Professional Documents
Culture Documents
(TEORIA E EXERCCIOS)
PROFa. PATRCIA LIMA QUINTO
Caiu em prova!
(ESAF/ATI/SUSEP/ 2010) Um Banco de Dados um:
a) conjunto de objetos da realidade sobre os quais se deseja manter
informaes.
Comentrios
Se na letra a) no lugar de conjunto de objetos da realidade, nesta resposta
estivesse escrito conjunto ou coleo de dados que representam objetos ou
aspectos do mundo real ou do universo de discurso, essa letra estaria correta.
Na letra b) o erro est ao considerar que banco de dados um conjunto de
operaes sobre dados. Pois conjunto de operaes tem o contexto de cdigo
que transforma os dados e isso no considerado banco de dados.
As letras c) e d) cometem o erro de tratar banco de dados como um software.
Isso gera um pouco de confuso nos alunos que esto aprendendo essa
matria. Pois existem softwares que implementam e gerenciam banco de
dados para serem usados no computador, contudo, conceitualmente banco de
dados no um software.
(e) Esta uma definio de banco de dados dada por (HEUSER, 2001), que
trata um banco de dados como um conjunto de dados interrelacionados que
tem por objetivo atender a uma proposta especfica, geralmente, dada por um
grupo de usurios definidos.
Gabarito: letra E.
Nveis de Abstrao
Considerando que o nvel de conhecimento dos usurios de bancos de dados
muito varivel, oscilando entre aqueles que conhecem muito e outros que so
leigos, os Sistemas de Bancos de Dados devem prover mecanismos que
administrem essa complexidade, simplificando as interaes dos usurios com
o sistema.
O grande objetivo de um sistema de banco de dados proporcionar aos
usurios uma viso abstrata dos dados. Isto , o sistema omite certos
detalhes de como os dados so armazenados e mantidos. No entanto,
para que o sistema possa ser utilizado, os dados devem ser buscados de forma
eficiente. Este conceito tem direcionado o projeto de estrutura de dados
complexas para a representao de dados em um banco de dados. Uma vez
que muitos dos usurios de banco de dados so leigos ou no treinados para
computao, a complexidade est escondida desses usurios atravs de
diversos nveis de abstrao que simplificam a interao do usurio com o
sistema.
Atualmente, existem vrias tendncias para arquitetura de SGBD nas mais
diversas direes. A arquitetura mais conhecida a ANSI/SPARC,
fundamentada em TRS NVEIS de abstrao em que cada um desses nveis
corresponde s abstraes dos dados armazenados no banco de dados.
Nvel de Viso: o nvel mais alto de abstrao, diz respeito forma
como os dados so vistos pelos usurios (individualmente) , de acordo com
as necessidades de cada usurio. Diferentes usurios podero ter diferentes
vises de um mesmo banco de dados. Um determinado usurio, tanto pode
ser um programador de aplicaes, quanto um usurio final. O DBA um
caso especialmente importante. Ao contrrio dos usurios comuns, o DBA
ter de se interessar pelos nveis conceitual e fsico.
Nvel Lgico: descreve QUAIS dados esto armazenados no banco de
dados e seus relacionamentos, isto , qual a relao existente entre eles.
Podemos dizer que a viso lgica a viso dos dados como realmente so
e no como os usurios so forados a v-los devido s restries de
linguagem ou hardware. Neste nvel, o banco de dados descrito atravs de
estruturas relativamente simples, que podem envolver estruturas
complexas no nvel fsico.
Nvel Fsico: nvel mais baixo de abstrao. Descreve COMO os dados
esto realmente armazenados. Diz respeito forma como os dados
esto armazenados fisicamente. Preocupa-se em descrever as estruturas de
dados complexas de baixo nvel.
Independncia de Dados
A independncia de dados pode ser definida como a imunidade das aplicaes
s alteraes feitas, seja no nvel fsico seja no nvel lgico de um banco de
dados. O objetivo alcanar o mximo de independncia possvel.
Dicionrio de Dados
uma coleo de metadados que contm definies e representaes de
elementos de dados. Dentro do contexto de sistemas gerenciadores de bancos
de dados, um dicionrio de dados um grupo de tabelas, habilitadas apenas
para leitura ou consulta, ou seja, uma base de dados, propriamente dita, que
entre outras coisas, mantm as seguintes informaes:
- Definio precisa sobre elementos de dados;
- Perfis de usurios, papis e privilgios;
- Descrio de objetos;
- Integridade de restries;
- Stored procedures e gatilhos;
- Estrutura geral da base de dados;
- Informao de verificao;
- Alocaes de espao.
Modelagem de Dados
Figura. Projeto de um BD
Resumindo!!
Modelos Descrevem a estrutura de um Banco de Dados de uma forma
Conceituais mais prxima da percepo dos usurios. Independente de
aspectos de implementao. Conceitos: entidades, atributos,
relacionamentos. Exemplos:
Modelo Entidade-relacionamento (ER).
Modelo Funcional.
Modelo Modelo de dados que representa a estrutura de dados de um
Lgico banco de dados conforme vista pelo usurio do SGBD.
Dependente do tipo particular de SGBD que est se utilizando.
Exemplos:
Modelo Relacional.
Modelo Hierrquico.
Modelo uma representao grfica do detalhamento fsico das
Fsico estruturas dos dados que o banco de dados ir armazenar.
Este modelo dependente do SGBD em que ser implementado.
Conceitos: formatos dos registros, ordenamento dos registros,
caminhos de acesso (eficincia).
** Modelo Funcional
Nesse contexto, cabe destacar o DFD (conhecido como Diagrama de Fluxos
de Dados, Modelo Funcional), uma ferramenta para a modelagem de
sistemas, que nos permite imaginar um sistema como uma rede de
processos funcionais, interligados por dutos e tanques de
armazenamento de dados. Um DFD tpico composto de: processo, fluxo de
dados, depsito de dados e o terminador (entidade externa).
Se estivermos desenvolvendo um sistema no qual os relacionamentos entre os
dados sejam mais importantes que as funes, podemos dar menos
importncia ao DFD e dedicar-nos aos Diagramas de Entidade-Relacionamento
(DER).
Atributos
Os atributos so propriedades particulares que descrevem uma entidade, ou
mesmo caractersticas de um relacionamento.
Quanto transpostos para o modelo fsico so chamados de colunas ou
campos.
Monovalorados e Multivalorados
Atributos Monovalorados Atributos Multivalorados
Possuem apenas um valor para uma Podem assumir mltiplos valores.
entidade em particular. Uma nica entidade tem diversos
valores para este atributo.
Por exemplo, o atributo CPF de uma Ex1: O atributo telefone
entidade Funcionrio monovalorado, multivalorado, pois um funcionrio
pois cada funcionrio possui apenas pode possuir vrios telefones ao
um CPF. mesmo tempo ou at mesmo nenhum
valor.
Armazenados e Derivados
Atributos Armazenados Atributos Derivados
Atributos que realmente pretendemos Podem ser gerados ou calculados a
guardar no Banco de Dados. partir de outros atributos.
Por exemplo, o atributo Data de Caso tivssemos no nosso modelo um
Nascimento de uma entidade atributo armazenado Data de
Funcionrio armazenado. Nascimento, na entidade Funcionrio
poderamos ter um atributo derivado
idade, calculada a partir da data de
nascimento.
Relacionamentos
Um relacionamento pode ser entendido como uma associao entre instncias
de Entidades devido a regras de negcio.
Normalmente, um relacionamento representado por um losango com um
verbo para indicar a ao de relacionamento.
Ex.:
Cardimalidade
Para definir o nmero de ocorrncias de uma entidade usamos o conceito de
Cardinalidade, que indica quantas ocorrncias de uma Entidade participam no
mnimo e no mximo do relacionamento.
Cardinalidade Mnima: define se o relacionamento entre duas entidades
obrigatrio ou no. o nmero mnimo de instncias da entidade associada
que devem se relacionar com uma instncia da entidade em questo. Usada
para indicar o tipo de participao da entidade em um relacionamento.
TIPO
ATRIBUTO
ENTIDADE
ATRIBUTO
TIPO ENTIDADE CHAVE
FRACA
ATRIBUTO
MULTI
TIPO VALORADO
RELACIONAMENTO
ATRIBUTO
COMPOSTO
TIPO
RELACIONAMENTO
IDENTIFICADOR ATRIBUTO
DERIVADO
1 N
E1 R E2 E1 R E2
Taxa de Cardinalidade 1:N Participao Parcial de E1 em R,
para E1:E2 em R Participao Total de E2 em R
(min, max)
R E1
Restrio Estrutural (min,max) na
Participao de E1 em R
**Abordagem Relacional
Abordagem de modelagem de dados utilizada nos SGBDs do tipo
relacional, criado por Codd em 1970.
Modelagem a nvel lgico.
O modelo relacional tem por finalidade representar os dados como
uma coleo de relaes, em que cada relao representada por uma
tabela, composta por linhas, colunas e chaves primrias,
relacionadas por meio de chaves estrangeiras.
Opera com os dados organizados como um conjunto de tabelas
O conceito de tabela o mais forte no modelo relacional.
Na terminologia do modelo relacional, cada tabela chamada de
relao; uma linha de uma tabela chamada de tupla; o nome de cada
coluna chamado de atributo; o tipo de dado que descreve cada coluna
chamado de domnio.
Tuplas
Os atributos e seus valores descrevem as instncias de uma entidade,
formando o que chamamos de tuplas ou registros.
Figura. Tuplas
No modelo relacional so consideradas as chaves:
Chave Primria: coluna ou combinao de colunas cujos valores
distinguem uma linha das demais dentro de uma tabela.
Chave Estrangeira: coluna ou combinao de colunas, cujos valores
aparecem na chave primria (ou candidata) de uma tabela do banco. A
chave estrangeira o mecanismo que permite a implementao de
relacionamentos (navegabilidade) em um banco de dados
relacional!! Importante O termo chave estrangeira pode levar a crer que
est sempre referenciada a uma chave primria de outra tabela, mas em
certos casos ela pode estar referenciada a uma chave primria da mesma
tabela.
Dependncia Funcional
Um atributo Y funcionalmente dependente de um atributo X se cada valor de
X tenha associado a ele precisamente um valor de Y. Quando o atributo X
uma chave primria, ento todos os atributos so, por definio, dependentes
de X, pois no podem existir dois registros com o mesmo valor para X.
Normalizao
O processo de normalizao pode ser visto como o processo no qual so
eliminados esquemas de relaes (tabelas) no satisfatrios,
decompondo-os, atravs da separao de seus atributos em
esquemas de relaes menos complexas mas que satisfaam as
propriedades desejadas.
O processo de normalizao, proposto inicialmente por Codd, conduz um
esquema de relao atravs de uma bateria de testes para certificar se o
mesmo est na 1a, 2a e 3a Formas Normais. Estas trs Formas
Normais so baseadas em dependncias funcionais dos atributos do
esquema de relao.
Formas Normais Bsicas
1 Forma Normal
Uma relao estar na 1 FN se no houver atributo representando
agrupamento (no atmico) e nem atributo repetitivo (multivalorado).
2 Forma Normal
Uma relao estar na 2 FN, se e somente se, estiver na 1a FN e os
seus atributos no chaves forem dependentes funcionais completos da
chave primria.
3 Forma Normal
Uma relao estar na 3 FN, se e somente se, estiver na 2 a FN e
todos os seus atributos no chaves forem dependentes no transitivos
da chave primria.
1a Forma Normal
A 1a Forma Normal prega que todos os atributos de uma tabela devem ser
atmicos (indivisveis), ou seja, no so permitidos atributos
multivalorados, atributos compostos ou atributos multivalorados
compostos. Leve em considerao o esquema a seguir:
CLIENTE
1. Cdigo
2. { Telefone }
3. Endereo: ( Rua, Nmero, Cidade )
2a Forma Normal
A 2a Forma Normal prega o conceito da dependncia funcional total. Uma
dependncia funcional X Y total se removemos um atributo A qualquer do
componente X e desta forma, a dependncia funcional deixa de existir.
A dependncia funcional X Y uma dependncia funcional parcial se
existir um atributo A qualquer do componente X que pode ser removido e a
dependncia funcional X Y no deixa de existir.
{ RG_Empregado, Nmero_Projeto } Horas
uma dependncia funcional total, pois se removermos o atributo
RG_Empregado ou o atributo Nmero_Projeto, a dependncia funcional
deixa de existir.
Uma tabela T est na 2a Forma Normal se estiver na 1a Forma Normal e
todos os seus atributos no chaves forem totalmente funcionalmente
dependente da chave primria C.
Se uma tabela no est na 2a Forma Normal a mesma pode ser normalizada
gerando outras tabelas cujos atributos que no faam parte da chave primria
sejam totalmente funcionalmente dependente da mesma, ficando a tabela na
2a Forma Normal.
3a Forma Normal
A 3a Forma Normal prega o conceito de dependncia transitiva. Uma
tabela est na 3a Forma Normal se estiver na 2a Forma Normal e no
houver dependncia transitiva entre atributos no chave.
Aspecto de Integridade
Restrio de Chave
Uma relao deve ter pelo menos uma chave.
Definio de chave: uma chave um atributo ou conjunto de atributos
cujo valor ou combinao de valores deve ser distinto em qualquer
instncia da relao.
A existncia de pelo menos uma chave uma condio obrigatria,
tendo em vista que uma relao definida como um conjunto de tuplas
e, todas as tuplas devem ter um valor distinto.
Restrio de Entidade
Especifica que nenhum valor de chave primria pode ser nulo.
Uma tupla em uma tabela que se refere a uma outra relao deve
referenciar uma tupla existente naquela relao.
Observaes:
STORED PROCEDURES
(procedimentos armazenados no banco).
Stored Procedure uma sequncia de comandos em SQL para
realizao de diferentes tarefas repetitivas no banco, aceitando
parmetros de entrada e retornando valores. Algumas das
vantagens das Stored Procedures so: reduo do trfego na rede;
melhora do desempenho; criao de mecanismos de segurana e
backup.
TRIGGERS
(gatilhos).
Uma trigger uma sub-rotina, parecida com uma stored
procedure, que tem como caracterstica ser executada
automaticamente a partir de alguma ao realizada no banco de
Integridade Fsica
Conjunto de procedimentos operacionais que garantem a integridade do
BD, mesmo em situaes de falha de algum componente do ambiente
onde o BD manipulado.
Exemplo:
Valor mnimo de depsito para abertura de uma conta R$10.000,00
Conta corrente sem movimento h 180 dias ser encerrada.
Podem ser cumpridas e implementadas pelos SGBDs Relacionais, atravs
do mecanismo de Regras ou gatilhos (Triggers), hoje existentes no SQL.
Criao de Tabelas
A criao do banco de dados deve comear com a criao das tabelas nas
quais os dados sero introduzidos. Para criar uma tabela em SQL, usa-se o
comando CREATE TABLE. O comando DDL para criar uma tabela deve conter
os nomes das colunas, os tipos dos seus dados e os tamanhos dos dados a
serem introduzidos.
a seguinte a sintaxe desse comando:
Criao de um ndice
Para criar um ndice em uma tabela, o comando SQL :
Voc pode criar tantos ndices quantos desejar em qualquer tabela. Voc pode
ter um ndice para cada coluna da tabela, assim como um ndice para uma
combinao de colunas. Quantos ndices e de que tipos voc criar para uma
determinada tabela depender do tipo de consultas que voc espera que sejam
dirigidas ao banco de dados e do tamanho deste. Excesso de ndices pode ser
to prejudicial quanto sua falta!
Alterao de Tabelas
Conforme ocorram novas situaes ou novos dados sejam armazenados no
banco de dados, a definio original de uma tabela pode tornar-se insuficiente.
A SQL permite-nos realizar diversas alteraes em uma tabela, como:
incluir novas colunas em uma tabela;
excluir colunas existentes em uma tabela;
adicionar a definio de uma restrio em uma tabela;
excluir a definio de uma restrio existente em uma tabela;
modificar uma coluna.
A sintaxe para INCLUIR uma coluna :
Exemplos:
ALTER TABLE Telefone
DROP COLUMN Tipo;
Excluso de Tabelas
Para excluir uma tabela de um banco de dados, use o comando DROP TABLE
seguido do nome da tabela:
Quando uma tabela excluda por um comando SQL, como acima, todas as
vises e ndices definidos sobre a tabela so automaticamente excludos.
Exemplo:
DROP TABLE EMP;
Excluso de ndices
Para EXCLUIR um ndice, use o comando SQL DROP INDEX seguido do nome
do ndice:
Se voc tem ndices definidos com o mesmo nome em tabelas diferentes, deve
usar a clusula ON, como no exemplo acima, para indicar o ndice que quer
eliminar.
Se h apenas um ndice com este nome, ento voc no precisa especificar o
nome da tabela. O comando DROP abaixo ser suficiente:
Insero
A maioria dos sistemas trata a carga inicial no banco de dados de um grande
conjunto de dados numa operao genrica de carga. O comando SQL INSERT
geralmente usado para inserir linhas individuais de dados num banco de
dados j existente.
A sintaxe desse comando :
INSERT
INTO nome_da_tabela (nome_da_coluna1, nome_da_coluna2,...)
VALUES (valor1, valor2, ...);
Exemplos:
Atualizao
O comando UPDATE usado para alterar valores em linhas j existentes. Sua
forma geral :
UPDATE nome_da_tabela
SET coluna1=novo_valor,
Coluna2=novo_valor,
...
colunaN=novo_valor,
WHERE condio;
Exemplo:
UPDATE PESSOA
SET idade = 20
WHERE nome = Maria;
Excluso
O comando DELETE usado para remover linhas de uma tabela. Sua forma
geral :
DELETE
FROM nome_da_tabela
WHERE condio;
DELETE
FROM nome_da_tabela;
Nota!
SELECT e a clusula FROM so necessrias em todas as consultas
SQL. Devem aparecer antes de qualquer outra clusula na
consulta.
O resultado de uma consulta SQL SEMPRE uma tabela.
Exemplos:
SELECT * From PESSOA;
Criao de Vises
Uma viso (view) pode ser considerada como uma maneira alternativa de
observao de dados de uma ou mais entidades (tabelas). Pode ser
considerada tambm como uma tabela virtual ou uma consulta armazenada.
As vantagens de se usar views so:
permite economizar tempo, evitando retrabalho;
aumenta a velocidade de acesso aos dados;
esconde a complexidade do banco de dados;
simplifica a gerncia de permisso de usurios; e
organiza os dados a serem exportados.
Uma vez que a view gerada, o seu conjunto de dados armazenado em uma
tabela temporria (virtual), tornando o acesso s informaes mais rpido.
Deve-se ressaltar que uma view no existe fisicamente, uma tabela virtual.
No entanto, os dados contidos em uma view podem ser modificados
normalmente.
Para criar uma viso, voc seleciona apenas as colunas da tabela (ou tabelas)
bsica em que est interessado.
Para definir uma viso, voc deve dar um nome para a viso e ento
estabelecer a consulta contendo os nomes das colunas e as especificaes que
constituiro a viso.
A sintaxe :
Exemplo:
CREATE VIEW Empregados_Sede
AS SELECT (Nome, Endereco, Sexo, Data-nasc)
FROM EMPREGADO
5.Implementar o BD.
Etapa de carga (load) dos dados.
Gerar as interfaces com outras aplicaes.
Minerao de Dados
De 1990 em diante, o volume de informaes armazenadas em meio eletrnico
cresceu aceleradamente. Estudos mostram que a quantidade de informao
no mundo dobra a cada 20 meses, e como consequncia o tamanho e a
quantidade de banco de dados espalhados pelo mundo cresce ainda mais
aceleradamente.
Padres e Entendimento de
Dados Tendncias
Mercado e
Transformados Previses
Dados Pr (Purificados)
Dados Processados
Selecionados
Dados
Originais
**Interpretao e avaliao
Esta mais uma fase que deve ser feita em conjunto com um ou mais
especialistas no assunto. O conhecimento adquirido atravs da tcnica de data
mining deve ser interpretado e avaliado para que o objetivo final seja
alcanado.
Caso o resultado no seja satisfatrio, o que no raro, o processo pode
retornar a qualquer um dos estgios anteriores ou at mesmo ser recomeado,
conforme pode ser observado na Figura.
Duas das aes mais comuns caso o resultado no seja satisfatrio so:
modificar o conjunto de dados inicial e/ou trocar o algoritmo de data mining
(ou ao menos alterar suas configuraes de entrada).
O processo de KDD segundo outros autores, como Terra (2000) pode ser visto
a seguir:
Fayyad (Fayyad et al. 1996) sintetiza Data Mining como o processo no-
trivial de identificar, em dados, padres vlidos, novos,
potencialmente teis e ultimamente compreensveis.
Importante
-Minerao de Dados (ou Data Mining)-
Etapa do processo de KDD. Corresponde execuo de um algoritmo
particular que, sob algumas limitaes aceitveis de eficincia computacional,
encontra padres ou modelos nos dados.
o processo de anlise de conjuntos de dados que tem por objetivo a
descoberta de padres interessantes e que possam representar
informaes teis.
Um conceito j cobrado pela banca foi proposto na edio antiga do livro Data
Mining Techniques: For Marketing, Sales, and Customer Support , listada a
seguir:
Caiu em prova!
A minerao de dados a explorao e anlise, por meios automticos ou
semiautomticos, de grandes quantidades de dados a fim de descobrir
padres e regras significativas (1997).
Na edio mais atual do livro o conceito o seguinte:
A minerao de dados um processo de negcio para explorar grandes
quantidades de dados para descobrir padres e regras significativas
(2011).
Quando uma empresa decide implementar uma soluo de GED, ela precisa
verificar quais so suas necessidades. Tem que estipular quais tipos de
arquivos sero contemplados e o que ser feito com eles (disponibilizao via
Web, acesso restrito rede interna da empresa, etc.). Com estas informaes,
a equipe de TI verificar as tecnologias necessrias para a implantao da
soluo mais adequada e satisfatria para a empresa em questo.
Funcionalidades do GED
O GED utilizado para captar, gerenciar, armazenar, preservar e disponibilizar
documentos de uma empresa. A seguir, so abordadas estas funcionalidades.
- Captao
a maneira com que uma informao ou documento, eletrnico ou em
papel, passa para um repositrio de contedo, para que possa ser utilizado
posteriormente (CENADEM, 2010). Quando o documento de papel, este
passo chamado de digitalizao.
Na captao, normalmente so usados scanners, para capturar as imagens
dos documentos, que so guardadas em servidores ou em mdias como
DVDs. A qualidade dessas imagens essencial pois, caso no seja boa,
quando houver a necessidade de imprimi-las, o resultado no ser
satisfatrio, fazendo com que o usurio tenha que localizar o documento
fsico para fazer uma cpia, inutilizando, desta forma, o GED.
de fundamental importncia, tambm, ter um bom plano de backup para
estas imagens. No se pode correr o risco de perd-las, desperdiando,
assim, todo o trabalho de digitalizao dos documentos.
- Armazenamento
o local em que os arquivos digitais sero guardados. O armazenamento
deve seguir regras previamente estabelecidas, para que as informaes no
se percam. Isto inclui estabelecer o local em que as imagens sero
arquivadas (diretrios, pastas, mdias), a nomenclatura utilizada para
nomear os arquivos e o formato que estes devero ter (.tif, .jpg, .pdf)
(KOCK, 1998).
interessante separar os arquivos por tipos (memorandos, plantas de
engenharia, documentos fiscais, etc.) ou por datas, de maneira a facilitar
sua localizao. Se possvel, o nome dado ao arquivo deve ser algo
sugestivo, que lembre o contedo do mesmo.
No local de armazenamento devem ser criadas pastas de forma organizada,
nas quais os arquivos digitais sero alocados. Se no houver uma rigorosa
padronizao com relao aos nomes dados aos arquivos e ao local de
armazenamento dos mesmos, com o tempo e com o aumento do nmero de
imagens, estas podem se perder.
-Gerenciamento
So ferramentas utilizadas para disponibilizar, monitorar, incluir, excluir,
etc., os arquivos digitais (KOCK, 1998).
- Preservao
A preservao do arquivo fsico feita por meio de armazenamento em local
seguro, organizado e adequado para o tipo de documento que l se
encontra. Determinados papis so mais frgeis e tm mais importncia que
outros, dispensando assim, maior ateno e mais cuidado. Este o caso dos
documentos histricos, que exigem ambientes especiais, com iluminao e
climatizao adequadas.
- Disponibilizao
Os arquivos digitais sero disponibilizados para o acesso dos usurios.
Gesto do Conhecimento
Gesto do Conhecimento o processo sistemtico de identificao,
criao, renovao e aplicao dos conhecimentos que so
estratgicos na vida de uma organizao.
A gesto do conhecimento leva as organizaes a mensurar com mais
segurana a sua eficincia, tomar decises acertadas com relao a melhor
estratgia a ser adotada em relao aos seus clientes, concorrentes, canais de
distribuio e ciclos de vida de produtos e servios, saber identificar as fontes
de informaes, saber administrar dados e informaes, saber gerenciar seus
conhecimentos. Trata-se da prtica de agregar valor informao e de
distribui-la.
H alguns desafios a vencer na Gesto do Conhecimento: influenciar o
comportamento do trabalhador, considerado o maior deles; fazer com que as
lideranas da organizao comprem a ideia; e, por fim, determinar como
classificar o conhecimento.
Para desenvolver os sistemas de conhecimento necessrio ter foco externo
(benchmarking da concorrncia), tecnologias facilitadoras (groupware), gesto
de performance (mensurao, recomendao, recompensas para equipes,
obrigaes contratuais) e gesto de pessoas (equipes virtuais, comunidade de
prtica, coordenadores de conhecimento, busca do perfil do disseminador do
conhecimento).
Comentrios
Dado Registro de alguma entidade.134 um exemplo de dado.
Informao um dado depois de processado, uma contextualizao de
um dado... Como assim? 5 um dado, mas e se eu disser
o seguinte: No dia 5 no haver aula!!. Nesse caso, o 5
passou a ter sentido (ou passou a ter contexto) e agora
uma informao! Informaes so conjuntos de dados
significativos e teis a seres humanos em processos
como o de tomada de decises.
Conhecimento Uma abstrao interior, pessoal, de algo que foi
experimentado, vivenciado, por algum.
Importante observar...
Dado NO Informao. | Informao no Conhecimento.
Conhecimento no Inteligncia. | Inteligncia no Sabedoria.
Portanto, como a letra E destacou indevidamente que conhecimento e
informao so sinnimos, ela ser a resposta da questo.
Gabarito: letra E.
Comentrios
Item I. A Normalizao um mtodo utilizado para analisar um Banco de
Dados e obter o mnimo de redundncia e o mximo de integridade de dados.
Principais objetivos: reduzir as redundncias; reduzir a necessidade de
reestruturar as tabelas do banco de dados quando novos tipos de dados so
introduzidos. O item I verdadeiro.
Item II. Um modelo de dados a descrio formal da estrutura do Banco de
Dados (descrio dos dados, dos relacionamentos entre os dados, da
semntica e das restries impostas aos dados).
Os modelos conceituais so usados para a descrio de dados no nvel
conceitual, independente do SGBD a ser utilizado. Exemplo: Diagramas
Entidade-Relacionamento.
O modelo relacional j um exemplo de modelo lgico, que representa um
nvel de abstrao visto pelo usurio do SGBD. Ao contrrio do Diagrama E-R,
dependente do tipo particular de SGBD que est se representando. Item
errado.
Item III. o modelo fsico que est intimamente ligado implementao do
banco de dados, dependente do SGBD e tem nfase na eficincia de acesso.
So usados para descrever os dados em seu nvel mais baixo, capturam os
aspectos de implementao do SGBD. Item errado.
Fonte: http://homepages.dcc.ufmg.br/~mirella/DCC011/aula19.pdf
Gabarito: letra A.
Comentrios
Item I. Item errado. O DER pouco poderoso para expressar restries de
integridade (regras de negcio).
Item II. Item correto. A cardinalidade de uma entidade em um
relacionamento expressa o nmero de instncias da entidade que podem ser
associadas a uma determinada instncia da entidade relacionada. Devem ser
consideradas duas cardinalidades:
Comentrios
Vamos ao entendimento de entidade associativa!
Um relacionamento uma associao entre entidades. Na modelagem ER no
foi prevista a possibilidade de associar uma entidade com um relacionamento
http://www.profs.iffca.edu.br/~cristhianobv/portal/disciplinas/banco_dados/Ap
resentacao_bd_5.pdf
Observe que, caso no se desejasse usar o conceito de entidade associativa,
seria necessrio transformar o relacionamento CONSULTA em uma entidade,
que ento poderia ser relacionada a MEDICAMENTO.
Gabarito: letra A.
Comentrios
Comentrios
Aproveite a questo para complementar o conceito sobre modelagem de
dados: Modelagem de dados um conjunto de conceitos que descrevem a
estrutura de um banco de dados como tipo de dados, relacionamentos e
restries sobre esses dados.
Observe que se estamos falando em alto nvel, estamos buscando algo mais
abstrato, mais prximo da linguagem humana. Da, as letras a, b e d j so
descartadas. Na letra c observamos itens da implementao e no de modelos.
Comentrios
Vamos aos comentrios dos itens da questo:
Item A. O nvel lgico de abstrao se concentra em um nvel mais alto. No
nvel fsico, complexas estruturas de dados de baixo nvel so descritas em
detalhes. Item errado.
Item B. No nvel lgico so representados os dados da aplicao e os
relacionamentos existentes entre os mesmos. Item correto.
Itens C, D e E. Os itens mencionados no correspondem ao nvel lgico,
conforme visto na explicao seguinte. Itens errados.
Gabarito: letra B.
Comentrios
A duplicao de dados em bancos de dados gera redundncia (e no
integridade!), o que no recomendado, j que pode levar a vrios problemas
como mencionado no item I.
Gabarito: item errado.
Comentrios
O termo redundncia de dados que se est usando aqui consiste na
gravao de um mesmo dado em dois locais (ou mais) distintos. Isso,
geralmente, no recomendando dentro do contexto de banco de dados, j
que podemos atualizar o dado em um local e no atualizar nos demais!! Por
exemplo, poderia gravar o endereo de um cliente em dois locais distintos,
mas s atualizo em um desses locais. Quando for feita uma pesquisa para o
endereo do cliente, no saberia qual o endereo correto. A Redundncia de
Dados pode ocasionar a perda da preciso, da integridade e da confiabilidade.
Gabarito: item errado.
Comentrios
A normalizao consiste em um processo formal de exame e agrupamento de
dados para: suportar melhor as mudanas futuras; minimizar o impacto destas
mudanas sobre a base de dados. Trata-se de um conjunto de regras que leva
construo de modelos mais robustos, com menos dependncias entre seus
elementos e menos redundncia de informaes. Normalizao , portanto,
uma atividade de verificao do modelo lgico. Principais objetivos:
reduzir as redundncias; reduzir a necessidade de reestruturar as tabelas do
banco de dados quando novos tipos de dados so introduzidos.
Figura. Normalizao
Gabarito: item correto.
Comentrios
Revisando o entendimento com relao normalizao de dados, correto
afirmar que:
Uma relao estar na 1 Forma Normal (1FN) se no houver atributo
representando agrupamento e nem atributo repetitivo (multivalorado), ou
seja, uma relao est em 1FN se e somente se todos os seus atributos
contm apenas valores atmicos (simples, indivisveis);
A figura a seguir, destaca esse contexto:
Comentrios
A letra A est errada pois na 1FN, todos devem conter valores atmicos.
A letra B est correta pois mais de uma chave pode ser candidata a chave
primria.
A letra C est errada pois a chave primria deve conter valores que
identifiquem unicamente cada registro da tabela, no podendo ser nulos.
Na letra D, a chave primria deve ser nica para a tabela. J a letra E, est
incorreta pois uma tabela pode conter mais de uma chave externa.
Gabarito: letra B.
Comentrios
A afirmao I falsa pois o controle de acesso a um objeto de um SGBD
relacional feito por meio de uma DCL ( Data Control Language - Linguagem
de Controle de Dados).
Uma DML (Data Manipulation Language Linguagem de Manipulao de
Dados) possibilita a manipulao dos dados de um SGBD, logo a afirmao II
est correta.
A afirmao III falsa, pois os dados armazenados em um banco de dados
OO so persistentes.
A afirmativa IV verdadeira!
Gabarito: letra E.
Comentrios
A opo est incorreta pois o backup no necessita de dois bancos de dados
trabalhando juntos.
Gabarito: item errado.
Comentrios
Modelos de bancos de dados lgicos baseados em objetos so usados na
descrio dos nveis conceitual e de vises.
Estes modelos se caracterizam pelo fato de fornecerem capacidades de
estruturao flexveis e admitirem restries de dados para serem
explicitamente especificados.
Existem muitos modelos diferentes, como por exemplo:
Modelo entidade-relacionamento;
Modelo orientado a objetos;
Modelo binrio;
Modelo semntico de dados;
Modelo infolgico;
Modelo funcional de dados.
Gabarito: letra D.
Comentrios
O que um relacionamento? Um relacionamento pode ser entendido como
uma associao entre instncias de Entidades devido a regras de negcio.
Normalmente ocorre entre instncias de duas ou mais Entidades, podendo
ocorrer entre instncias da mesma Entidade (auto-relacionamento).
Para definir o nmero de ocorrncias de uma entidade usamos o conceito de
Cardinalidade. A Cardinalidade indica quantas ocorrncias de uma Entidade
participam no mnimo e no mximo do relacionamento.
Gabarito: letra A.
Comentrios
A cardinalidade de um relacionamento expressa a quantidade de registros de
uma tabela que esto relacionados com registros da tabela associada.
Gabarito: letra D.
Comentrios
Para identificar a informao solicitada na letra E, ser necessria uma
consulta que conte o nmero de registros.
Sendo assim, a anlise do diagrama no poderia inferir se h apenas um
empregado que supervisiona os demais.
Gabarito: letra E.
Comentrios
A independncia de dados a nvel lgico (descrio da base de dados
conforme vista pelos usurios do SGBD programadores e aplicaes) a
capacidade de se alterar o esquema lgico sem reescrever os programas da
aplicao. Deve-se ressaltar que em alguns casos necessria somente a
recompilao da aplicao.
Gabarito: letra A.
Comentrios
A modelagem relacional busca a descrio da organizao das estruturas,
normalmente representadas em formato de tabelas, que se relacionam por
atributos.
Gabarito: item errado.
Comentrios
A chave estrangeira permite a implementao de relacionamentos em um
banco de dados relacional.
Comentrios
Linguagem de definio de dados (DDL, do Ingls Data Definition
Language) uma linguagem de computador usada para a definio de
estruturas de dados. O termo foi inicialmente introduzido em relao ao
modelo de banco de dados Codasyl, em que o esquema de banco de dados era
escrito em uma Linguagem de Definio de Dados descrevendo os registros,
campos e "conjuntos" que constituam o modelo de dados do usurio.
Inicialmente referia-se a um subconjunto da SQL, mas hoje usada em um
sentido genrico para referir-se a qualquer linguagem formal para descrio de
estruturas de dados ou informao, assim como esquemas XML.
Uma vez compilados, os parmetros DDL so armazenados num conjunto de
arquivos denominado dicionrio de dados. O dicionrio de dados contm os
metadados (dados a respeito das estruturas de armazenamento). O SGBD
sempre consulta os metadados a cada operao sobre o banco de dados. Por
exemplo, um determinado programa precisa recuperar alguns campos (nome,
CPF) de um arquivo de clientes. O SGBD ir verificar se os campos nome" e
"CPF" esto definidos para este arquivo. O interpretador DDL processa os
comandos alimentados pelos DBAs na definio dos esquemas.
Os comandos bsicos da DDL so poucos
Comentrios
1 Forma Normal (1FN): toda relao deve ter uma chave primria e
deve-se garantir que todo atributo seja atmico. Atributos compostos devem
ser separados.
Comentrios
O nvel conceitual realiza um mapeamento entre os nveis interno e externo. O
nvel conceitual no leva em conta o banco de dados em si, mas a forma como
as estruturas sero criadas para armazenar os dados.
Nesta questo a banca tenta confundir o candidato empregando o termo
simulao. Lembre-se de que os diferentes nveis representam diversas vises
a respeito do banco de dados, no so formas de simular ou substituir uma
viso!
Gabarito: item errado.
Comentrios
Conforme citado, a independncia fsica permite que o Nvel Fsico seja
modificado sem afetar o Nvel Conceitual. Por outro lado, na Independncia
Lgica, o Nvel Conceitual deve poder ser alterado independentemente do
Externo. Logo, pode-se obter independncia fsica permitindo a
alterao do Nvel Fsico independentemente do Conceitual sem obter
independncia Lgica.
Gabarito: item errado.
Comentrios
Um roolback um processo em banco de dados que desfaz mudanas em
dados que foram alterados, mas no confirmados.
Gabarito: item errado.
Comentrios
A DML (Data Manipulation Language Linguagem de Manipulao de
Dados) visa a manipulao de dados (incluir, alterar, excluir e consultar) por
meio do usurio. Principais comandos:
SELECT: seleo de registros;
INSERT: insero de registros;
UPDATE: atualizao de registros;
DELETE: deleo de registros.
Para a definio dos dados utilizada uma DDL (Data Definition
Language Linguagem de Definio de dados). Os comandos DDL so
armazenados no dicionrio de dados (ou catlogo). Logo, o dicionrio de dados
contm os metadados (dados a respeito das estruturas de armazenamento) do
banco. Principais comandos:
CREATE: criao de novas estruturas;
ALTER: alterao de estruturas;
DROP: remoo de estruturas.
Existe ainda a DCL (Data Control Language - Linguagem de Controle de
Dados) para controlar o acesso dos usurios aos dados em um banco de
dados. Principais comandos:
GRANT: concesso de privilgios a tabelas e vises;
REVOKE: revogao de privilgios a tabelas e vises.
Transaction Control
COMMIT: efetiva uma alterao no banco de dados;
ROLLBACK: desfaz uma alterao antes de a mesma ser efetivada
no banco.
Restries de integridade usando
STORED PROCEDURES (procedimentos armazenados no banco);
TRIGGERS (gatilhos).
Gabarito: letra D.
Comentrios
Item I. Item errado. A seguir, tem-se um resumo da notao para diagramas
E-R (Entidade Relacionamento), proposto por Elmasri e Navathe. Observe os
elementos Entidade Fraca e Relacionamento Dependente (tambm
chamado de Identificador de Relacionamento), que aparecem no diagrama E-R
apresentado na questo.
Comentrios
Primeiro, alguns pontos para reviso.
Componentes do Diagrama E-R (Peter Chen):
Retngulos: representam conjuntos-entidade.
Elipses: representam atributos.
Losangos: representam conjuntos-relacionamento.
Linhas: ligam atributos a conjuntos-entidade e conjuntos-entidade a
conjuntos-relacionamento.
Entidades e Conjuntos-Entidade
Entidade: uma representao abstrata de um objeto do mundo real. Ex.: O
fornecedor Ponto_dos_concursos, com cdigo PONTO1.
Conjuntos-Entidade: grupo de entidades que possui caractersticas
semelhantes. Ex.: Conjunto-entidade Fornecedor.
Comentrios
Bill Inmon destaca que o Data Warehouse uma coleo de dados
orientados por assuntos, integrados, variveis com o tempo e no
volteis, para dar suporte ao processo de tomada de deciso.
O Data Warehouse um banco de dados multidimensional grande, de escopo
organizacional (ou seja, abrange toda a empresa) e rene dados de todos os
departamentos de forma a permitir a busca rpida de informaes para auxiliar
a tomada de decises estratgicas.
A principal ideia do Data Warehouse construir um depsito no qual ser
mantida a memria histrica dos dados, possibilitando a utilizao dos
mesmos para consulta e anlise estratgica para a tomada de deciso!!
Data Mart: um banco de dados multidimensional de escopo
departamental (ou seja, abrange apenas um determinado departamento).
Um subconjunto lgico do Data Warehouse, geralmente visto como um
data warehouse setorial (Kimball).
As diferenas entre o Data Mart e o Data Warehouse so apenas com
relao ao tamanho e ao escopo do problema a ser resolvido.
Data Mining (ou Minerao de dados): define uma srie de
procedimentos, tcnicas e ferramentas para recuperar e analisar dados de
um Data Warehouse ou Data Mart procura de padres e tendncias a
respeito dos dados armazenados.
Gabarito: letra C.
Comentrios
O enunciado da questo d fortes indicaes de que a questo trata de Data
Mining. O texto diz: descobrir relacionamentos significativos e tambm
concluir sobre padres de comportamento de clientes de uma organizao,
tudo isso faz parte da descrio de Data Mining.
Contudo vamos comentar as demais opes:
A letra A cita o Data Warehouse. Uma das atividades de uma empresa que
pretende trabalhar com Data Mining justamente coletar os registros das
bases de dados transacionais e organiz-los em bases de dados agrupadas por
assunto e destinadas a anlises. Cada base de dados organizada por assunto
d-se o nome de Data Mart, e ao conjunto de Data Marts d-se o nome de
Data Warehouse. Essa organizao dos dados importante e muito vlida,
pois tende a facilitar em muito o trabalho de minerao de dados.
A letra B cita o Metadados. Metadados so dados com a finalidade de
descrever outros dados. como se fosse um dicionrio, trata-se de um grupo
especfico de registros em banco de dados cuja finalidade permitir melhor
entendimento dos dados a que se referem.
A letra C cita o Data Mart, que uma base de dados em que os dados j esto
organizados por assunto. Assim, numa grande empresa seria comum encontrar
um Data Mart de Vendas (tratando de registros sobre vendas), um Data Mart
de Recursos de Humanos, ou outro sobre Compras da Empresa, e por a vai.
A letra E cita Sistemas Transacionais. Esses so os sistemas da empresa de um
modo geral. Pode ser tanto a loja virtual da empresa, como pode ser seu
sistema de gerenciamento de vendas ou de recursos humanos. Esses sistemas
so caracterizados inclusive por realizarem contnuas operaes de consulta,
insero, alterao e excluso em banco de dados transacionais. Chamamos
de banco de dados transacionais os bancos de dados preparados para se
comportarem em transaes (insero, excluso e alterao). Esses bancos de
dados so chamados de OLTP (On-line Transaction Processing).
Gabarito: letra D.
Comentrios
Item A. Item correto. Um Data Warehouse (Armazm ou Depsito de
Dados) um sistema utilizado para armazenar informaes consolidadas de
um banco de dados, possibilitando a anlise de grandes volumes de dados,
coletados a partir de sistemas transacionais (OLTP).
Item B. Item errado. Define-se Gesto do Conhecimento como a busca da
melhoria de desempenho das instituies por meio de processos de procura,
extrao, compartilhamento e criao de conhecimento, aplicando diferentes
ferramentas e tecnologias de informao e de comunicao.
Item C. Item errado. Define-se Business Intelligence (Inteligncia de negcios
BI) como o processo de coleta, estruturao, avaliao, disponibilizao e
monitoramento de informaes para suporte ao gerenciamento de negcios.
Item D. Item errado. Etapa do processo de Descoberta de Conhecimento em
Bases de Dados (KDD Knowledge Discovery in Databases) que corresponde
execuo de um algoritmo particular que, sob algumas limitaes aceitveis de
eficincia computacional, encontra padres ou modelos nos dados.
Item E. Item errado. OLAP (On-line Analytical Processing) a processo de
manipulao e avaliao de um grande volume de dados sob mltiplas
aspectos.
Gabarito: letra A.
Comentrios
Conforme visto o Data Mining um processo de procura de padres e regras
de associaes em conglomerados de dados. Esse processo pode realizado
com o uso de softwares com algoritmos que implementam as tcnicas de Data
Mining conhecidas e tambm com a superviso de um especialista no domnio
de negcio em estudo. Por isso, podemos dizer que Data Mining tambm
semi-automtico. Portanto, somente a letra B est correta.
Gabarito: letra B.
Comentrios
O processo de Data Mining tem o objetivo de buscar informaes relevantes
num conglomerado de dados. Essas informaes relevantes so padres,
tendncias e associaes que quando analisadas sero teis para produo de
conhecimento sobre um dado domnio de negcio. Portanto, a opo correta
a letra E.
Gabarito: letra E.
Comentrios
O Data Mining tem entre seus objetivos a descoberta de padres e tendncias
e associaes em conglomerados de dados. A partir desse conhecimento
adquirido ao minerar as bases de dados espera-se que seja possvel gesto
das empresas otimizar o uso de recursos e aumentar os resultados do
negcio. Portanto as letras C e E esto corretas.
Ainda o Data Mining tambm permite, a partir de tendncias e anlises
temporais, a previso do estado futuro de atributos(caractersticas) do
negcio. Portanto a letra B est correta.
Comentrios
Conforme estudado, as tcnicas mais conhecidas de Data Mining (que tambm
so chamadas de tarefas, por alguns autores) so: Descrio de Classes,
Associao, Classificao, Previso e Agrupamento (tambm conhecida como
clustering). Alia-se a estas tcnicas ainda, algumas ferramentas estatsticas
como Regresso Linear, Modelo Linear Generalizado e Anlise de Correlao. A
partir disso, podemos afirmar que a opo E a que melhor se encaixa com os
conceitos de Data Mining.
Gabarito: letra E.
Comentrios
Conforme vimos anteriormente Data Mining um processo de identificar
informaes relevantes, tais como padres, associaes, mudanas,
anomalias e estruturas, em grandes conglomerados de dados que
estejam em banco de dados ou outros repositrios de informaes.
Portanto no se trata apenas de acessar um banco de dados para realizar
consultas genricas como diz a letra B.
A letra C est incorreta, por citar que o Data Mining recupera informaes de
um banco de dados especfico quando na verdade o processo de Data Mining
pode atuar sobre diversas bases de dados.
A letra D est incorreta por afirmar que Data Mining um banco de dados,
quando na verdade um processo.
E por fim, a letra E descreve Data Mining como uma forma de representar
dados, quando na verdade um processo de busca de padres e associaes,
entre outros.
Gabarito: letra A.
Comentrios
Alguns exemplos de tarefas:
Classificao Predizer a classe de um item.
Clusterizao Encontrar grupos nos dados.
Associao Encontrar padres de ocorrncias de dados associados.
Sumarizao Descrever uma base de dados.
Anlise de Encontrar alteraes nos dados.
Desvio
Regresso Prever um valor numrico contnuo.
Consideraes Finais
Por hoje ficamos por aqui. Passamos por diversos pontos que considerei
importantes para a prova (a repetio de alguns assuntos se faz necessria
para a memorizao!!!).
Bons estudos, e continuem focados no grande objetivo final: a aprovao
no concurso. No deixem que as tempestades e obstculos encontrados pelo
caminho os desviem do foco principal!!
Otimos estudos, fiquem com DEUS e at a nossa prxima aula.
Profa Patrcia.
Referncias Bibliogrficas
QUINTO, Patrcia Lima. Notas de aula, 2011/2012.
BRAGA, Regina. Notas de aula, UFJF, 2006.
HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto Alegre:
Sagra, 2001. 204 p., il.
HERNANDEZ, Michael J. Aprenda a projetar seu prprio banco de dados.
Traduo Patrizia Tallia Parenti. So Paulo: Makron, 2000.
KORTH, Henry F.; SILBERSCHATZ, Abraham. Sistema de banco de dados.
Traduo Mauricio Heihachiro Galvan Abe. 2. ed. So Paulo: Makron, 1995.
MACHADO, Felipe Nery Rodrigues; ABREU, Maurcio Pereira de. Projeto de
banco de dados: uma viso prtica. 6. ed. So Paulo: rica, 2000.
SETZER, Valdemar W. Banco de dados: conceitos, modelos,
gerenciadores, projeto lgico, projeto fsico. 3. ed. rev. So Paulo: E.
Blcher, 2002. 289 p.
Revistas SQL Magazine (ed. 31 e 32).
Referncias Bibliogrficas
QUINTO, Patrcia Lima. Notas de aula, 2011/2012.
BRAGA, Regina. Notas de aula, UFJF, 2012.
FERREIRA, Claudinete Vicente Borges, Banco de dados I, Instituo Federal do
Esprito Santo, Vitria, 2009,
HEUSER, Carlos Alberto. Projeto de banco de dados. 4. ed. Porto Alegre:
Sagra, 2001.
BERRY, M. J. A.; LONOFF, G.. Data Mining Techniques: for Marketing, Sales
and Customer Support. New York: John Wiley & Sons, Inc., 1997.
BERSON, Alex; SMITH, Stephen; THEARLING, Kurt. Building Data Mining
Applications for CRM. USA, New York: MacGrawHill, 1999.
DINIZ, Carlos Alberto; LOUZADA NETO, Francisco. Data Mining: uma
introduo. So Paulo: ABE, 2000.
ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados. 4. ed. Pearson.
2006.
FAYYAD, Usama; PIATETSKI-SHAPIRO, Gregory; SMYTH, Padhraic (1996) The
KDD Process for Extracting Useful Knowledge from Volumes of Data.
In: Communications of the ACM, pp.27-34, Nov.1996.
HAN, J.; KAMBER, M.. Data Mining: concepts and techniques. Morgan
Kaufmann, 2001.
HERNANDEZ, Michael J. Aprenda a projetar seu prprio banco de dados.
Traduo Patrizia Tallia Parenti. So Paulo: Makron, 2000.
e) II e IV
Gabarito
1. Letra E. 21. Item correto.
2. Letra A. 22. Letra E.
3. Letra D. 23. Letra C.
4. Letra A. 24. Item errado.
5. Letra B. 25. Item errado.
6. Letra E. 26. Item errado.
7. Letra B. 27. Letra D.
8. Item errado. 28. Letra E.
9. Item errado. 29. Letra A.
10. Item correto. 30. Letra C.
11. Item correto. 31. Letra D.
12. Letra B. 32. Letra A.
13. Letra E. 33. Letra B.
14. Item errado. 34. Letra E.
15. Letra D. 35. Letra A.
16. Letra A. 36. Letra E.
17. Letra D. 37. Letra A.
18. Letra E. 38. Item errado.
19. Letra A. 39. Letra A.
20. Item errado.