID Bezeichug Relatioale Speicherug: Star-Schema () Sowflake-Schema ist ormalisiert: Vermeidug vo Update-Aomalie Afrage verursache jedoch häufig Mosterjois (Jois über mehrere Tabelle) deshalb Übergag zum so geate Star-Schema: Die zu eier Dimesio gehörede Tabelle werde deormalisiert, also zu eier Dimesiostabelle (pro Dimesio) zusammegefasst Eie Kosequez hieraus sid Redudaze i der Dimesiostabelle Diese Redudaze erlaube jedoch eie schellere Afragebearbeitug Beispiel: Artikel,, gruppe etc. als Spalte i eier Tabelle Vorteile des Star-Schemas: Ituitive Umsetzug der multidimesioale Struktur Schellere Afrageauswertug, keie Mosterjois Nachteile: Redudaze aufgrud der Deormalisierug Mehrfache Hierarchie köe icht direkt modelliert werde 58 29
30 3.4 Relatioale Speicherug: Star-Schema (2) 3. Dimesiostabelle Dim3_Schlüssel Dim3_Attribute. Dimesiostabelle Dim_Schlüssel Dim_Attribute 4. Dimesiostabelle Dim4_Schlüssel Dim4_Attribute Faktetabelle Dim_Schlüssel Dim2_Schlüssel Dim3_Schlüssel Measure Measure2 Measure3 2. Dimesiostabelle Dim2_Schlüssel Dim2_Attribute Allgemeies Star-Schema Relatioale Speicherug: Star-Schema (3) Aus Darstellugsgrüde im Folgede Abstraktio vo Dimesio Kude ID ID Tag Artikel Woche gruppe Moat Quartal Geographie GeographieID ID ID GeographieID Verkäufe Umsatz Verkauf familie kategorie Bezeichug Marke Packugstyp Filiale Stadt Bezirk Regio StarKauf*-Szeario als Star- Schema modelliert Lad 60 30
31 3.4 Relatioale Speicherug: Star-Schema (4) Muster eies Star-Schemas: Multidimesioales Schema mit Dimesioe Dimesiostabelle D,..., D der Form D i (PA i, A i,..., A ik ) Faktetabelle F(PA,..., PA, f,..., f k ) Jeder Teil des komposite Primärschlüssels der Faktetabelle ist Fremdschlüssel zum Primärschlüsselattribut der korrespodierede Dimesio Redudaze i Dimesiostabelle durch Deormalisierug Beispiel: Zugehörigkeit eies Artikels zu gruppe führt zu Zugehörigkeit zu familie ID Artikel gruppe familie Kategorie Melitta Jacobs Lavazza Nesquik Filterkaffee Filterkaffee Espresso Istat-Kakao Kaffee Kaffee Kaffee Kakao Heißgeträke Heißgeträke Heißgeträke Heißgeträke 3.4 Vergleich vo Star- ud Sowflake-Schema () Vorüberlegug: Wie sehe DWH-Aweduge typischerweise aus? Häufig werde Afrage auf höhere Klassifikatiosstufe gestellt Dimesiostabelle weise im Vergleich zu Faktetabelle ei geriges Datevolume auf Klassifikatioe werde sehr selte geädert Vorteile des Star-Schemas leicht verstädliche Struktur Beutzer ka Afrage ituitiver formuliere effiziete Afrageverarbeitug ierhalb eier Dimesio (keie Joi- Operatio otwedig) Redudaze aufgrud Deormalisierug ud damit verbude das Datevolume halte sich meistes i Greze Gefahr vo Update-Aomalie gerig 62 3
32 3.4 Vergleich vo Star- ud Sowflake-Schema (2) Vergleiche basiere häufig auf für Kostebetrachtuge Wir werde im Folgede Kosteabschätzuge für Speicherbedarf ud Afragekomplexität für Sowflake- ud Starschema erarbeite Aahme hierzu: D Dimesioe, je K Klassifikatiosstufe plus Top Jeder Klassifikatioskote hat 3 Kider M Fakte, gleich verteilt i Dimesioe Attribut: b Bytes; Kote habe ur ID; f Faktattribute Vergleich vo Star- ud Sowflake-Schema (3) 64 32
33 3.4 Vergleich vo Star- ud Sowflake-Schema (4) Vergleich vo Star- ud Sowflake-Schema (5) Afrage: Verkäufe der gruppe Soft-Drik pro Filiale ud Sowflake-Schema: Azahl der Jois: 6 (steigt liear mit Azahl der Aggregatiospfade) 66 33
34 3.4 Vergleich vo Star- ud Sowflake-Schema (6) Afrage für Star-Schema: Azahl der Jois: 3 (uabhägig vo der Läge der Aggregatiospfade) Weitere Möglichkeite Mix aus Sowflake-Schema oder Star-Schema Etscheidug für jeweilige Dimesio ahad der folgede Frage: Wie häufig ädert sich die jeweilige Dimesioe? Wie viele Klassifikatiosstufe besitzt die Dimesio? Wie viele Dimesioselemete besitzt die Dimesio? Solle bestimmte Aggregate materialisiert gehalte werde? Zusammefassuge ierhalb des Star-Schemas eie Faktetabelle mehrere Kezahle ur möglich bei gleiche Dimesioe Im Beispiel (Folie 3) habe ur die Kezahle Verkauf ud Umsatz die gleiche Dimesioe ud köe deshalb durch eie gemeisame Faktetabelle repräsetiert werde Galaxie (Multi-Faktetabelle-Schema, Multi-Cube, Hyper-Cube) mehrere Faktetabelle teilweise mit gleiche Dimesiostabelle verküpft 68 34
35 3.4 Fact Costellatio Aus Optimierugsgrüde ka es sivoll sei, bestimmte Aggregate (die z.b. häufig agefragt werde) vorzuhalte (z.b. Umsatz pro Moat). Erste Möglichkeit: Speicherug der Aggregate i der Faktetabelle Hierzu ötig: Uterscheidug i Dimesiostabelle über spezielle Attribute (z.b. Stufe, siehe Abbildug auf Folie 72) Alterative: die Aggregrate werde i eigee Faktetabelle gehalte Diese Art vo Schema wird Fact-Costellatio-Schema geat (da mehrere Faktetabelle) ud ist ei Spezialfall des Galaxie-Schemas. Eiführug des zusätzliche Attributes Stufe ist icht ötig Würfel, die durch Aggregatio auseiader hervorgehe, teile sich etsprechede Dimesioe Klassifikatioshierarchie () Horizotal: Modellierug der Stufe der Klassifikatioshierarchie als Spalte der deormalisierte Dimesiostabelle Vorteil: Nachteile: SELECT DISTINCT gruppe FROM WHERE kategorie = Heissgetraek ID Artikel gruppe kategorie Melitta Jacobs Lavazza Nesquik Filterkaffee Filterkaffee Espresso Istat-Kakao Heissgetraek Heissgetraek Heissgetraek Heissgetraek 35
36 3.4 Klassifikatioshierarchie (2) Vertikal (rekursiv): ormalisierte Dimesiostabelle mit Attribute Dimesios_ID: Schlüssel, der Beziehug zu Faktetabelle herstellt Elter_ID: Attributwert der Dimesios-ID der ächsthöhere Stufe Vorteile: Eifache Äderug am Klassifikatiosschema Eifache Behadlug vorberecheter Aggregate Nachteil: Self-Joi für Afrage eizeler Stufe (Bsp.: gruppe ierhalb eier Kategorie) Rekursio SELECT L3.ElterID FROM AS L, AS L2, AS L3 WHERE L.DimesioID = Heissgetraek AND L2.ElterID = L.DimesioID AND L3.ElterID = L2.DimesioID DimesiosID Melitta Jacobs Filterkaffee Heissgetraek ElterID Filterkaffee Filterkaffee Heissgetraek Lebesmittel Klassifikatioshierarchie (3) Kombiatio vo horizotaler ud vertikaler Darstellug Repräsetatio der Klassifikatiosstufe als Spalte Spaltebezeicher werde geerisch gehalte Speicherug der Kote aller höhere Stufe als Tupel Zusätzliches Attribut Stufe Agabe der bezeichete Klassifikatiosstufe DimesiosID Stufe_ID Stufe2_ID Stufe Melitta Jacobs Filterkaffee Heissgetraek Filterkaffee Filterkaffee Heissgetraek Heißgeträke Heissgetraek Wie köe bei der relatioale Abbildug Sematikverluste verhidert werde? 72 36
37 3.4 Relatioale Umsetzug multidimesioaler Afrage Hägt vo der Abbildugsvariate für das Schema ab Meistes Aggregatafrage bestehed aus (+)-Wege-Verbud zwische Dimesiostabelle ud der Faktetabelle Star-Joi-Afragemuster Beispiel: Wie viele Artikel der kategorie Heißgeträke wurde 2004 pro Moat i de uterschiedliche Regioe verkauft? SELECT G.Regio, Z.Moat, SUM (Verkäufe) FROM Verkauf V, Z, P, Geographie G WHERE V._ID = P._ID AND V.ZEIT_ID = Z.ZEIT_ID AND V.Geo_ID = G.Geo_ID AND P.familie = Heissgetraek AND Z. = 2004 AND G.Lad = Deutschlad GROUP BY G.Regio, Z.Moat CUBE-Operator () Erweiterug i SQL: Gruppierug eier Eigaberelatio ach mehrere Gruppierugskombiatioe CUBE-Operator SELECT Regio, Prodfamilie,, SUM(Verkäufe) AS Verkäufe FROM GROUP BY Regio, Prodfamilie, ; Verkauf Regio Prodfamilie Verkäufe Eifache Gruppierugsbedigug Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Hesse Hesse Hesse Hesse Video Video Video Audio Audio Audio TV TV TV Video Video Video Audio
38 3.4 CUBE-Operator (2) Verkauf Regio Prodfamilie Verkäufe (SELECT Regio, Prodfamilie,, SUM(Verkäufe) AS Verkäufe FROM GROUP BY Regio, Prodfamilie, ) UNION (SELECT Null AS Prodfamilie, Regio,, SUM(Verkäufe) AS Verkäufe FROM GROUP BY Regio, ) UNION // (Prodfamilie,Regio), (Prodfamilie,) // (Regio), () UNION (SELECT Prodfamilie, AS Regio, AS, SUM(Verkäufe) AS Verkäufe FROM GROUP BY Prodfamilie) UNION (SELECT AS Prodfamilie, AS Regio, AS, SUM(Verkäufe) AS Verkäufe FROM) Komplexe Gruppierugsbedigug Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Bayer Hesse Hesse Video Video Video Video Audio Audio Audio Audio TV TV TV TV Video Video Video Video Video Audio CUBE-Operator (3) Nachteile dieser Lösug: Aufwedige Formulierug (aber automatische Geerierug durch OLAP-Tools) Poteziell teure Verbudoperatioe müsse für jede Teilafrage eu ausgewertet werde CUBE-Operator erzeugt alle mögliche Gruppierugskombiatioe; aderfalls ur über lage UNION-Liste möglich SELECT Regio, Prodfamilie,, GROUPING(Regio), GROUPING(Prodfamilie), GROUPING(), SUM(Verkäufe) AS Verkäufe FROM GROUP BY CUBE(Regio, Prodfamilie, ) 76 38
39 3.4 CUBE-Operator (3) Nachteile dieser Lösug: Aufwedige GROUPING Formulierug liefert (aber, falls automatische auf Gruppierugsattribut Geerierug durch agewadt OLAP-Tools) ud über dieses Attribut hiweg aggregiert wird Poteziell Aderfalls teure Verbudoperatioe liefert GROUPING müsse 0 für jede Teilafrage eu ausgewertet werde CUBE-Operator Falls Gesamtsumme erzeugt alle mögliche icht zurück Gruppierugskombiatioe; geliefert werde soll: aderfalls ur über lage UNION-Liste möglich HAVING NOT(GROUPING(Prodfamilie) = AND GROUPING(Regio) = AND GROUPING() = ) SELECT Regio, Prodfamilie,, GROUPING(Regio), GROUPING(Prodfamilie), GROUPING(), SUM(Verkäufe) AS Verkäufe FROM GROUP BY CUBE(Regio, Prodfamilie, ) CUBE-Operator(4): Pivotierug / Rotatio (zur Erierug) Geographie Geographie Geographie Geographie Geographie Geographie 78 39
40 3.4 CUBE-Operator (5) Verkäufe Video Audio TV SUMME Verkäufe Video Audio TV SUMME Bayer Bayer Hesse SUMME SUMME Bayer Hesse Hesse SUMME Bayer SUMME Hesse SUMME SUMME SUMME mit 2 uterschiedliche Pivotieruge CUBE-Operator(6): Roll-Up (SQL99) SELECT Prodkategorie, Prodfamilie, Rollup i dieser Dimesio i folgede Schritte: Regio, Lad, d.h. A,, A -, A SUM(Verkäufe) AS Verkäufe A,, A - FROM WHERE GROUP BY ROLLUP(kategorie, Prodfamilie), A () ROLLUP(Lad, Regio) Erzeugt: (Prodkategorie, Prodfamilie) kreuz (Lad, Regio) (Prodkategorie) (Lad) () () zuerst Bei 4 Gruppierugsattribute Cube-Operator: 2 4 = 6 uterschiedl. Gruppieruge Rollup-Operator: 3*3 = 9 uterschiedl. Gruppieruge da 80 40
41 3.4 GROUPING Sets Komplexeste Art der Gruppierug (i SQL:99) Argumete köe selbst wieder Gruppieruge sei, außer Groupig Sets. Beispiel: SELECT... SUM(Verkäufe) AS Verkäufe FROM... GROUP BY ROLLUP(kategorie, familie) () GROUPING SETS((STADT),(REGION)), (2) GROUPING SETS(ROLLUP(, Quartal, Moat),(Woche)) (3) Bedeutug: () etlag der Klassifikatioshierarchie (2) ur für Städte ud Regioe (3) Nutzug der Parallelhierarchie ( Quartal Moat) ud Woche Probleme der relatioale Speicherug Multidimesioale Struktur muss i eie oder mehrere flache relatioale Tabelle gepresst werde. Trasformatio multidimesioaler Afrage i relatioale Repräsetatio otwedig komplexe Afrage Eisatz komplexer Afragewerkzeuge otwedig (OLAP-Werkzeuge) Sematikverlust daher: direkte multidimesioale Speicherug? 82 4
42 3.4 Multidimesioale Speicherug () Verwedug uterschiedlicher Datestrukture für Datewürfel ud Dimesioe Dimesio: edliche, geordete Liste vo Dimesioswerte Ordug der Dimesioswerte Würfel: Für Dimesioe: -dimesioaler Raum m Dimesioswerte eier Dimesio: Aufteilug des Würfels i m parallele Ebee Zelle eies -dimesioale Würfels wird eideutig über -Tupel vo Dimesioswerte idetifiziert Zelle ka ei oder mehrere Kezahle eies zuvor defiierte Datetyps aufehme Wir als Array gespeichert häufig proprietäre Strukture (ud Systeme) Multidimesioale Speicherug (2) Klassifikatiosstufe: Wichtig: Kote der höhere Stufe bilde weitere Ebee Ulm Umsatz i Bade- Württemberg im Jauar Stuttgart Bade-Württemberg Müche Bayer Jauar Februar März. Quartal Umsatz i Stuttgart im. Quartal 84 42
43 3.4 Multidimesioale Speicherug (3) Vergleich Aggegratio zur Laufzeit versus Vorberechug Laufzeit: Berechug aus Detaildate hohe Aktualität, jedoch hoher Aufwad evetuell Cachig Vorberechug: Berechug ud Eitrage der Aggregatioswerte i etsprechede Zelle Neuberechug ach jeder Dateüberahme otwedig hohe Afragegeschwidigkeit, jedoch Zuahme der Würfelgröße ud Laufzeitaufwad Multidimesioale Speicherug (4) Weitere Datestrukture Virtueller Würfel Ergibt sich aus bestehede Würfel durch die Awedug vo Berechugsfuktioe (z.b. Gewi) Teilwürfel (Kombiatio mehrerer Ebee eies Würfels virtuell) Attribute Merkmale eier Dimesio Utermege vo Dimesioswerte köe über Attribute idetifiziert werde (z.b. farbe ) 86 43
44 3.4 Multidimesioale Speicherug (5) Speicherug des Würfels als -dimesioales Array hierzu Liearisierug i eie eidimesioale Liste ( Kapitel 6, multidimesioale Idexstrukture) Idizes des Arrays Koordiate der Würfelzelle (Dimesioe D i ) Idexberechug für Zelle mit Koordiate x,, x Idex(z) = x + (x 2 ) * D + (x 2 ) * D * D (x ) * D * * D - Liearisierugsreihefolge: D 3 D 2 D Hose () Hemde (2) Röcke (3) Kleider (4) Mätel (5) Jauar () Februar (2) März (3) April (4) 3.4 Multidimesioale Speicherug (6) Probleme bei der multidimesioale Speicherug: ugüstige Liearisierugsreihefolge köe zu schlechtem Afrageverhalte führe! Evetuell Abhilfe durch Cachig Skalierbarkeitsprobleme aufgrud dü besetzter Dateräume teilweise eiseitige Optimierug bezüglich Leseoperatioe Reorgaisatio ach Äderuge a de Dimesioe ka aufwedig werde (da Dimesioswerte geordet) keie Stadard für multidimesioale DBMS ( Spezialwisse otwedig) 88 44
45 3.4 Multidimesioale Speicherug (7) Vergleich vo multidimesioaler ud relatioaler Speicherug Welche Faktore spiele eie Rolle? Speicherug Faktore Array Relatioal (Star-Schema) 89 Kapitel 3: Überblick 3. Data-Warehouse-Desigprozess 3.2 Kozeptuelle Datemodellierug 3.3 Formalisierug ud Aalyseoperatioe 3.4 Umsetzug des multidimesioale Datemodells 3.5 Zusammefassug 90 45
46 3.5 Zusammefassug Kozeptuelle Modellierug der Date: Multidimesioale Erweiteruge vo Etity/Relatioship-Modell (me/r) UML (muml) Weitere Asätze (z.b. graphbasiert) Umsetzug der kozeptuelle Modellierug: Relatioal (ROLAP): Sowflake-Schema, Star-Schema Multidimesioal (MOLAP) Hybrid (HOLAP): Kombiatio aus ROLAP ud MOLAP 9 Refereze [HLV00] Bodo Hüsema, Jes Lechtebörger, Gottfried Vosse: Coceptual Data Warehouse Desig, I Proc. It l Workshop o Desig ad Maagemet of Data Warehouses, pp. 3 9 (2000) 92 46
Vorlesung Informationssysteme
Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche
MehrKunde. Kontobewegung
Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrDas FSB Geldkonto. Einfache Abwicklung und attraktive Verzinsung. +++ Verzinsung aktuell bis zu 3,7% p.a. +++
Das FSB Geldkoto Eifache Abwicklug ud attraktive Verzisug +++ Verzisug aktuell bis zu 3,7% p.a. +++ zuverlässig servicestark bequem Kompeteter Parter für Ihr Wertpapiergeschäft Die FodsServiceBak zählt
MehrInhaltsverzeichnis. 1 Leistungsbeschreibung... 3
FIBU Kosterechug Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Highlights... 4 2.1 Variable oder fixe Kostestelleverteilug... 4 2.2 Mehrstufiges Umlageverfahre... 5 2.3 Kosolidierugsebee für die Wertekotrolle...
MehrLS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV
LS Retail Die Brachelösug für de Eizelhadel auf Basis vo Microsoft Dyamics NAV akquiet Focus auf das Wesetliche User Focus liegt immer auf der Wirtschaftlichkeit: So weig wie möglich, soviel wie ötig.
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
Mehrcubus EV als Erweiterung für Oracle Business Intelligence
cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle
MehrKASSENBUCH ONLINE Online-Erfassung von Kassenbüchern
KASSENBUCH ONLINE Olie-Erfassug vo Kassebücher Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Ituitive Olie-Erfassug des Kassebuchs... 5 3.2 GoB-sicher
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrProjektmanagement Solarkraftwerke
Projektmaagemet Solarkraftwerke Solar Forum - St. Veit 2013 Mauel Uterweger 1 Ihalt des Impulsvortrages eie Überblick über Projektmaagemet bei Solarkraftwerke zu gebe gewoee Erfahruge aufgrud eies reale
MehrReengineering mit Sniffalyzer
Reegieerig mit Siffalyzer Dr. Walter Bischofberger Wid River Ic. wbischofberger@acm.org http://www.widriver.com/siff 30.10.01 2001 Wid River Systems, Ic. 1 Das Siffgate Projekt Motivatio Schaffe eier Plattform
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrEinleitung. Aufgabe 1a/1b. Übung IV
Übug IV Eileitug Etity-Relatioship-Modell: Modellierug zu Aalyse- ud Etwurfszwecke (Phase 2 i Wasserfallodell). "diet dazu, de projektierte Awedugsbereich zu strukturiere." [Keper/Eickler: Datebaksystee]
MehrFactoring. Alternative zur Bankfinanzierung?
Factorig Alterative zur Bakfiazierug? Beschreibug Factorig Im Factorigverfahre schließ e Uterehme ud Factor eie Vertrag, auf desse Grudlage alle kü ftige Forderuge des Uterehmes laufed gekauft werde. Zuvor
MehrGruppe 108: Janina Bär Christian Hörr Robert Rex
TEHNIHE UNIVEITÄT HEMNITZ FAULTÄT FÜ INFOMATI Hardwarepraktikum im W /3 Versuch 3 equetielle ysteme I Gruppe 8: aia Bär hristia Hörr obert ex hemitz, 7. November Hardwarepraktikum equetielle ysteme I Aufgabe
MehrBILANZ. Bilanzbericht
BILANZ Bilazbericht Ihaltsverzeichis 1 Leistugsbeschreibug... 03 2 Itegratio i das AGENDA-System... 04 3 Highlights... 05 3.1 Gestaltug vo Bilazberichte... 05 3.2 Stadardbausteie idividuell apasse... 06
MehrZur Definition. der wirksamen. Wärmespeicherkapazität
Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik
MehrDie Instrumente des Personalmanagements
15 2 Die Istrumete des Persoalmaagemets Zur Lerorietierug Sie solle i der Lage sei:! die Ziele, Asätze ud Grüde eier systematische Persoalplaug darzulege;! die Istrumete der Persoalplaug zu differeziere;!
MehrVAIO-Link Kundenservice Broschüre
VAIO-Lik Kudeservice Broschüre Wir widme us jedem eizele Kude mit der gebührede Aufmerksamkeit, mit großer Achtug ud Respekt. Wir hoffe damit, de Erwartuge jedes Eizele a das VAIO-Lik Kudeservice-Zetrum
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrSQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL
SQL Elmar Fuchs 2. Ausgabe, April 202 Grudlage ud Datebakdesig SQL 3 SQL - Grudlage ud Datebakdesig 3 Der Datebaketwurf I diesem Kapitel erfahre Sie wie sich der Datebak-Lebeszyklus vollzieht welche Etwurfsphase
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrKUNDENPROFIL FÜR GELDANLAGEN
KUNDENPROFIL FÜR GELDANLAGEN Geldalage ist icht ur eie Frage des Vertraues, soder auch das Ergebis eier eigehede Aalyse der Fiazsituatio! Um Ihre optimale Beratug zu gewährleiste, dokumetiere wir gemeisam
MehrHONORAR Honorarabrechnung
HONORAR Hoorarabrechug Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Freie Formulargestaltug... 5 3.2 Positiosvorschläge aus Leistuge bzw. Gegestadswerte...
MehrBeurteilung des Businessplans zur Tragfähigkeitsbescheinigung
Fachkudige Stellugahme Beurteilug des Busiessplas zur Tragfähigkeitsbescheiigug Name Datum Has Musterma 7. Oktober 2015 Wilfried Orth Grüdugsberatug Stadort Würzburg: Stadort Stuttgart: Waldleite 9a Möhriger
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrDatenstruktur : MT940 (Swift)
Datestruktur : MT940 (Sift) Nachfolged ird uterschiede zische dem Satzaufbau MT940 (Sift) de Erläuteruge zum Geschäftsvorfallcode (GVC) eiem Beisiel zum MT940-Satz (Sift) Die MT940-Sätze (Sift) verfüge
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
Mehr2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:
- 2 - - 22-2. Datebaketwurf mittels Etity-Relatioship - Modell (ERM) Ursprug: Che 976, heute viele Variate Bedeutug: grafisches Hilfsmittel zur sematische Modellierug der Diskurswelt (Awedugsgebiet) (d.h.
MehrMathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09
Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug
MehrCampusSourceEngine HISLSF
Kopplug Hochschuliformatiossysteme ud elearig CampusSourceEgie Dipl.-Iform. Christof Veltma Uiversität Dortmud leartec, Karlsruhe, 14.02.2006 - Hochschuliformatiossysteme allgemei: Iformatiossysteme ud
MehrDie allgemeinen Daten zur Einrichtung von md cloud Sync auf Ihrem Smartphone lauten:
md cloud Syc / FAQ Häufig gestellte Frage Allgemeie Date zur Eirichtug Die allgemeie Date zur Eirichtug vo md cloud Syc auf Ihrem Smartphoe laute: Kototyp: Microsoft Exchage / ActiveSyc Server/Domai: mailsyc.freeet.de
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
MehrCRM Maxx. Die Kundenmanagement-Software. Die innovative Softwarelösung für eine gewinnbringende Gestaltung Ihrer Vertriebsund Marketingprozesse
CRM Maxx Die Kudemaagemet-Software Die iovative Softwarelösug für eie gewibrigede Gestaltug Ihrer Vertriebsud Marketigprozesse CRM Maxx die itelligete CRM-Software Die besodere Fuktioalität ud Vielseitigkeit
MehrPrivate Altersvorsorge. Berufsunfähigkeitsschutz plus Steuerersparnis. Günstig vorsorgen durch Kombination mit unserer fondsgebundenen Basisrente.
Private Altersvorsorge Steueroptimierter Berufsufähigkeitsschutz Berufsufähigkeitsschutz plus Steuerersparis Güstig vorsorge durch Kombiatio mit userer fodsgebudee Basisrete. Berufsufähigkeitsschutz +
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrLOHN KUG, ATZ, Pfändung, Darlehen und Bescheinigungswesen
LOHN KUG, ATZ, Pfädug, Darlehe ud Bescheiigugswese Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Highlights... 4 2.1 Elektroischer AAG-Erstattugs-Atrag... 4 2.2 Elektroische EEL-Bescheiigug... 5 2.3 Kurzarbeitergeld...
MehrDer Durchbruch in der Zusammenarbeit. Health Relations
Der Durchbruch i der Zusammearbeit Health Relatios Warum isoft Health Relatios? Der demografische Wadel hat Folge für die Behadlugsbediguge: Es müsse immer mehr Patiete versorgt werde bei gleichzeitig
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrKlausur in 13.1 Thema: Datenbanken (Bearbeitungszeit: 90 Minuten)
Klausur i 13.1 Thema: Datebake (Bearbeitugszeit: 90 Miute) Iformatik 13 Name: Nachame, Vorame Hiweis: Speicher Sie regelmäßig Ihre Arbeit i eier Word-Datei mit dem Name klausur1_nachame.doc aber icht auf
MehrSupercom Die komplette Funklösung
Thermal Eergy Flow Meterig Supercom Die komplette Fuklösug Supercom Die komplette Lösug für die Fuk-Ferauslesug vo Verbrauchsdate i ihrer Smart Meterig Umgebug Kudefreudliche ud exakte Verbrauchs-Dateerfassug
MehrSichtbar im Web! Websites für Handwerksbetriebe. Damit Sie auch online gefunden werden.
Sichtbar im Web! Websites für Hadwerksbetriebe. Damit Sie auch olie gefude werde. Professioelles Webdesig für: Hadwerksbetriebe Rudum-sorglos-Pakete Nur für Hadwerksbetriebe Webdesig zu Festpreise - ukompliziert
MehrMit Ideen begeistern. Mit Freude schenken.
Mehr Erfolg. I jeder Beziehug. Mit Idee begeister. Mit Freude scheke. Erfolgreiches Marketig mit Prämie, Werbemittel ud Uterehmesausstattuge. Wo Prämie ei System habe, hat Erfolg Methode. Die Wertschätzug
MehrKreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
MehrProjektmanagement. Changing the way people work together
Der Projektleiter ist ählich eiem Uterehmer veratwortlich für Mesche, Techik ud Prozesse. Ihre Aforderuge plus usere Kompeteze sid Ihre Erfolgsfaktore Die Führug eies Projekts etspricht im Wesetliche der
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrDas Digitale Archiv des Bundesarchivs
Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte
MehrProf. Dr.-Ing. Bernd Kochendörfer. Bauwirtschaft und Baubetrieb. Investitionsrechnung
ud Baubetrieb A Ivestitiosrechug ud Baubetrieb Ivestitiosbegriff Bilazorietierter Ivestitiosbegriff Umwadlug vo Geldkapital i adere Forme vo Vermöge Aktiva Passiva Zahlugsorietierter Ivestitiosbegriff
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrKleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares
4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus
MehrData Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY
Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung
MehrPrivatKredit. Direkt ans Ziel Ihrer Wünsche
PrivatKredit Direkt as Ziel Ihrer Wüsche Erlebe Sie eue Freiräume. Leiste Sie sich, was Ihe wichtig ist. Sie träume scho seit lagem vo eier eue Aschaffug, wie z. B.: eiem eue Auto eue Möbel Oder es stehe
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrBILANZ Bilanzbericht
BILANZ Bilazbericht Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Gestaltug vo Bilazberichte... 5 3.2 Stadardbausteie idividuell apasse... 6 3.3
Mehrevohome Millionen Familien verfolgen ein Ziel: Energie zu sparen ohne auf Komfort zu verzichten
evohome Eergie spare weiter gedacht Millioe Familie verfolge ei Ziel: Eergie zu spare ohe auf Komfort zu verzichte evohome Nie war es schöer Eergie zu spare Es gibt viele iteressate Möglichkeite, eergie-
MehrFH Bingen 1 EnDa SS 2003
FH Bige 1 EDa SS 2003 1.Grudkozepte für die Architektur vo Datebaksysteme (DaBa) 1.1Ausgagssituatio Frühere Awedugssysteme sid gekezeichet, dass zusammegehörige Programme auf viele Dateie operiere. : Verwalte
MehrWiederkehrende XML-Inhalte in Adobe InDesign importieren
Wiederkehrede XML-Ihalte i Adobe IDesig importiere Dieses Tutorial soll als Quick & Dirty -Kurzaleitug demostriere, wie wiederkehrede XML-Ihalte (z. B. aus Datebake) i Adobe IDesig importiert ud formatiert
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
Mehr2. Einführung in die Geometrische Optik
2. Eiührug i die Geometrische Optik 2. Allgemeie Prizipie 2.. Licht ud Materie Optische Ssteme werde ür de Spektralbereich zwische dem extreme Ultraviolette ( m) ud dem thermische Irarote (Q-Bad bei 2
MehrBERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule
BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher
MehrDas Multidimensionale Datenmodell
Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension
MehrDatenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014
Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester
MehrProjectFinder Der Kommunen Optimierer! Lassen Sie sich ProjectFinder noch heute vorführen. Warum auch Sie ProjectFinder nutzen sollten
ProjectFider Der Kommue Optimierer! Lasse Sie sich ProjectFider och heute vorführe. Warum auch Sie ProjectFider utze sollte re re abwickel ojekte r P ich e r g fol Er Op tim ie e Si Ih g u Pla Behalte
MehrMedienzentrum. Bibliothek. Handreichung zur Literatursuche
Mediezetrum Bibliothek Hadreichug zur Literatursuche Versio 1.6 23.09.2014 Sie schreibe Ihre Abschlussarbeit? Sie suche Literatur zu Ihrem Thema? Da hilft Ihe usere Hadreichug zur Literatursuche (icht
MehrASP Application-Service- Providing
ASP Applicatio-Service- Providig Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio Ageda ASP... 4 3 Highlights... 5 3.1 Der Termialserver... 5 3.2 Dateüberahme/Ibetriebahme... 5 3.3 Sicherheit...
MehrFIBU Betriebswirtschaftliche. Controlling
FIBU Betriebswirtschaftliche Plaug & Cotrollig Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Highlights... 4 2.1 Cotrollig-Bericht... 4 2.2 Betriebswirtschaftliche Plazahleerfassug... 6 2.3 Kosterechug
MehrInvestitionsentscheidungsrechnung Annuitäten Methode
Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrAussagenlogik Schnelldurchlauf
Aussagelogik Schelldurchlauf Michael Leuschel Softwaretechik ud Programmiersprache Lecture 3 Teil 1: Sprache (Sytax) Bestadteile Atomare Aussage (atomic propositios) Etweder wahr oder falsch (Wahrheitswert,
MehrDie Guten ins Töpfchen... Datenmigration einer verteilten Access- und SQLServer-Umgebung in eine JEE-Anwendung innerhalb einer SOA
Die Gute is Töpfche... Datemigratio eier verteilte - ud SQLServer-Umgebug i eie JEE-Awedug ierhalb eier SOA Matthias Köhler Matthias.koehler@mathema.de www.mathema.de Die Gute is Töpfche... Matthias Köhler
MehrAufgabenblatt 4. A1. Definitionen. Lösungen. Zins = Rate Zinskurve = Zinsstruktur Rendite = Yield
Augabeblatt 4 Lösuge A. Deiitioe Zis = Rate Ziskurve = Zisstruktur Redite = Yield A. Deiitioe Zerobod = Nullkupoaleihe = Zero coupo bod Aleihe, die vor Ede der Lauzeit keie Zahluge leistet ud am Ede der
MehrLösungen zu Kontrollfragen
Lehrstuhl für Fiazwirtschaft Lösuge zu Kotrollfrage Fiazwirtschaft Prof. Dr. Thorste Poddig Fachbereich 7: Wirtschaftswisseschaft 2 Forme der Fremdfiazierug (Kapitel 6) Allgemeier Überblick 89. Ma ka die
Mehr