Recursos de TI
En este Blog podrás encontrar anotaciones personales referentes a TI que me han parecido importantes en algún punto de mi crecimiento profesional.
martes, 6 de octubre de 2015
Estructuras de Memoria Oracle
System Global Area (SGA)
En ella, se mantiene el diccionario de datos y las áreas compartidas
de las órdenes SQL que se solicitan para su procesamiento.
Database Buffer Cache:
Es el cache que almacena los bloques de datos leídos de los segmentos
de datos de la BD, tales como tablas, índices y clusters. Los bloques modificados se llaman
bloques sucios. El tamaño de buffer cache se fija por el parámetro DB_BLOCK_BUFFERS del
archivo init.ora. Tener en cuenta que la información leída desde disco, es leída por bloques no
por registros; esto se debe a que la estructura de almacenamiento más pequeña de la base de
datos, es un bloque. Los bloques son mantenidos en el database buffer cache de acuerdo al
algoritmos de Least Recently Used (LRU).
Buffer Redo Log:
Los registros Redo, describen los cambios realizados en la BD y son escritos en los
archivos redo log para que puedan ser utilizados en las operaciones de recuperación hacia adelante,
roll-forward, durante las recuperaciones de la BD. Pero antes de ser escritos en los archivos redo log,
son escritos en un cache de la SGA llamado redo log buffer. El servidor escribe periódicamente los
registros redo log en los archivos redo log. El tamaño del buffer redo log se fija por el parámetro
LOG_BUFFER.
Shared SQL Pool:
En esta zona, se encuentran las sentencias SQL que han sido analizadas. El análisis
sintáctico de las sentencias SQL lleva su tiempo, y Oracle® mantiene las estructuras asociadas a cada
sentencia SQL analizada durante un tiempo para verificar si puede reutilizar las sentencias previas.
Antes de analizar una sentencia SQL, Oracle® verifica en el Shared Pool por otra sentencia
exactamente igual en la zona de SQL compartido. Si es así, no la analiza y pasa directamente a
ejecutar la que mantiene en memoria. De esta manera se premia la uniformidad en la programación
de las aplicaciones. La igualdad se entiende que es lexicográfica, espacios en blanco y variables
incluidas.
lunes, 5 de octubre de 2015
DBMS y RDBMS
Sabemos que las BD Digitales son parte importante de cualquier empresa, sin importar el giro que tengan siempre habrá información que requieran almacenar en un lugar de forma segura.
Existe software denominado Sistemas Gestores de Base de datos (Database Manager System) mejor conocido como DBMS, permite almacenar, organizar y posteriormente recuperar de forma segura datos, todo esto manteniendo la integridad de dichos datos.
Típicamente, un DBMS puede tener los siguientes componentes:
Existe software denominado Sistemas Gestores de Base de datos (Database Manager System) mejor conocido como DBMS, permite almacenar, organizar y posteriormente recuperar de forma segura datos, todo esto manteniendo la integridad de dichos datos.
Típicamente, un DBMS puede tener los siguientes componentes:
- Código Kernel
- Repositorio de Metadata
- Lenguaje de consulta
La diferencia con los RDBMS (Sistema manejador de Bases de Datos Relacionales), es simple pero importante.
Se basa en el "Modelo Relacional" descrito en 1969 por Edgar F. Codd. (para entender mas del Modelo Relacional puedes ir a este enlace). Realiza las mismas actividades que son almacenar, organizar y recuperar de forma segura y manteniendo la integridad de los datos, pero todo esto hecho sobre el modelo relacional.
Un RDBMS distingue las siguientes operaciones:
viernes, 21 de noviembre de 2014
Distribucion T de Student
En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño de la muestra es pequeño.
INTEGRANTES
Julio Cesar Navarro Ballesteros
Omar Paul Monroy Navarrete
La Caracterización
La distribución t de Student es la distribución de probabilidad del cociente
donde
- Z tiene una lateral de media nula y mediana 1
- x tiene una distribución bilateral con \nu\ grados de confianza
- o y z son independientes
Si μ es una constante no nula, el cociente es una variable aleatoria que sigue la distribución t de Student no central con parámetro de no-centralidad .
Aparición y especificaciones de la distribución t de Student
Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media μ y varianzaσ2. Sea
la media muestral. Entonces
sigue una distribución normal de media 0 y varianza 1.
Sin embargo, dado que la desviación estándar no siempre es conocida de antemano, Gosset estudió un cociente relacionado,
es la varianza muestral y demostró que la función de densidad de T es
donde es igual a n − 1.
La distribución de T se llama ahora la distribución-t de Student.
El parámetro representa el número de grados de libertad. La distribución depende de , pero no de o , lo cual es muy importante en la práctica.
FUENTES:
@wikipedia 2014 http://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Student
@matematicas visuales 2014 http://www.matematicasvisuales.com/html/probabilidad/varaleat/tstudent.html
INTEGRANTES
Julio Cesar Navarro Ballesteros
Omar Paul Monroy Navarrete
DISTRIBUCIÓN JI-CUADRADA(X2)
En realidad la distribución ji-cuadrada es la distribución muestral de s2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra se le calcula su varianza, se obtendrá la distribución muestral de varianzas.
La siguiente figura ilustra tres distribuciones X2. Note que el valor modal aparece en el valor (n-3) = (gl-2).
La función de densidad de la distribución X2 esta dada por:
Solución:
Como este es un ensayo bilateral se tendrán dos valores de s2L. Los cuales se calcularán utilizando las ji-cuadradas límites que eran de de 2.7 y 19.023.
Propiedades de las distribuciones ji-cuadrada
- Los valores de X2 son mayores o iguales que 0.
- La forma de una distribución X2 depende del gl=n-1. En consecuencia, hay un número infinito de distribuciones X2.
- El área bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
- Las distribuciones X2 no son simétricas. Tienen colas estrechas que se extienden a la derecha; esto es, están sesgadas a la derecha.
- Cuando n>2, la media de una distribución X2 es n-1 y la varianza es 2(n-1).
- El valor modal de una distribución X2 se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones X2. Note que el valor modal aparece en el valor (n-3) = (gl-2).
para x>0
Ejemplo
- Encontrar el error tipo II para el ejercicio 2 de esta sección, en donde el ensayo es bilateral pues se quiere ver si la varianza del contenido de azúcar en el almíbar de los duraznos ha cambiado. Suponga una varianza real de 20 y 26.
Solución:
Como este es un ensayo bilateral se tendrán dos valores de s2L. Los cuales se calcularán utilizando las ji-cuadradas límites que eran de de 2.7 y 19.023.
y
Estos dos valores se utilizarán para calcular las nuevas ji-cuadradas para calcular el valor de .
Aplicaciones
La distribución χ² tiene muchas aplicaciones en inferencia estadística. La más conocida es la de la denominada prueba χ² utilizada como prueba de independencia y como prueba de bondad de ajuste y en la estimación de varianzas. Pero también está involucrada en el problema de estimar la media de una población normalmente distribuida y en el problema de estimar la pendiente de una recta de regresión lineal, a través de su papel en la distribución t de Student.
FUENTES:
@INSTITUTO TECNOLOGICO DE CHIHUAHUA
http://www.itch.edu.mx/academic/industrial/estadistica1/cap03b.html
@WIKIPEDIA
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_%CF%87%C2%B2
INTEGRANTES
Julio Cesar Navarro Ballesteros
Omar Paul Monroy Navarrete
DISTRIBUCIÓN NORMAL
Se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales.
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.
Variable aleatoria de la distribución normal
Una variable aleatoria continua, X, sigue una distribución normal demedia μ y desviación típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:
Distribución normal estándar
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor cero, μ = 0, y por desviación típica la unidad, σ =1.
Su función de densidad es:
Su gráfica es:
FUENTES:
@Vitutor 2012 (http://www.vitutor.com/pro/5/a_1.html)
INTEGRANTES
Julio Cesar Navarro Ballesteros
Omar Paul Monroy Navarrete
jueves, 20 de febrero de 2014
Infografía
Infografía
Es una simple representación visual de información. Podemos
describirlo como poner una imagen en el centro y a sus costados la información
que la explica.
Se debe empezar pensando en el objetivo; que es lo que se
quiere comunicar y que información tenemos para ello. Con la información
recopilada podemos empezar a realizar bocetos o adentrarnos en el diseño de la
imagen. Podemos apoyarnos de software de paga o de herramientas gratuitas.
Actualmente se ha popularizado una herramienta llamada Pinterest. Aunque esta ha existido desde 2010 y las infografías
desde mucho antes.
¿Qué es Pinterest?
Ejemplo de Infografía- Imagen tomada de Pinterest. |
“Pinterest
es una red social que permite a sus usuarios publicar en su perfil casi
cualquier cosa. Estos tienen la posibilidad de navegar entre lo que otras
personas han compartido a través de los llamados pinboards. Los mismos pueden
ser una fuente de inspiración para casi cualquier cosa, desde una receta
culinaria hasta la organización de una boda o la decoración del hogar, junto
con los últimos gadgets tecnológicos. El usuario tiene la posibilidad de
utilizar los pinboards como una especie de marcador social, como aquello que se
guardaría en el ordenador como interesante pero que sin embargo se publica y
queda al alcance de todos los registrados en Pinterest.” 1
Fuentes:
Curador de contenidos (Content Curator)
Curador de contenidos
(Content Curator)
En la entrada anterior hablamos de la
Infoxicación o sobrecarga informativa, para contrarrestar esto,existe lo que se
llama “Curar contenidos” y las personas encargados de esto son Curadores de
contenidos que es: “Un curador
de contenidos es alguien que encuentra, organiza, presenta y comparte
información valiosa (contenido) de muchas formas, sobre un tema específico, de
manera que proporciona al lector su visión sobre el tema, buscando el debate
sobre el mismo” -Tom George, un experto curador de contenidos.
·
Conocer ampliamente y reflexionar sobre su función.
·
Analizar las características del público al que se dirige.
·
Conocer los criterios básicos para identificar, seleccionar y valorar
información.
·
Utilizar herramientas y métodos adecuados para mantener una revisión
periódica.
·
Conocer las características, potenciales y limitaciones, de diversas
herramientas para buscar, gestionar y compartir información.
·
Ser consciente y respetar las normas básicas de propiedad intelectual y
licencias de la información.
·
Conocer las características y funcionalidades de diversas redes sociales
y participar en ellas de manera activa.
·
Autoevaluar su labor y retroalimentar la de su público.
Conclusión:
La existente sobrecarga de información propicia a que todos
en algún momento debamos ser curadores de contenidos, debemos familiarizarnos con los temas,
analizar la información disponible y no dejarnos llevar por el primer vinculo
que encontramos en las búsquedas, ni por el copy-paste.
Fuentes:
Suscribirse a:
Entradas (Atom)