1 Informationsmodellierung mit dem Entity-Relationship-Modell

Ähnliche Dokumente
1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell

Einleitung. Aufgabe 1a/1b. Übung IV

Kunde. Kontobewegung

Tutorial zum Grenzwert reeller Zahlenfolgen

Einführung in die Computerlinguistik Merkmalsstrukturen (Feature Structures)

Humboldt-Universität zu Berlin Wintersemester 2017/18. Mathematisch-Naturwissenschaftliche Fakultät II Institut für Mathematik A.

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.)

Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w

Lösungsvorschläge zu den Aufgaben der Lernsituation 20 (S. 64, 65)

Übungen zu QM III Mindeststichprobenumfang

Proseminar SS 2003 Codierverfahren Thema: Präfix-Codes, Kraft-Ungleichung und Huffmanverfahren

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Mathematische Vorgehensweise

WS 2009/10. Diskrete Strukturen

1 Randomisierte Bestimmung des Medians

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

10 Aussagen mit Quantoren und

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

TECHNISCHE UNIVERSITÄT MÜNCHEN

SUCHPROBLEME UND ALPHABETISCHE CODES

Datenbanksysteme 1 Herbst-/Wintersemester Oktober 2014

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

Übungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 11. c n (z a) n,

Effiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Entity Relationship Modell

5. Übungsblatt Aufgaben mit Lösungen

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik

6. Übung - Differenzengleichungen

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:

Tutorium Mathematik I, M Lösungen

ER Modell Relationenmodell

Grundlagen der Mathematik (LPSI/LS-M1)

Beurteilung des Businessplans zur Tragfähigkeitsbescheinigung

2 Organisationseinheiten und -strukturen

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Vorlesung Informationssysteme

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

Technische Universität München Zentrum Mathematik. Übungsblatt 1

Übungen zur Analysis I WS 2008/2009

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Normierte Vektorräume

Wörterbuchmethoden und Lempel-Ziv-Codierung

Lösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

4 Schwankungsintervalle Schwankungsintervalle 4.2

Gliederung. Value-at-Risk

Mathematische Probleme, SS 2015 Donnerstag $Id: convex.tex,v /05/21 18:28:20 hk Exp $

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II

Die natürlichen, ganzen und rationalen Zahlen

Tests statistischer Hypothesen

cubus EV als Erweiterung für Oracle Business Intelligence

Nennenswertes zur Stetigkeit

4. Die Menge der Primzahlen. Bertrands Postulat

Zur Definition. der wirksamen. Wärmespeicherkapazität

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Zahlenfolgen und Konvergenzkriterien

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

4 Konvergenz von Folgen

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt.

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Abb. 1: Woher kommen die schwarzen Quadrate?

Grundlagen der Differentialrechnung mit mehreren Veränderlichen

Aufgabe 1: Funktionale Modellierungen

1. Zahlenfolgen und Reihen

Höhere Mathematik für die Fachrichtung Physik

Kapitel 5. Ausrichten

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik

Eigenschaften von Texten

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

TECHNISCHE UNIVERSITÄT MÜNCHEN

5.7. Aufgaben zu Folgen

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

10. Übungsblatt zur Einführung in die Stochastik

Einführung in Datenbanken Sommersemester 2009

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

EC3 Seminar Teil 1 1/8 Lastannahmen und Lastkombinationen

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht

Einige wichtige Ungleichungen

Zusammenfassung: Folgen und Konvergenz

Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte

Dr. Jürgen Senger MATHEMATIK. Grundlagen für Ökonomen

4.3 Relationen [ Partee 27-30, 39-51, McCawley , Chierchia ]

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

Statistik I Februar 2005

Ticket-Produkte. 1. Welche Ticket-Arten stehen für die Allgemeinheit zur Verfügung?

Transkript:

1 Iforatiosodellierug it de Etity-Relatioship-Modell Die ACID-Dopig-Detektei beötigt für ihre Jagd ach Dopigsüder ei Iforatiossyste, bei de ei relatioales Datebaksyste zu Eisatz koe soll. [20 P.] i) Erfasse Sie die i Folgede beschriebee Iforatiosstrukture i eie ER-Diagra. Beziehe [18 P.] Sie sich dabei geau auf die gegebee Beschreibug, ohe weiteres Wisse zu öglicherweise ähliche Awedugsbereiche eifließe zu lasse. Markiere Sie i Ihre Etwurf Priärschlüssel durch Uterstreichug ud otiere Sie die Abbildugstype i der For 1:, 1:1, :. Verwede Sie ubedigt die aus der Vorlesug bekate Notatio. Ausahe: Die Zuordug bei 1: Abbildugstype bleibt Ihe überlasse, uss aber eideutig als solche arkiert werde (z.b. durch ei ausforuliertes Beispiel). Beutze Sie öglichst weige Etitäte (Ausahe: Vererbug). Eie (Existez-)Abhägigkeit soll ur da odelliert werde, we dies eideutig aus der Beschreibug hervorgeht (z.b. durch die Agabe eies schwache Schlüssels). Es gibt Persoe, Ärzte, Sportler, Kotrolleure, Sportarte, Medikaete ud Dopiglabors. Jede Perso hat eie eideutige PID, eie, ei Geburtsdatu (kurz DOB) ud ei Geschlecht. Ärzte, Sportler ud Kotrolleure sid spezielle Persoe. Ei Arzt besitzt ei Spezialgebiet ud leitet axial ei Dopiglabor. Ei Dopiglabor wird vo keie oder eie Arzt geleitet. Ei Dopiglabor hat eie eideutige, eie Adresse ud eie Parole. I eie Dopiglabor köe ehrere Persoe arbeite, wobei jede Perso i axial eie Dopiglabor arbeite darf. Ei Sportler ka vo ehrere Ärzte behadelt werde. Ei Arzt ka ehrere Sportler behadel. Eie Sportart hat eie ud eie Altersklasse, die zusae geoe eideutig sid. Ei Medikaet hat eie eideutige MID, eie ud eie oder ehrere Nebewirkuge. Ei Medikaet ka i ehrere Sportarte verbote sei, wobei ei Verbot ier über eie Midestdosis defiiert ist. Ei Arzt ka verschiedee Sportler verschiedee Medikaete verabreiche. Ei Medikaet ka verschiedee Sportler vo verschiedee Ärzte verabreicht werde. Ei Sportler ka vo verschiedee Ärzte verschiedee Medikaete verabreicht bekoe. Eie Verabreichug ist dabei ier durch ei Datu ud eie Dosis gekezeichet. Ei Kotrolleur ka eie oder ehrere Sportler jeweils a eie gewisse Datu teste. Ei Sportler ka vo ehrere Kotrolleure getestet werde. 1

Adresse Parole PID DOB Geschlecht Dopiglabor arbeitet i 1 Perso 1 leitet Arzt 1 behadelt Sportler testet Kotrolleur Spezialgebiet p Dosis Datu Datu verabreicht MID Medikaet verbote Sportart Nebewirkuge Mi.Dosis Altersklasse i) Nee Sie zwei seatische Itegritätsbediguge, welche für die i Aufgabeteil a) vorgestellte Mi- [2 P.] iwelt sivoll sid, sich aber icht i ER-Modell darstelle lasse (z.b. Ei Arzt darf eie Sportler ur da ei Medikaet verabreiche, we er diese behadelt. ). - Ei Sportler darf sich icht selber kotrolliere. - Ei Sportler darf icht kotrolliert werde bevor er gebore wurde. - Eie Sportler darf kei Medikaet verabreicht werde bevor er gebore wurde. - Ei Arzt darf kei Medikaet verabreiche bevor er gebore wurde. - Ei Sportler darf ur eie Sportart betreibe für desse Altersklasse er zugelasse ist. - Ei Arzt darf eie Sportler ur da ei Medikaet verorde, we er diese behadelt. - Ei Sportler darf icht i de Dopiglabor arbeite desse Leiter ih icht behadelt. 2

- Ei Kotrolleur darf icht i eie Dopiglabor arbeite. 2 Iforatiosodellierug: Beschreibug vo ER-Modelle Beschreibe Sie die Iforatioe, die durch die ute dargestellte ER-Diagrae odelliert sid, öglichst präzise ud vollstädig ud beatworte Sie die Frage. Das folgede Beispiel veraschaulicht, wie die Leserichtug der Abbildugstype ud Kardiialitätsrestriktioe zu iterpretiere ist: [12 P.] Schüler [2; 2] belegt [0; ] Leistugskurs Titel Ei Schüler hat eie eideutige ud belegt geau 2 Leistugskurse. Ei Leistugskurs hat eie eideutige Titel ud ka vo Schüler belegt werde. a) [2 P.] Fahrzeug 1 geeldet auf Perso KFZ Fahrzeugtyp SVNr Eie Perso hat eie eideutige SVNr ud eie. Ei Fahrzeug hat eie eideutige KFZ ud eie Fahrzeugtyp. Jedes Fahrzeug ka axial auf eie Perso geeldet sei. Jede Perso ka ehrere Fahrzeuge elde. 3

b) [4 P.] VNr Verkäufer [0; ] Fahrzeug [1; 1] Kauf [0; ] Kude KFZ Fahrzeugtyp Datu Preis KNr Ei Verkäufer hat eie eideutige Verkäuferuer (VNr) ud eie. Ei Kude hat eie eideutige Persoeuer (PNr) ud eie. Ei Fahrzeug hat eie eideutige KFZ ud eie Fahrzeugtyp. Ei Kude ka beliebig viele Fahrzeuge kaufe. Ei Verkäufer ka beliebig viele Fahrzeug verkaufe. Ei Fahrzeug wird geau eial verkauft. Jeder Kauf besitzt ei Verkaufsdatu ud eie Verkaufspreis. A eie Kauf sid geau ei Verkäufer, ei Auto ud ei Kude beteiligt. 4

c) [2 P.] Hr Bezeichug Beschreibug Superheld besitzt Superkraft Eisatzgebiet Eischräkug Ei Superheld hat eie eideutige Heldeuer (HNr), eie ud ei Eisatzgebiet. Eie Superkraft hat eie eideutige Bezeichug ud eie Beschreibug. Jeder Superheld ka beliebig viele Superkräfte besitze ud jede Superkraft ka vo beliebig viele Superhelde besesse werde. Der Besitz eier Superkraft ist it eier Mege a Eischräkuge verbude. d) [3 P.] Zuhörer [0; ] Witz erzähle Poite Vorae Nachae Perso [1; ] Erzähler Jede Perso hat eie Vorae ud eie Nachae, dere Kobiatio eideutig ist. Jede Perso ka ei Zuhörer oder ei Erzähler sei. Ei Erzähler uss idestes eie Witz erzähle ud ka beliebig viele Witze erzähle. Eie Zuhörer köe beliebig viele Witze erzählt werde. We ei Witz erzählt wird, sid ier geau ei Erzähler ud geau ei Zuhörer beteiligt, wobei es ehrere Poite gebe ka. e) Betrachte sie das ER-Diagra i Aufgabe 2 d), wie viele Witze ka ei Erzähler eie gaz bestite Zuhörer iial ud axial erzähle? [1 P.] 5

Ei kokreter Erzähler ka ur eial über die Relatio Witz erzähle it eie kokrete Zuhörer i Verbidug stehe ud ih soit auch ur iial keie oder axial eie Witz erzähle. 6

3 Schlüsselkadidate [8 P.] Betrachte Sie folgede Tabelle, die Date über Studierede eier Uiversität ethält: Vorae Nachae Geb.-Dat. Straße Haus-Nr PLZ Ort Telefor. 1. Fach 2. Fach Helut Schulz 27.08.1988 A-Str. 6 11111 Sdorf 05628 / 4598 If ET Paula Meier 14.09.1987 B-Str. 1 22222 Bhei 04328 / 87298 If Math Has Weiß 18.04.1987 H-Str. 8 55555 Ebach 0875 / 714668 If Phys Peter Kruse 23.07.1982 A-Str. 1 11111 Sdorf 04621 / 4368 If ET Frida Müller 03.11.1985 E-Str. 3 66666 Fbach 0281 / 336714 If Jap Ae Kruse 31.05.1986 D-Str. 5 33333 Cfeld 0365 / 249755 If Phys.............................. a) Aus der Vorlesug ist bekat, dass ei Schlüsselkadidat eideutig ud iial sei uss. Erläuter Sie diese beide Eigeschafte ahad der sechs i der obige Tabelle aufgelistete Etitäte. Nee Sie zude eiige Attribute (bzw. Attributskobiatioe), welche i gegebee Kotext eie Schlüsselkadidate darstelle. Begrüde Sie, waru es sich bei der Attributkobiatio (Vorae, Nachae) u keie Schlüsselkadidat hadelt. [5 P.] (i.) Eideutigkeit: Ei Schlüsselkadidat idetifiziert eie Etität ierhalb der Etitäte-Mege eies Etitäte-Types eideutig. Dies soll verhider, dass zwei oder ehrere Etitäte eier Ausprägugsege it deselbe Schlüssel existiere. Ei Schlüsselkadidat ka dabei aus eie eizele oder aus ehrere Attribute bestehe. Für de Fall, dass es sich u eie Kobiatio vo Attribute hadelt, uss die Kobiatio i Hiblick auf die i ihr ethaltee Werte für die betrachtete Ausprägugsege eideutig sei. (ii.) Miialität: Ei Schlüsselkadidat ist iial (irreduzibel). Dies bedeutet, dass alle a eie Schlüsselkadidate beteiligte Attribute auch tatsächlich beötigt werde, u eie Etität eideutig zu idetifiziere. Auch hierbei kot es auf die betrachtete Ausprägugsege a. Bei der obe agegebee Tabelle sid zu Beispiel sowohl Vorae, Geburtsdatu als auch Telefouer Schlüsselkadidate, da jedes Attribut für die betrachtete Ausprägugsege (Ausschitt) eideutig ist. Ei Beispiel für eie Schlüsselkadidate, welcher sich aus eier Kobiatio vo Attribute zusaesetzt, ist uter adere Nachae ud Ort. Diese sid zwar jeweils eizel betrachtet icht eideutig (bei Nachae existiere zwei Etitäte it de Wert Kruse, bei Ort gibt es zwei Mal Sdorf ), zusaegesetzt idetifiziert die Kobiatio jedoch jede Etität der betrachtete Ausprägugsege eideutig. Die Kobiatio aus Vorae ud Nachae wäre higege kei Schlüsselkadidat, da (bei diese Date!) bereits das Attribut Vorae allei Eideutigkeit gewährleiste würde (Verstoß gege die Eigeschaft der Miialität). b) Werde icht ur die sechs explizit aufgeführte Studierede soder eie Mege vo Studete i 7

Allgeeie betrachtet, da gestaltet sich die Idetifikatio vo Schlüsselkadidate eher schwierig. Diskutiere Sie die Ursache hierfür ahad vo Beispiele. Welche Lösugsöglichkeit bietet sich a? [3 P.] Die Mege der Studierede eier Uiversität variert i Laufe der Zeit (alte Studete werde exatrikuliert ud eue Studete werde iatrikuliert). Aufgrud eier eialige Aalyse über die Eideutigkeit ud Miialität vo Attributkobiatioe bzgl. eier gegebee Dateege köe i diese Fall deach keie große Schlussfolgeruge getroffe werde. I allgeeie ka icht abgesehe werde, welche Schlüsselkadidate ach de Eifüge euer Etitäte bestehe bleibe. Eie Kobiatio ehrerer Attribute würde lediglich die Wahrscheilichkeit iiiere, dass die Eideutigkeit durch das Eifüge vo eue Etitäte icht ehr gewährleistet ist. Selbst die Kobiatio aller Attribute köte i diese Fall keie sichere Eideutigkeit gewährleiste. Als Lösugsöglichkeit bietet sich die Eiführug eies küstliche Priärschlüssels a, desse Eideutigkeit auch bei eier Erweiterug der Dateege sichergestellt werde ka. Dies vereidet uötige Äderugsaufwad bei Eifüge euer Datesätze. Ei passeder küstlicher Schlüssel für de dargestellte Awedugskotext wäre zu Beispiel die Eiführug eier eideutige Matrikeluer. Hiweis zur Lösug: Küstlich erzeugte Schlüssel sid häufig icht represetativ ud existiere zueist ur ierhalb der Datebak. Sie sollte daher ur verwedet werde, we es icht aders öglich ist. 8