Daten verwalten (2) Agenda für heute, 30. April 2008

Slides:



Advertisements
Ähnliche Präsentationen
Hier einige Hieroglyphen:
Advertisements

spezielle Nutzersichten formale Ebene (deskriptive Regeln)
Datenbanksysteme für FÜ SS 2000 Seite Worzyk FH Anhalt SQL 1 Aussagen über Tabelleninhalte Aussagelogik Äquivalenzen Select Where.
Datenbanksysteme für FÜ WS2004/05 SQL1 - 1 Worzyk FH Anhalt SQL 1 Aussagen über Tabelleninhalte Aussagelogik Äquivalenzen Select Where.
Zusammenfassung der Vorwoche
5. Aussagenlogik und Schaltalgebra
Organisatorisches Klausur für Übungsschein (Anfang Januar)
Bauinformatik II Softwareanwendungen 1
Syntax der Aussagenlogik
Verifizieren versus Berechnen
Algorithmen und Komplexität
Teil 7 Grundlagen Logik.
C- Syntax. Bestandteile der Sprache C: Ausdrücke Anweisungen.
Java- Syntax.
Fuzzy-Logik und unscharfe Mengen
Kapitel 1 Mengen, Abbildungen, Logik
Fakten, Regeln und Anfragen
Mathematische Grundlagen
Aussagenlogische Modelle
Mathematische und logische Grundlagen der Linguistik
Übung Datenbanksysteme SQL-Anfragen (2)
Boolesche Ausdrücke Ist der Rückgabewert eines Ausdrucks vom Typ boolean, so wird dieser als Boolescher Ausdruck bezeichnet (nach dem Mathematiker George.
Christian Schindelhauer
Normalformen Normalisieren Schlüssel
Einführung in die Methoden der Psychologie Tutorium 1.4
© Katharina Brachmann Bedingte Funktionen Oldenbourg S48ff
6. Zusammengesetzte Daten (Verbund)
Ralf KüstersDagstuhl 2008/11/30 2 Ralf KüstersDagstuhl 2008/11/30 3.
boolean Datentyp und Operator
Menschliche Logik AND Boolsche Logik = NOT Logisch
Verknüpfen von Grundschaltungen zu komplexen Schaltungen
Die Grundterminologie
Problemlösen Problemlösen Prof. Dr. Bernd Schmidt
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Daten verwalten (2)Daten verwalten (2) Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Grafische.
WS 2009/10 Datenbanksysteme Fr 15:15 – 16:45 R Vorlesung #3 Das relationale Modell (Teil 2)
SS 2004 Datenbanken 4W Mi 13:30 – 15:00 G 2.30 Vorlesung #7 SQL (Teil 2)
WS 2013/14 Datenbanksysteme D0 15:15 – 16:45 R Vorlesung #5 SQL (Teil 2)
Chair of Software Engineering Einführung in die Programmierung Prof. Dr. Bertrand Meyer Vorlesung 5: Invarianten und Logik.
Einführung in die Programmierung Prof. Dr. Bertrand Meyer
Einführung in Datenbankmodellierung und SQL
Agenda für heute, 19. Januar 2007 Informationssysteme: ETH-BibliothekInformationssysteme: ETH-Bibliothek Logische Verknüpfungen als Grundlage für die Informationsgewinnung.
Datentypen: integer, char, string, boolean
Agenda für heute, 20. April, 2006 Wiederholte ProgrammausführungWiederholte Programmausführung Algorithmische Grundlagen Bedingungen zum Abbruch von Programmschleifen.
Agenda für heute, 7. April, 2005 Bedingte ProgrammausführungBedingte Programmausführung Algorithmische Grundlagen Vergleichsoperatoren, Wahrheitswerte.
Agenda für heute, 14. April, 2005 Wiederholte ProgrammausführungWiederholte Programmausführung Algorithmische Grundlagen Bedingungen zum Abbruch von Programmschleifen.
Daten verwalten (2) Agenda für heute, 29. April 2009
Schaltnetze und Schaltwerke Marcel Waldvogel
Agenda für heute, 13. Januar 2006
Agenda für heute, 20. November 2009
Agenda für heute, 21. November 2008
Fachschaft Mathematik und Informatik
Hochschule Fulda – FB ET Sommersemester 2014
Arne Vater Wintersemester 2006/ Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Bildungsplan 2004 (Zitat:)
Aussagenlogik G. Laner 03/04
I Grundlagen.
Boolesche Algebra Einführung in die Boolesche Algebra George Boole
1 Tagesüberblick 5 Lösung Hausaufgabe/Fragen Assoziative Felder Funktionen zu Variablenbehandlung.
WS 2014/15 Datenbanksysteme D0 15:15 – 16:45 R Vorlesung #6 SQL (Teil 3)
Agenda für heute, 21. April, 2005 Interaktion mit Pascal-ProgrammenInteraktion mit Pascal-Programmen Dateneingabe Programmsteuerung Debugging Datentypen:
Kapitel 4: Aussagen-, Prädikatenlogik
Grundlagen der mathematischen Logik
Vorlesung Datenbanksysteme vom Anfragebearbeitung  Logische Optimierung.
 Sortigkeit oder Arität
(Wirtschafts-)mathematik I Mathe im Wandel der Zeit Volksschule 1960: Ein Bauer verkauft einen Sack Kartoffeln für 50 DM. Die Erzeugerkosten betragen 40.
Von Bits, Bytes und Raid Eine Schnuppervorlesung Inhalt
Datentypen: integer, char, string, boolean
Datentypen: integer, char, string, boolean
 Präsentation transkript:

Daten verwalten (2) Agenda für heute, 30. April 2008 Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Grafische vs. formale Darstellung von Abfragen Boolesche Algebra

Daten verwalten (2): Drei Stufen der Datenverwaltung Anwendung Informatik Daten organisieren Daten speichern Entity-Relationship-Modell Datenbanken Daten wieder gewinnen Daten reorganisieren Abfragen (z.B. mit SQL) Logische Verknüpfungen Daten austauschen Daten umformen Datenformate Standards 2/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Daten organisieren, Daten speichern: Relationale Datenbank Ursprüngliche Information Normalisieren Relationen Relationale Operatoren (Select, Project, Join) Umstrukturierte Information 3/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Logische Verknüpfungen als Grundlage für die Informationsgewinnung Daten verwalten (2) Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Grafische vs. formale Darstellung von Abfragen Boolesche Algebra

Wiedergewinnen von Information: Aussagenlogik Welche Nahrungsmittel enthalten weniger als 2 mg Eisen? Name in Nahrungsmittel mit Nährstoff = Eisen und Menge < 2 Datenbankabfrage Aussage ausgewertet mit Tupel einer Datenbank wahr (z.B. 1.7mg Eisen) falsch (z.B. 3.4mg Eisen) 4/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Elemente der Aussagenlogik Eine Aussage hat einen Wahrheitswert ("wahr", "falsch") Aussagen können aus Teilaussagen zusammengesetzt sein Diese Teilaussagen sind durch logische Operatoren verknüpft Der Wahrheitswert einer zusammengesetzten Aussage ist vollständig durch die Wahrheitswerte der Teilaussagen und die Art der Verknüpfung gegeben. Beispiele "Es schneit" (einfach) "Rosen sind rot und Veilchen sind blau" (zusammengesetzt) "Sie ist intelligent oder lernt jede Nacht" (zusammengesetzt) "Wohin gehst Du?" (keine Aussage) 5/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Konjunktion: "sowohl p als auch q" p and q Logische Operatoren Die logischen Operanden p und q sollen Teilaussagen bezeichnen z.B. p steht für: Nährstoff = Eisen (kann wahr sein oder falsch) q steht für: Menge < 2 (kann wahr sein oder falsch) Konjunktion: "sowohl p als auch q" p and q Disjunktion: "entweder p oder q" p or q Negation: "nicht p" not p Beispiele "Es schneit" (einfach) "Rosen sind rot und Veilchen sind blau" (zusammengesetzt) "Sie ist intelligent oder lernt jede Nacht" (zusammengesetzt) "Wohin gehst Du?" (keine Aussage) 6/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Werte von Aussagen: Wahrheitstabellen Daten verwalten (2) Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Grafische vs. formale Darstellung von Abfragen Boolesche Algebra

Werte von Aussagen: Wahrheitstabellen Logische Verknüpfungen anschaulich spezifizieren Für jede mögliche Kombination von der logischen Operanden wird das Resultat der Verküpfung aufgelistet p q Verknüpfung von p mit q w x f w = wahr, f = falsch 7/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Wahrheitstabelle für die Konjunktion Symbole: und, and, •,  p q p and q w f Die erste Zeile ist eine Kurzform für: "Falls p wahr ist und q wahr ist, dann ist p and q wahr Für alle Zeilen: wenn p dann q sonst falsch 8/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Wahrheitstabelle für die Disjunktion Symbole: oder, or, +,  p q p or q w f Beachte: p or q ist nur dann falsch wenn beide Teilaussagen falsch sind Für alle: wenn p dann wahr sonst q 9/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Rosen sind rot and Veilchen sind blau ist wahr Beispiele Rosen sind rot and Veilchen sind blau ist wahr Rosen sind rot and Veilchen sind grün ist falsch Rosen sind rot or Veilchen sind blau ist wahr Rosen sind rot or Veilchen sind grün ist wahr Rosen sind silbrig or Veilchen sind grün ist falsch 10/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Wahrheitstabelle für die Negation Symbole: nicht, not, ¬ p not p w f Vorrangregelung der logischen Operatoren : 1. not 2. and 3. or 4. Vergleiche Kann durch Setzen von Klammern aufgehoben werden 11/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Bemerkungen zur Disjunktion Umgangssprachlich bedeutet "oder" meistens: p oder q oder beide (sie ist intelligent oder sie studiert jede Nacht) p or q bedeutet immer "p oder q oder beide" (siehe Wahrheitstabelle) manchmal bedeutet "oder" jedoch: p oder q aber nicht beide (sie telefoniert aus Basel oder aus Genf) für diese Bedeutung wird die exklusive Disjunktion (xor) angewandt p q p xor q w f Beachte: p xor q ist dann falsch wenn beide Teilaussagen entweder falsch oder richtig sind. 12/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Disjunktion oder exklusive Disjunktion? Genauer: drink xor drive Aber stimmt das? Genauer: drink and < 1 Glas xor drive Stimmts jetzt? Genauer: (drink and ≤ 1 Glas and drive) or (drink and > 1 Glas and not drive) 13/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Das neue Plakat © Raphael Theiler 14/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Logische Äquivalenzen Ein paar Spezialfälle Logische Äquivalenzen not p or not q  not ( p and q ) (de Morgan) not p and not q  not ( p or q ) Tautologie p or not p Widerspruch p and not p p not p p or not p w f p not p p and not p w f 15/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Grafische vs. formale Darstellung von Abfragen Daten verwalten (2) Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werete von Aussagen: Wahrheitstabellen Grafische vs. formale Darstellung von Abfragen Boolesche Algebra

Grafische vs. formale Darstellung logischer Verknüpfungen Welche Nahrungsmittel enthalten weniger als 2 mg Eisen oder Zink? Mengendiagramme Alle Nahrungsmittel mit Zink Alle Nahrungsmittel mit Eisen Alle Nahrungsmittel mit Menge < 2 mg Logischer Ausdruck (Menge < 2 mg) and (Nährstoff = Eisen) or (Nährstoff = Zink) 16/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Grafische vs. formale Darstellung logischer Verknüpfungen (Menge < 2 mg) and (Nährstoff = Eisen) or (Nährstoff = Zink) Menge and Eisen Eisen Zink Menge 17/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Grafische vs. formale Darstellung logischer Verknüpfungen Welche Nahrungsmittel enthalten weniger als 2 mg Eisen oder weniger als 2 mg Zink? Logischer Ausdruck (Nährstoff = Eisen) and (Menge < 2 mg) or (Nährstoff = Zink) and (Menge < 2 mg) 18/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Wahrheitstabellen für die Analyse logischer Ausdrücke (Menge < 2 mg) and (( Nährstoff = Eisen) or (Nährstoff = Zink)) < 2 mg Eisen Zink Eisen or Zink (Eisen or Zink) and < 2 mg W F 19/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Wahrheitstabellen für die Analyse logischer Ausdrücke (Menge < 2 mg) and ( Nährstoff = Eisen) or (Nährstoff = Zink) < 2 mg Eisen Zink < 2 mg and Eisen or Zink W F 20/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Boolesche Algebra Daten verwalten (2) Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Grafische vs. formale Darstellung von Abfragen Boolesche Algebra

Boolesche Algebra Eine Menge M mit zwei Verknüpfungen "•" und "+" heisst Boolesche* Algebra, wenn für alle x, y, z  M gilt: (1) x • (y • z) = (x • y) • z; Assoziativ (2) x + (y + z) = (x + y) + z; Assoziativ (3) x • y = y • x; Kommutativ (4) x + y = y + x; Kommutativ (5) x • (x + y) = x; Absorption (6) x + (x • y) = x; Absorption (8) x • (y + z) = (x • y) + (x • z); Distributiv (8) x + (y • z) = (x + y) • (x + z); Distributiv * nach George Boole, englischer Mathematiker, 1815 – 1864 21/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Boolesche Algebra es gibt ein Element 0  M mit 0 • x = 0 und 0 + x = x für alle x  M ; Neutrales Element (10) es gibt ein Element 1  M mit 1 • x = x und 1 + x = x für alle x  M ; (11) zu jedem x  M existiert genau ein y  M mit x • y = 0 und x + y = 1; Komplementäres Element Wir ersetzen "wahr" mit "1" und "falsch" mit "0" und wenden die Boolesche Algebra auf logische Ausdrücke an. 22/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Vereinfachung logischer Ausdrücke Wir möchten einen Fruchtsalat mit Ananas und Bananen oder mit Ananas und keinen Bananen oder mit keinen Ananas und keinen Bananen. Können wir das einfacher sagen? Was sagen wir überhaupt? Ananas und Banane oder Ananas und keine Banane oder keine Ananas und keine Banane 23/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Vereinfachung logischer Ausdrücke Ananas und Banane oder Ananas und keine Banane oder keine Ananas und keine Banane 1. (A • B) + (A • ¬B) + (¬A • ¬B) 2. [A • (B + ¬B)] + (¬A • ¬B) Distributivgesetz 3. (A • 1) + (¬A • ¬B) komplementäres Element bez. + 4. A + (¬A • ¬B) neutrales Element bez. • 5. (A + ¬A) • (A + ¬B) Distributivgesetz 6. 1 • (A + ¬B) komplementäres Element bez. + 7. A + ¬B neutrales Element bez. • Ananas oder keine Banane Aber . . . sind der 1. und der 7. Ausdruck auch äquivalent? 24/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Verifizierung logischer Ausdrücke 1. Ausdruck: A B ((A • B) + (A ¬B)) (¬A ¬B) 1 Schritt: 2 5 3 6 4 7. Ausdruck: A B + ¬B 1 Schritt: 2 Reihenfolge: Aussage Logischer Ausdruck (Symbole) Boolesche Algebra Ausdruck evaluieren 25/25 Informatik für Biol. & Pharm. Wissenschaften © Institut für Computational Science, ETH Zürich

Danke für Ihre Aufmerksamkeit