SYSTEM BAZODANOWY DO BADAŃ MALAKOFAUNY

Wielkość: px
Rozpocząć pokaz od strony:

Download "SYSTEM BAZODANOWY DO BADAŃ MALAKOFAUNY"

Transkrypt

1 Maria Urbańska *, Henryk Gierszal # * Akademia Rolnicza im. A. Cieszkowskiego w Poznaniu # Instytut Technik Telekomunikacyjnych i Informatycznych ITTI w Poznaniu SYSTEM BAZODANOWY DO BADAŃ MALAKOFAUNY Streszczenie W pracy tej przedstawiono możliwości wykorzystania systemu bazodowego w analizie ilościowej oraz jakościowej malakofauny. Opisano cały proces badawczy, na który składa się: pobranie próbek, oznaczenie okazów, wprowadzenie informacji do bazy danych, przygotowanie wyników w oparciu o zapytania bazodanowe oraz graficzna prezentacja rezultatów. Zaprezentowano wiele wskaźników analitycznych oraz syntetycznych pomocnych przy ocenie bogactwa i różnorodności malakofauny, które mogą być także pomocne przy waloryzacji przyrodniczej badanego obszaru. Słowa kluczowe: malakofauna, relacyjna baza danych, statystyka, wskaźniki analityczne, wskaźniki syntetyczne, analiza ilościowa, analiza jakościowa Wprowadzenie W celu porównania pod względem bogactwa malakofauny różnych terenów stosuje się liczne wskaźniki statystyczne. Pozwalają one ocenić zarówno cechy jakościowe, jak i ilościowe badanych obszarów. Ponadto wykorzystując procedury wnioskowania statystycznego możliwa jest także waloryzacja przyrodnicza analizowanych powierzchni. Aby opracować statystyki syntetycznie opisujące środowisko czy biocenozę, można posłużyć się gotowym oprogramowaniem (np. Statistica lub SPSS) lub też wykorzystać uniwersalne narzędzie programistyczne. Ponieważ w momencie rozpoczęcia badań prowadzonych na obszarze poligonu wojskowego Biedrusko koło Poznania nie były znane ani wszystkie analizowane cechy populacji ani wszystkie możliwe do zastosowania wskaźniki, zdecydowano się napisać własne oprogramowanie dedykowane do studiów nad malakofauną. Dzięki temu istnieje możliwość łatwego uzupełniania badań o kolejne statystyki z uwzględnieniem nowych zaobserwowanych lub pomierzonych cech. Za wykorzystaniem uniwersalnego narzędzia przemawiał również fakt, że jest ono łatwo dostępne, dobrze udokumentowane i łatwe do przenoszenia między stanowiskami pracy. Powstałe oprogramowanie jest bazą danych stworzoną w programie Microsoft Access. Program ten pozwala ewidencjonować zbierane okazy pod względem ilościowym (gatunek oraz jego liczebność), jak i jakościowym (m.in. wiek ślimaka, rozmiar muszli itd.). Każdemu okazowi przypisano także inne cechy, które go dokładniej identyfikują (np. teren znalezienia, datę pobrania itp.). Wszystkie obliczane w bazie danych statystyki przyrodnicze wykorzystują zapytania SQL (ang. Structured Query Language). Z kolei wielkości, wymagające większej liczby przekształceń oraz bardziej skomplikowanych operacji matematycznych czy agregujących rekordy, są wyznaczane w procedurach napisanych w języku Visual Basic. Dzięki funkcji eksportu danych do innych aplikacji (np. Excel), przygotowanie ostatecznych wyników w postaci tabelarycznej lub graficznej nie nastręcza większych problemów. Na Rys. 1 przedstawiono schemat procesu badawczego. Metodyka badań terenowych W badaniach ilościowych fauny lądowej wyróżnia się dwie kategorie metod: relatywne i absolutne. Na podstawie wyników uzyskanych metodami relatywnymi trudno w jednoznaczny Akademia Rolnicza, ul. Wojska Polskiego 71c, 0-25 Poznań, urbanska@au.poznan.pl

2 sposób wnioskować o liczebnościach poszczególnych taksonów. Metody te służą zatem przede wszystkim do określenia składu gatunkowego badanego terenu. Aby móc określić dokładne stosunki ilościowe zwierząt zamieszkujących dany obszar należy posłużyć się metodami absolutnymi, które wyrażają wielkości w stosunku do jednostki powierzchni (zazwyczaj jest nią 1 m 2 ). dokumentacja fotograficzna zbieranie oznaczanie wprowadzanie danych i ich przetwarzanie Rys. 1. Przebieg procesu badawczego Fig. 1. Workflow of the research process Szczególnie w badaniach ekologicznych zwraca się uwagę na niewielki (jak dotąd) zasób informacji na temat ilościowego składu wielu bezkręgowców, a także zachodzących w tej grupie zmian. Badania tego rodzaju mogą mieć znaczenie w ochronie przyrody poprzez monitorowanie środowiska, gdyż pozwalają określać zmiany zachodzące w badanych populacjach i co za tym idzie także w otaczającym je środowisku [Alexandrowicz 1, Bajdasznikow 12, Falkner i in. 2001, Pokarżjewskij 185, Ridel 181, Wiktor 2002]. Klasycznym sposobem absolutnych badań ilościowych fauny lądowej jest metoda kwadratów. Polega ona na pobieraniu prób za pomocą metalowej ramki (biocenometru), który w przypadku ślimaków lądowych wbija się na głębokość 3- cm. W literaturze spotyka się różne wymiary biocenometrów od ramek o wymiarach 20 x 20 cm, poprzez ramki o wymiarach 25 x 25 cm aż po ramki typu 50 x 50 cm. 5 mm φ 2 mm (a) (b) Fot. 1. Zdjęcia przykładowych dwóch badanych gatunków: (a) Cecilioides acicula i (b) Acanthinula aculeata Photo 1. Two examples of found species: (a) Cecilioides acicula and (b) Acanthinula aculeata Następnie próbki przebiera się, aby odnaleźć znajdujące się w nich ślimaki. Praca ta wymaga wiele uwagi, gdyż ze względu na niewielkie rozmiary zarówno osobników młodych, jak i dorosłych (osobniki dorosłe często nie przekraczają długości 2-5 mm) istnieje duże prawdopodobieństwo ich przeoczenia (Fot. 1). Wydobyte z próbek okazy w większości oznacza się przy użyciu mikroskopu stereoskopowego. W przypadku niektórych rodzin istnieje jednak potrzeba oznaczania okazów na podstawie cech anatomicznych.

3 Terenów: 1 Próbek: 25 (Próbek): 25 Osobników 883 Acanthinula aculeata 8,00% 7,81% 883,00 23,05% 0,05% 728,1 Aegopinella nitidula,00% 0,11% 883,00 0,7% 0,00% 17,0 Aegopinella pura 8,00% 3,7% 883,00 13,3% 0,02% 11,7 Clausilia bidentata 0,00% 1,81% 883,00 8,51% 0,01% 558, Cochlicopa lubricella,00% 7,25% 883,00 17,8% 0,03% 585,72 Cochlicopa nitens,00% 0,23% 883,00 0,5% 0,00% 17,0 Columella edentula,00% 3,17% 883,00 11,81% 0,01% 585,72 Ena obscura 1,00% 0,57% 883,00 3,01% 0,00% 353,20 Helix pomatia 12,00% 0,3% 883,00 2,02% 0,00% 305,88 Nesovitrea hammonis 3,00% 2,15% 883,00 8,80% 0,01% 52,80 Nesovitrea petronella 8,00%,30% 883,00 1,37% 0,02% 11,7 Perforatella incarnata,00% 0,11% 883,00 0,7% 0,00% 17,0 Perforatella rubigin. 3,00% 1,7% 883,00 7,28% 0,01% 52,80 Punctum pygmaeum,00% 8,15% 883,00 22,8% 0,05% 70,0 Sucinea oblonga,00% 2,15% 883,00,73% 0,01% 585,72 Komputerowa obróbka danych Przebieg procesu obróbki danych przedstawiono na Rys. 2. Baza danych posiada kilka formularzy, które znacznie przyspieszają proces wprowadzania danych o próbce. Następnie dane podlegają weryfikacji, która ma na celu sprawdzenie ich wiarygodności oraz ewentualne wychwycenie błędów liczbowych powstałych na etapie wprowadzania danych. Dysponując kompletem danych możliwe jest stworzenie zapytania w bazie danych, które pozwala zagregować i zsyntetyzować informacje o okazach. W oparciu o taką kwerendę tworzony jest raport z wynikami, który oprócz informacji skonsolidowanych zawiera także wartości wyznaczanych wskaźników statystycznych. wprowadzanie danych weryfikacja danych Funkcjonalności aplikacji bazodanowej tworzenie kwerendy Przetwarzanie uzupełniające (post processing) Wskaźniki (łac.) Nazwa Łacińska Nazwa Polska C D A Q w P Wierność A C E Zestawienia Wykresy H N P Statystyki S T graficzna reprezentacja wyników października 2001 Strona 1 z 2 tworzenie raportu Rys. 2. Proces obróbki danych Fig. 2. Process of data mining Ponieważ graficzne reprezentowanie wyników w bazie danych wiązałoby się z dość dużym nakładem dodatkowej pracy programistycznej, zdecydowano się przygotowywać wykresy i diagramy wynikowe stosując przetwarzanie uzupełniające (ang. post processing) z wykorzystaniem dedykowanego oprogramowania typu arkusz kalkulacyjny czy pakiet analizy statystycznej. Arkusz kalkulacyjny Excel pozwalał na kreślenie wykresów. Natomiast program Statistica posłużył do wykreślania dendrogramów podobieństwa oraz trójkąta składu mechanicznego gleb (trójkąt Fereta) z liniami granic klas granulometrycznych według Polskiej Normy, Polskiego Towarzystwa Gleboznawczego lub klasyfikacji amerykańskiej. Projekt bazy danych Opracowana na potrzeby tej pracy relacyjna baza danych zawiera następujące tabele: 1. Teren tabela opisująca badany teren. Zawiera następujące pola: - identyfikator, - współrzędne geograficzne (długość i szerokość geograficzna) punktu, względem którego mierzone są rozmiary terenu (lub jego promień), - określenie położenia punktu o podanych współrzędnych geograficznych, w stosunku do którego mierzy się szerokość równoleżnikową (X) i południkową (Y) obszaru podlegającego badaniom; w przypadku terenu o kształcie koła powinien to być punkt środkowy, - opis terenu, - przybliżona powierzchnia, - rozmiar terenu (szerokość i długość w przypadku prostokąta lub promień w przypadku koła),

4 - skład gleby, - uwagi, 2. Próbka charakteryzująca pobierane próbki: - identyfikator, - numer próbki, - data pobrania, - ewentualne uwagi, 3. Położenie zawiera zestaw możliwych położeń punktu o podanych współrzędnych geograficznych,. Ślimak zawierająca informacje o pobranym elemencie malakologicznym: - identyfikator ślimaka, - identyfikator próbki, - identyfikator gatunku, - wiek: ad. lub juv., - wysokość, szerokość i średnica muszli, - wysokość i szerokość otworu muszli, - wysokość ostatniej spirali, - uwagi, - datę wpisania okazu, - informację czy jest to element jakościowy czy ilościowy, 5. Gatunek zawierająca opis gatunków: - identyfikator gatunku, - nazwa zwyczajowa (polska), - nazwa łacińska, - nazwa łacińska według CLECOM, - fotografia, - uwagi,. Wiek tabela, w której zapisano identyfikatory oznaczające wiek (ad. i juv.), 7. Grupy Ekologiczne tabela ta określa przynależność gatunku do poszczególnych grup ekologicznych. Relacje pomiędzy polami poszczególnych tabel przedstawiono na Rys. 3. Opis menu Menu programu zawiera następujące zestawy komend: WPROWADZANIE I PRZEGLĄDANIE INFORMACJI pozwala wprowadzać informacje o terenach, próbkach, gatunkach i ślimakach, PODGLĄD dzięki której możliwe jest przeglądanie wprowadzonych już danych i ewentualną ich korektę, WSKAŹNIKI ANALITYCZNE zawiera grupę poleceń do wyznaczania wskaźników analitycznych, WSKAŹNIKI SYNTETYCZNE służy do tworzenia raportów ze wskaźnikami syntetycznymi, GRUPY TAKSONOMICZNE podaje zbiorcze wyniki dla wybranej grupy taksonomicznej. Wprowadzanie danych Dane można wprowadzać wykorzystując jeden z dwóch formularzy. Formularz szczegółowy ŚLIMAK pozwala wprowadzić oprócz danych podstawowych (TEREN, OZNACZENIE PRÓBKI, GA- TUNEK ŚLIMAKA i WIEK) także wymiary muszli. Natomiast formularz ŚLIMAKI powstał w celu wprowadzania jedynie danych ilościowych z uwzględnieniem wieku ślimaków. Przyspiesza to czas wprowadzania danych.

5 Sprawdzanie poprawności danych Po wprowadzeniu danych należy zweryfikować ich poprawność poprzez sprawdzenie zagregowanej liczebności w rozbiciu na teren, próbki, gatunki i wiek. Służy do tego menu PODGLĄD. Formularze PRZEGLĄD ŚLIMAKÓW i PRZEGLĄD PRÓBKI składają się z dwóch części. Dolna część okna zawiera podformularz do poprawiania danych. Wybierając dowolny wiersz zagregowanych danych w górnym podformularzu, w dolnym formularzu są wyświetlane informacje rozbite na pojedyncze okazy. Można je usuwać lub dopisywać. Rys. 3. Schemat relacji w bazie danych Fig. 3. Scheme of database relations Tworzenie raportów wynikowych Wygenerowanie raportu zawierającego daną statystykę jest dwu etapowe: 1. tworzone jest zapytanie (kwerenda) określające jakie elementy bazy danych brane są pod uwagę przy wyznaczaniu statystyki, 2. wybierany jest jeden ze wskaźników, który ma być wyznaczony. Tworzenie zapytania Tworzenie zapytania przebiega w czterech krokach. Wybiera się: 1. gatunki precyzuje się gatunki oraz ich wiek, które mają być uwzględniane przy generowaniu statystyki, 2. tereny określa się teren poddawany analizie statystycznej, 3. próbki definiuje się próbki, dla których zostaną wyznaczone wskaźniki,. rozmiary muszli ślimaka podaje się zakres rozmiarów muszli, które mają być wzięte pod uwagę podczas analizy. W opracowanej bazie danych zastosowano następujące mechanizmy agregacji rekordów: standardowe kwerendy SQL, które pozwalają w łatwy sposób zestawiać i podsumowywać rekordy zgodnie z wprowadzonym zapytaniem, obiekty Recorset języka Visual Basic, które są wykorzystywane w specjalnie napisanych procedurach do porządkowania rekordów, kolekcje, które są stosowane w procedurach języka Visual Basic jako zmienne tymczasowe pozwalające na szybki dostęp do pewnych danych, co skraca czas przetwarzania danych.

6 Wybór wskaźnika Wyznaczane statystyki są podzielone na dwie grupy: wskaźniki analityczne, wskaźniki syntetyczne. Do wskaźników analitycznych należą: liczebność, abudancja określa liczbę osobników przypadających na jednostkę powierzchni, gęstość określa liczbę gatunków występujących w danym środowisku na określonej jednostce powierzchni, formułę jednorodności, która określa charakter rozmieszczenia oraz obecność gatunków w zoocenozie, różnorodność gatunkowa, która pozwala ocenić miarę stabilności biocenozy; miarę tą wyznaczano m.in. z wykorzystaniem wzoru Shannona-Weavera, stałość określa obecność danego gatunku w obrębie badanej biocenozy, struktura dominacyjna, która została przedstawiona np. w matematycznym modelu MacArthura [MacArthur 157, 10]. W myśl założeń tego autora pozycję dowolnego r-tego gatunku w strukturze dominacji zespołu p r można obliczyć ze wzoru, zagęszczenie przeciętne, dominacja wyraża stosunek liczby wszystkich osobników danego gatunku do liczby wszystkich osobników badanej grupy systematycznej, wysokość, szerokość i średnica muszli, wysokość i szerokość otworu oraz wysokość ostatniej spirali, stosunki wymiarów muszli, histogram gatunek-abudancja, wskaźnik różnorodności ADI, znormalizowany wskaźnik różnorodności TDI, dyspersja. Możliwe do wyznaczenia w stworzonym oprogramowaniu wskaźniki syntetyczne obejmują następujące statystyki: wskaźnik Q, wartość systematyczna grupy gatunków określa udział procentowy jaki ma dana grupa gatunków (lub gatunek) w określonej zoocenozie, wierność, czyli stopień związania danego gatunku z badanym środowiskiem czy zgrupowaniem, współwystępowanie gatunków określa podobieństwo między komponentami zoocenozy, podobieństwo terenów, które może być stosowane do zwymiarowania różnic powstałych w populacji i strukturze ekosystemu; wykorzystywano m.in. wzór zaproponowany przez Marczewskiego i Steinhausa [Marczewski i Steinhaus 15], wartości formuły dyskryminacyjnej [Alexandrowicz 15]. Program pozwala także przeprowadzić analizę taksonomiczną uwzględniającą jeden z dwunastu podziałów podanych zbiorczo przez Alexandrowicza [Alexandrowicz 187]. Raporty Generowany raport można wydrukować lub zapisać w postaci pliku typu rtf. Eksport do formatu rtf pozwala następnie wczytać dane do arkusza kalkulacyjne (Excel) lub do oprogramowania analizy statystycznej (Statistica) w celu ich dalszej obróbki (ang. post processing). Programy te są wykorzystywane przede wszystkim do graficznej prezentacji wyników (Rys. ).

7 C, D, Q 80,00% 70,00% 0,00% 50,00% 0,00% 30,00% 20,00% 10,00% 0,00% Cochlicopa lubricella Clausilia bidentata Vallonia costata Nesovitrea hammonis Vitrea crystallina Carychium minimum Vitrina pellucida Cecilioides acicula Ena obscura Nesovitrea petronella Acanthinula aculeata Perforatella rubigin. Vallonia pulchella Aegopinella pura Euomphalia strigella Succinea oblonga Zonitoides nitidus P C D P Q (a) (c) Acanthinula aculeata późna jesień Aegopinella nitidula Aegopinella pura Carychium minimum Carychium tridentatum wczesna jesień Cecilioides acicula Cepaea hortensis Clausilia bidentata Cochlicopa lubricella lato Columella edentula Ena obscura Helix poma tia Nesovitrea hammonis późna wiosna Nesovitrea petronella Perforatella rubigin. Succinea oblonga Vallonia costata wczesna wiosna Vallonia pulchella Vitrea crystallina Vitrina pellucida 0% 0% 0% 80% 100% Zonitoides nitidus 100% % % % 0% % 5 2 0% Odsetek poszczególnych grup ekologicznych 30% % % wczesna wiosna późna wiosna lato wczesna jesień późna jesień (b) (d) RAD_WW RAD_L RAD_PW Obiekt RAD_WJ RAD_PJ RAD_7 GO PR S JG 100% PIASEK gp 10% pg 3 ps p % 80% 17 70% IŁ IL 100% 0% 10% 80% 70% 30% 0% 0% Pyl. CZW_WW Il 50% 50% CZW_PW 0% 0% CZW_L 30% 70% CZW_PJ 80% CZW_WJ 10% 0% 0,2 0,3 0, 0,5 0, 0,7 0,8 0, 1,0 100% 0% 80% 70% 0% 50% 0% PIASEK PIASEK. PYL PYŁ Odleg³oœæ Odległość wiązań wi¹z. (e) (f) Rys.. Przykłady graficznej prezentacji wyników działania bazy danych przygotowanych w arkuszu kalkulacyjnym Excel (a-d) oraz w programie Statistica (e-f): (a) dominacja, stałość i wskaźnik Q, (b) spektrum malakologiczne, (c) walencja ekologiczna, (d) sezonowe wahania liczebności w grupach taksonomicznych, (e) analiza taksonomiczna czy (f) skład granulometryczny gleby Fig.. Examples of graphical presentation of results. Figures are prepared with Excel datasheet (a-d) or Statistica software (e-f): (a) dominance, constancy and Q index, (b) species spectrum, (c) ecological amplitude, (d) seasonal changes of quantity within taxonomical groups, (e) taxonomical analysis or (f) granulometric composition of soil Piasek 30% 10% 100% Podsumowanie Napisany program jest bardzo wygodnym i elastycznym narzędziem do opracowywania wyników badań malakofauny pod względem ilościowym, jak i jakościowym. Dzięki kilkuetapowej procedurze tworzenia zapytania, wynikowy raport może być ograniczany do niewielkiej populacji o ściśle wybranych parametrach. Ze względu na liczbę rekordów (obecnie ponad 3000) oraz zastosowanie nieraz mało efektywnych procedur (np. kopiowania części tabel w celu zabezpieczenia danych przed uszkodzeniem a jednocześnie w celu zwiększenia wygody pracy), omawiana baza danych wymaga komputera o dość dużej mocy obliczeniowej (co najmniej klasy Pentium I 150 MHz).

8 Bibliografia Alexandrowicz S.W. 187, Analiza malakologiczna w badaniach osadów czwartorzędowych, Zeszyty Naukowe, Geologia, 12, 1-2, AGH, Kraków Alexandrowicz S.W. 1, Perspektywy ochrony współczesnej i subfosylnej malakofauny województwa krakowskiego. Chrońmy Przyr. Ojcz. 50, 5: 3-53 Alexandrowicz S.W. 15, Ruins of Carpathian Castles as Refuges of Land Snails, Ochrona Przyrody, 52: 3-18 Bajdasznikow A.A. 12, Naziemnaja malakofauna Ukrainskogo Polesja. Soobszczenie 1. Widiwoj sostaw i swiaz moljuskow s rastitelnym pokrowom. Wjesti zool. Nr : 13-1 Falkner G., Bank R.A., T. von Proschwitz 2001, Check-list of non-marine Molluscan Species-group taźa of the States of Northern, Atlantic and Central Europe (CLECOM I). Helidia, Vol., Part 1/2: 1-7, München MacArhur R.H. 157, On the relative abudance of bird species, Proc. Nat. Acad. Sci. US, 3: MacArhur R.H. 10, On the relative abudance of species, Amer. Natur., : 25-3 Marczewski E., Steinhaus H. 15, Odległość systematyczna biotypów, Zastosowania matematyki,, Warszawa-Wrocław: Pokarżjewskij A.D Geochimiczeskaja ekologia naziemnych żywotnych. M. Nauka: 300 Ridel A Mięczaki (Mollusca). [w:] Stan zbadania fauny Polski. Przegląd Zoologiczny 25: Wiktor A., Ridel A Gastropoda terrestria Ślimaki lądowe. [w:] Głowaciński Z. (Red.). Czerwona Lista Zwierząt Ginących i Zagrożonych w Polsce. PAN Instytut Ochrony Przyrody, Kraków: DATABASE SYSTEM IN RESEARCH OF TERRESTRIAL SNAILS Summary In this work possibilities of the database system in the quantitative and qualitative analysis of terrestrial snails are presented. Whole research process has been described. It comprises acquisition of samples, identification of species, input of gathered data into the database, preparing of table results using database queries and finally graphical presentation of obtained results. Many analytical and synthetical indicators are given that can be helpful in the nature valorisation of an analysed area. Key word: terrestrial snail, relation database, statistics, analytical indicator, synthetical indicator, quantitative analysis, qualitative analysis

WYKORZYSTANIE TERENOWYCH METOD BADAŃ SŁUŻĄ- CYCH OCENIE RÓŻNORODNOŚCI GATUNKOWEJ W NAUCZA- NIU EKOLOGII

WYKORZYSTANIE TERENOWYCH METOD BADAŃ SŁUŻĄ- CYCH OCENIE RÓŻNORODNOŚCI GATUNKOWEJ W NAUCZA- NIU EKOLOGII WYKORZYSTANIE TERENOWYCH METOD BADAŃ SŁUŻĄ- CYCH OCENIE RÓŻNORODNOŚCI GATUNKOWEJ W NAUCZA- NIU EKOLOGII Maria Urbańska 1, Henryk Gierszal 2 1 Instytut Zoologii, Uniwersytet Przyrodniczy w Poznaniu 2 Zakład

Bardziej szczegółowo

Pytania SO Oprogramowanie Biurowe. Pytania: Egzamin Zawodowy

Pytania SO Oprogramowanie Biurowe. Pytania: Egzamin Zawodowy Pytania SO Oprogramowanie Biurowe Pytania: Egzamin Zawodowy Pytania SO Oprogramowanie Biurowe (1) Gdzie w edytorze tekstu wprowadza się informację lub ciąg znaków, który ma pojawić się na wszystkich stronach

Bardziej szczegółowo

LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS

LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS UNIWERSYTET ZIELONOGÓRSKI INSTYTUT INFORMATYKI I ELEKTROTECHNIKI ZAKŁAD INŻYNIERII KOMPUTEROWEJ Przygotowali: mgr inż. Arkadiusz Bukowiec mgr inż. Remigiusz Wiśniewski LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

Egzamin zawodowy: Technik Informatyk 312[01] Oprogramowanie biurowe pytania i odpowiedzi

Egzamin zawodowy: Technik Informatyk 312[01] Oprogramowanie biurowe pytania i odpowiedzi Egzamin zawodowy: Technik Informatyk 312[01] Oprogramowanie biurowe pytania i odpowiedzi 1. Obiekt bazy danych, który w programie Microsoft Access służy do tworzenia zestawień i sprawozdań, ale nie daje

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI - zagadnienia. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel). Podstawy pracy z relacyjną bazą danych w programie MS Access. Specjalistyczne programy statystyczne na przykładzie pakietu SAS

Bardziej szczegółowo

5. Bazy danych Base Okno bazy danych

5. Bazy danych Base Okno bazy danych 5. Bazy danych Base 5.1. Okno bazy danych Podobnie jak inne aplikacje środowiska OpenOffice, program do tworzenia baz danych uruchamia się po wybraniu polecenia Start/Programy/OpenOffice.org 2.4/OpenOffice.org

Bardziej szczegółowo

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej

Bardziej szczegółowo

UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI

UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI LABORATORIUM TECHNOLOGIA SYSTEMÓW INFORMATYCZNYCH W BIOTECHNOLOGII Aplikacja bazodanowa: Cz. II Rzeszów, 2010 Strona 1 z 11 APLIKACJA BAZODANOWA MICROSOFT ACCESS

Bardziej szczegółowo

LK1: Wprowadzenie do MS Access Zakładanie bazy danych i tworzenie interfejsu użytkownika

LK1: Wprowadzenie do MS Access Zakładanie bazy danych i tworzenie interfejsu użytkownika LK1: Wprowadzenie do MS Access Zakładanie bazy danych i tworzenie interfejsu użytkownika Prowadzący: Dr inż. Jacek Habel Instytut Technologii Maszyn i Automatyzacji Produkcji Zakład Projektowania Procesów

Bardziej szczegółowo

BAZY DANYCH. Co to jest baza danych. Przykłady baz danych. Z czego składa się baza danych. Rodzaje baz danych

BAZY DANYCH. Co to jest baza danych. Przykłady baz danych. Z czego składa się baza danych. Rodzaje baz danych BAZY DANYCH Co to jest baza danych Przykłady baz danych Z czego składa się baza danych Rodzaje baz danych CO TO JEST BAZA DANYCH Komputerowe bazy danych już od wielu lat ułatwiają człowiekowi pracę. Są

Bardziej szczegółowo

Bazy danych - wykład wstępny

Bazy danych - wykład wstępny Bazy danych - wykład wstępny Wykład: baza danych, modele, hierarchiczny, sieciowy, relacyjny, obiektowy, schemat logiczny, tabela, kwerenda, SQL, rekord, krotka, pole, atrybut, klucz podstawowy, relacja,

Bardziej szczegółowo

Technologia informacyjna

Technologia informacyjna Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,

Bardziej szczegółowo

Kasy Fiskalne Lublin Analityk

Kasy Fiskalne Lublin Analityk Kasy Fiskalne Lublin Analityk http://sklep.soft-tec.lublin.pl/produkt/analityk Producent Cena Cena netto Insert 984.00 PLN 800.00 PLN Analityk to system wspomagania decyzji, który opiera się na najnowszych

Bardziej szczegółowo

Dział Temat lekcji Ilość lekcji. godz. 1 Organizacja zajęć Omówienie programu nauczania 3

Dział Temat lekcji Ilość lekcji. godz. 1 Organizacja zajęć Omówienie programu nauczania 3 rzedmiot : Systemy baz Rok szkolny : 2015/2016 Klasa : INF godz. x 0 = 90 godz. Zawód : technik informatyk; symbol 5120 rowadzący : Jacek Herbut, Henryk Kuczmierczyk Henryk Kuczmierczyk Numer Dział Temat

Bardziej szczegółowo

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Kwerenda. parametryczna, z polem wyliczeniowym, krzyżowa

Kwerenda. parametryczna, z polem wyliczeniowym, krzyżowa Kwerenda parametryczna, z polem wyliczeniowym, krzyżowa Operatory stosowane w wyrażeniach pól wyliczeniowych Przykład: wyliczanie wartości w kwerendach W tabeli Pracownicy zapisano wartości stawki godzinowej

Bardziej szczegółowo

Opracował: mgr inż. Marcin Olech 2010-10-04

Opracował: mgr inż. Marcin Olech 2010-10-04 Laboratorium 4 Strona 1 z 17 Spis treści: 1. Wielowymiarowa analiza danych w arkusza kalkulacyjnych z wykorzystaniem MS Excel: a. tworzenie tabel przestawnych, b. tworzenie wykresów przestawnych. 2. Praca

Bardziej szczegółowo

Podstawowe zagadnienia z zakresu baz danych

Podstawowe zagadnienia z zakresu baz danych Podstawowe zagadnienia z zakresu baz danych Jednym z najważniejszych współczesnych zastosowań komputerów we wszelkich dziedzinach życia jest gromadzenie, wyszukiwanie i udostępnianie informacji. Specjalizowane

Bardziej szczegółowo

Joyce Cox Joan Lambert. Microsoft Access. 2013 Krok po kroku. Przekład: Jakub Niedźwiedź

Joyce Cox Joan Lambert. Microsoft Access. 2013 Krok po kroku. Przekład: Jakub Niedźwiedź Joyce Cox Joan Lambert Microsoft Access 2013 Krok po kroku Przekład: Jakub Niedźwiedź APN Promise, Warszawa 2013 Spis treści Wprowadzenie................................................................vii

Bardziej szczegółowo

WPROWADZENIE DO BAZ DANYCH

WPROWADZENIE DO BAZ DANYCH WPROWADZENIE DO BAZ DANYCH Pojęcie danych i baz danych Dane to wszystkie informacje jakie przechowujemy, aby w każdej chwili mieć do nich dostęp. Baza danych (data base) to uporządkowany zbiór danych z

Bardziej szczegółowo

Kolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy

Kolumna Zeszyt Komórka Wiersz Tabela arkusza Zakładki arkuszy 1 Podstawowym przeznaczeniem arkusza kalkulacyjnego jest najczęściej opracowanie danych liczbowych i prezentowanie ich formie graficznej. Ale formuła arkusza kalkulacyjnego jest na tyle elastyczna, że

Bardziej szczegółowo

Sposób tworzenia tabeli przestawnej pokażę na przykładzie listy krajów z podstawowymi informacjami o nich.

Sposób tworzenia tabeli przestawnej pokażę na przykładzie listy krajów z podstawowymi informacjami o nich. Tabele przestawne Tabela przestawna to narzędzie służące do tworzenia dynamicznych podsumowań list utworzonych w Excelu lub pobranych z zewnętrznych baz danych. Raporty tabeli przestawnej pozwalają na

Bardziej szczegółowo

Bazy danych Access KWERENDY

Bazy danych Access KWERENDY Bazy danych Access KWERENDY Obiekty baz danych Access tabele kwerendy (zapytania) formularze raporty makra moduły System baz danych MS Access Tabela Kwerenda Formularz Raport Makro Moduł Wyszukiwanie danych

Bardziej szczegółowo

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 21 maja 2012 Historia dokumentu

Bardziej szczegółowo

Access - Aplikacja. Tworzenie bazy danych w postaci aplikacji

Access - Aplikacja. Tworzenie bazy danych w postaci aplikacji Tworzenie bazy danych w postaci aplikacji Access - Aplikacja 1. Otwórz plik zawierający bazę danych Wypożyczalni kaset video o nazwie Wypożyczalnia.mdb. 2. Utworzy kwerendę, która wyświetli tytuły i opisy

Bardziej szczegółowo

PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II. Uczeń umie: Świadomie stosować się do zasad regulaminów (P).

PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II. Uczeń umie: Świadomie stosować się do zasad regulaminów (P). PLAN REALIZACJI MATERIAŁU NAUCZANIA Z INFORMATYKI II DZIAŁ I: KOMPUTER W ŻYCIU CZŁOWIEKA. 1. Lekcja organizacyjna. Zapoznanie uczniów z wymaganiami edukacyjnymi i PSP. 2. Przykłady zastosowań komputerów

Bardziej szczegółowo

Kurs MATURA Z INFORMATYKI

Kurs MATURA Z INFORMATYKI Kurs MATURA Z INFORMATYKI Cena szkolenia Cena szkolenia wynosi 90 zł za 60 min. Ilość godzin szkolenia jest zależna od postępów w nauce uczestnika kursu oraz ilości czasu, którą będzie potrzebował do realizacji

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

OfficeObjects e-forms

OfficeObjects e-forms OfficeObjects e-forms Rodan Development Sp. z o.o. 02-820 Warszawa, ul. Wyczółki 89, tel.: (+48-22) 643 92 08, fax: (+48-22) 643 92 10, http://www.rodan.pl Spis treści Wstęp... 3 Łatwość tworzenia i publikacji

Bardziej szczegółowo

Tom 6 Opis oprogramowania

Tom 6 Opis oprogramowania Część 9 Narzędzie do wyliczania wskaźników statystycznych Diagnostyka Stanu Nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 31 maja 2012 Historia dokumentu Nazwa dokumentu Nazwa

Bardziej szczegółowo

Microsoft Access zajęcia 3 4. Tworzenie i wykorzystanie kwerend, formularzy i raportów

Microsoft Access zajęcia 3 4. Tworzenie i wykorzystanie kwerend, formularzy i raportów Microsoft Access zajęcia 3 4 Tworzenie i wykorzystanie kwerend, formularzy i raportów Kwerendy służą do tworzenia unikalnych zestawów danych, niedostępnych bezpośrednio z tabel, dokonywania obliczeń zawartych

Bardziej szczegółowo

Rok akademicki: 2014/2015 Kod: CCB s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: -

Rok akademicki: 2014/2015 Kod: CCB s Punkty ECTS: 3. Poziom studiów: Studia I stopnia Forma i tryb studiów: - Nazwa modułu: Technologie informacyjne Rok akademicki: 2014/2015 Kod: CCB-1-104-s Punkty ECTS: 3 Wydział: Inżynierii Materiałowej i Ceramiki Kierunek: Chemia Budowlana Specjalność: - Poziom studiów: Studia

Bardziej szczegółowo

Projekty budowlane w enova Wersja 1.1.

Projekty budowlane w enova Wersja 1.1. 2013 Projekty budowlane w enova Wersja 1.1. Dokument opisujący podstawową funkcjonalność którą udało się zrealizować w module Projekty budowlane do systemu enov. Przygotował: Piotr Maj Alt One 2013-06-01

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Rozkład wymagający

Bardziej szczegółowo

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności.

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności. Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby

Bardziej szczegółowo

Moduł mapowania danych

Moduł mapowania danych Moduł mapowania danych Styczeń 2011 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości. W przeciwnym przypadku, żadna część niniejszego dokumentu,

Bardziej szczegółowo

PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA

PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA PODSTAWOWE ANALIZY I WIZUALIZACJA Z WYKORZYSTANIEM MAP W STATISTICA Krzysztof Suwada, StatSoft Polska Sp. z o.o. Wstęp Wiele różnych analiz dotyczy danych opisujących wielkości charakterystyczne bądź silnie

Bardziej szczegółowo

Wprowadzenie do analizy dyskryminacyjnej

Wprowadzenie do analizy dyskryminacyjnej Wprowadzenie do analizy dyskryminacyjnej Analiza dyskryminacyjna to zespół metod statystycznych używanych w celu znalezienia funkcji dyskryminacyjnej, która możliwie najlepiej charakteryzuje bądź rozdziela

Bardziej szczegółowo

PODSTAWOWE POJĘCIA BAZ DANYCH

PODSTAWOWE POJĘCIA BAZ DANYCH Baza danych (data base) - uporządkowany zbiór danych o określonej strukturze, przechowywany na nośniku informacji w komputerze. System bazy danych można zdefiniować jako bazę danych wraz z oprogramowaniem

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 4: Statystyki opisowe (część 1) Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można

Bardziej szczegółowo

BAZY DANYCH Formularze i raporty

BAZY DANYCH Formularze i raporty BAZY DANYCH Formularze i raporty Za pomocą tabel można wprowadzać nowe dane, przeglądać i modyfikować dane już istniejące. Jednak dla typowego użytkownika systemu baz danych, przygotowuje się specjalne

Bardziej szczegółowo

5.5. Wybieranie informacji z bazy

5.5. Wybieranie informacji z bazy 5.5. Wybieranie informacji z bazy Baza danych to ogromny zbiór informacji, szczególnie jeśli jest odpowiedzialna za przechowywanie danych ogromnych firm lub korporacji. Posiadając tysiące rekordów trudno

Bardziej szczegółowo

INSTRUKCJA UŻYTKOWNIKA Generowanie Jednolitego Pliku Kontrolnego (JPK) ISO 9001:2008 Dokument: Wydanie: 1 Waga: 90

INSTRUKCJA UŻYTKOWNIKA Generowanie Jednolitego Pliku Kontrolnego (JPK) ISO 9001:2008 Dokument: Wydanie: 1 Waga: 90 Pakiet zmian w systemie związany z nowelizacją ustawy z dnia 10 września 2015r. I. Wstęp W związku ze zmianami wynikającymi z ustawy z dnia 10 września 2015 r. o zmianie ustawy Ordynacja podatkowa oraz

Bardziej szczegółowo

1. Zarządzanie informacją w programie Access

1. Zarządzanie informacją w programie Access 1. Zarządzanie informacją w programie Access a. 1. Cele lekcji i. a) Wiadomości Uczeń: zna definicję bazy danych i jej zadania, zna pojęcia: rekord, pole, klucz podstawowy, zna obiekty bazy danych: tabele,

Bardziej szczegółowo

INFORMATYKA W SELEKCJI

INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI INFORMATYKA W SELEKCJI - zagadnienia 1. Dane w pracy hodowlanej praca z dużym zbiorem danych (Excel) 2. Podstawy pracy z relacyjną bazą danych w programie MS Access 3. Systemy statystyczne

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa Autorzy scenariusza: SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Rozkład zgodny

Bardziej szczegółowo

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości

Bardziej szczegółowo

Wykład 3: Prezentacja danych statystycznych

Wykład 3: Prezentacja danych statystycznych Wykład 3: Prezentacja danych statystycznych Dobór metody prezentacji danych Dobór metody prezentacji danych zależy od: charakteru danych statystycznych (inne metody wybierzemy dla danych przekrojowych,

Bardziej szczegółowo

Wymagania edukacyjne na ocenę z informatyki klasa 3

Wymagania edukacyjne na ocenę z informatyki klasa 3 Wymagania edukacyjne na ocenę z informatyki klasa 3 0. Logo [6 godz.] PODSTAWA PROGRAMOWA: Rozwiązywanie problemów i podejmowanie decyzji z wykorzystaniem komputera, stosowanie podejścia algorytmicznego.

Bardziej szczegółowo

EGZAMIN MATURALNY W ROKU SZKOLNYM 2017/2018 INFORMATYKA

EGZAMIN MATURALNY W ROKU SZKOLNYM 2017/2018 INFORMATYKA EGZAMIN MATURALNY W ROKU SZKOLNYM 2017/2018 INFORMATYKA POZIOM ROZSZERZONY FORMUŁA OD 2015 ( NOWA MATURA ) ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1,R2 MAJ 2018 Uwaga: Akceptowane są wszystkie odpowiedzi

Bardziej szczegółowo

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM, Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Oczekiwania? 2 3 Bazy danych Jak przechowywać informacje? Jak opisać rzeczywistość?

Bardziej szczegółowo

Moduł mapowania danych

Moduł mapowania danych Moduł mapowania danych Grudzień 2013 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości. W przeciwnym przypadku, żadna część niniejszego dokumentu,

Bardziej szczegółowo

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Literatura i inne pomoce Silberschatz A., Korth H., S. Sudarshan: Database

Bardziej szczegółowo

Krzysztof Kluza proste ćwiczenia z baz danych

Krzysztof Kluza proste ćwiczenia z baz danych Bazy danych Baza danych to uporządkowany zbiór danych, dający się łatwo przeszukiwać. Każda pozycja bazy danych nazywana jest rekordem, z kolei rekordy składają się z pól. Przyjmując, że dysponujemy bazą

Bardziej szczegółowo

SZCZEGÓŁOWY HARMONOGRAM SZKOLENIA

SZCZEGÓŁOWY HARMONOGRAM SZKOLENIA SZCZEGÓŁOWY HARMONOGRAM SZKOLENIA Projekt: Podnoszenie kwalifikacji drogą do sukcesu Szkolenie: Kurs obsługi komputera ECDL start (harmonogram kursu języka angielskiego zostanie umieszczony wkrótce) Termin

Bardziej szczegółowo

Ewidencja Opłat za Korzystanie ze Środowiska

Ewidencja Opłat za Korzystanie ze Środowiska Ewidencja Opłat za Korzystanie ze Środowiska Instrukcja obsługi 1 Spis treści 1. Logowanie do systemu 2. Ustawienia 2.1.Ustawienia firmy 2.2.Instalacje a) Zarządzanie instalacjami b) Pozwolenia c) Urządzenia/Procesy

Bardziej szczegółowo

Spis treści 3. Spis treści

Spis treści 3. Spis treści 3 Wstęp... 9 1. Informatyka w procesie zarządzania przedsiębiorstwem... 15 1.1. Związek informatyki z zarządzaniem przedsiębiorstwem... 17 1.2. System informacyjny a system informatyczny... 21 1.3. Historia

Bardziej szczegółowo

PRZESTRZENNE BAZY DANYCH WYKŁAD 2

PRZESTRZENNE BAZY DANYCH WYKŁAD 2 PRZESTRZENNE BAZY DANYCH WYKŁAD 2 Baza danych to zbiór plików, które fizycznie przechowują dane oraz system, który nimi zarządza (DBMS, ang. Database Management System). Zadaniem DBMS jest prawidłowe przechowywanie

Bardziej szczegółowo

ECDL zaawansowany, moduł EXCEL

ECDL zaawansowany, moduł EXCEL ECDL zaawansowany, moduł EXCEL Szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Czas trwania szkolenia - 20h (3 dni szkoleniowe) Grupa- 10 osób Terminy - 18-20

Bardziej szczegółowo

Niestandardowa tabela częstości

Niestandardowa tabela częstości raportowanie Niestandardowa tabela częstości Przemysław Budzewski Predictive Solutions Do czego dążymy W Generalnym Sondażu Społecznym USA w 1991 roku badaniu poddano respondentów należących do szeregu

Bardziej szczegółowo

Instrukcja użytkownika ARSoft-WZ3

Instrukcja użytkownika ARSoft-WZ3 02-699 Warszawa, ul. Kłobucka 8 pawilon 119 tel. 0-22 853-48-56, 853-49-30, 607-98-95 fax 0-22 607-99-50 email: info@apar.pl www.apar.pl Instrukcja użytkownika ARSoft-WZ3 wersja 1.5 1. Opis Aplikacja ARSOFT-WZ3

Bardziej szczegółowo

Konspekt do lekcji informatyki dla klasy II gimnazjum. TEMAT(1): Baza danych w programie Microsoft Access.

Konspekt do lekcji informatyki dla klasy II gimnazjum. TEMAT(1): Baza danych w programie Microsoft Access. Konspekt do lekcji informatyki dla klasy II gimnazjum. Opracowała: Mariola Franek TEMAT(1): Baza danych w programie Microsoft Access. Cel ogólny: Zapoznanie uczniów z możliwościami programu Microsoft Access.

Bardziej szczegółowo

Zapytania do bazy danych

Zapytania do bazy danych Zapytania do bazy danych Tworzenie zapytań do bazy danych MS Access może być realizowane na dwa sposoby. Standard SQL (Stucture Query Language) lub QBE (Query by Example). Warto wiedzieć, że drugi ze sposobów

Bardziej szczegółowo

Pracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki. Podstawy Informatyki i algorytmizacji

Pracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki. Podstawy Informatyki i algorytmizacji Pracownia Informatyczna Instytut Technologii Mechanicznej Wydział Inżynierii Mechanicznej i Mechatroniki Podstawy Informatyki i algorytmizacji wykład 1 dr inż. Maria Lachowicz Wprowadzenie Dlaczego arkusz

Bardziej szczegółowo

METODA TWORZENIA TYPOSZEREGÓW KONSTRUKCJI MASZYN Z ZASTOSOWANIEM TEORII PODOBIEŃSTWA KONSTRUKCYJNEGO

METODA TWORZENIA TYPOSZEREGÓW KONSTRUKCJI MASZYN Z ZASTOSOWANIEM TEORII PODOBIEŃSTWA KONSTRUKCYJNEGO MODELOWANIE INŻYNIERSKIE nr 47, ISSN 1896-771X METODA TWORZENIA TYPOSZEREGÓW KONSTRUKCJI MASZYN Z ZASTOSOWANIEM TEORII PODOBIEŃSTWA KONSTRUKCYJNEGO Mateusz Cielniak 1a, Piotr Gendarz 1b 1 Instytut Automatyzacji

Bardziej szczegółowo

LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH

LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH UNIWERSYTET ZIELONOGÓRSKI INSTYTUT INFORMATYKI I ELEKTROTECHNIKI ZAKŁAD INŻYNIERII KOMPUTEROWEJ Przygotował: dr inż. Janusz Jabłoński LABORATORIUM 6: ARKUSZ MS EXCEL JAKO BAZA DANYCH Jeżeli nie jest potrzebna

Bardziej szczegółowo

Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych

Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych Analizy na podstawie danych sprawozdawczych - Moduł Analiz dla Banków Spółdzielczych Kwiecień 2012 Wszelkie prawa zastrzeżone. Dokument może być reprodukowany lub przechowywany bez ograniczeń tylko w całości.

Bardziej szczegółowo

Oracle11g: Wprowadzenie do SQL

Oracle11g: Wprowadzenie do SQL Oracle11g: Wprowadzenie do SQL OPIS: Kurs ten oferuje uczestnikom wprowadzenie do technologii bazy Oracle11g, koncepcji bazy relacyjnej i efektywnego języka programowania o nazwie SQL. Kurs dostarczy twórcom

Bardziej szczegółowo

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności Badanie normalności rozkładu Shapiro-Wilka: jest on najbardziej zalecanym testem normalności rozkładu. Jednak wskazane jest, aby

Bardziej szczegółowo

1 TEMAT LEKCJI 2 CELE LEKCJI 3 METODY NAUCZANIA. Scenariusz lekcji. 2.1 Wiadomości. 2.2 Umiejętności. Scenariusz lekcji

1 TEMAT LEKCJI 2 CELE LEKCJI 3 METODY NAUCZANIA. Scenariusz lekcji. 2.1 Wiadomości. 2.2 Umiejętności. Scenariusz lekcji Scenariusz lekcji 1 TEMAT LEKCJI Analiza danych w arkuszu kalkulacyjnym 2 CELE LEKCJI 2.1 Wiadomości Uczeń potrafi: omówić typy wykresów oraz ich zastosowanie; omówić funkcje agregujące oraz ich zastosowanie;

Bardziej szczegółowo

INFORMATYKA

INFORMATYKA INFORMATYKA - - 1 - - Gimnazjum nr 2 im. Jana Pawła II w Lublińcu WYMAGANIA EDUKACYJNE w klasie drugiej NR LEK CJI TEMAT 36 Zajęcia organizacyjne TREŚCI PODSTAWY PROGRAMOWEJ OBLICZENIA W ARKUSZU KALKULACYJNYM

Bardziej szczegółowo

Microsoft Excel 2003 profesjonalna analiza i raportowanie oraz prezentacja danych

Microsoft Excel 2003 profesjonalna analiza i raportowanie oraz prezentacja danych Microsoft Excel 2003 profesjonalna analiza i raportowanie oraz prezentacja danych Projekt: Wdrożenie strategii szkoleniowej prowadzony przez KancelarięPrezesa Rady Ministrów Projekt współfinansowany przez

Bardziej szczegółowo

Baza danych Uczniowie.mdb

Baza danych Uczniowie.mdb Baza danych Uczniowie.mdb Zadania: 1. Tabele: Założyć bazę danych uczniowie.mdb o strukturze danych: Uczniowie-dane - zip Uczniowie1_dane - zip uczzsbd1.mdb 1) UCZNIOWIE (NRU, nazwisko, imie) a) Wpisać

Bardziej szczegółowo

Dziennik Urzędowy Unii Europejskiej L 274/9

Dziennik Urzędowy Unii Europejskiej L 274/9 20.10.2009 Dziennik Urzędowy Unii Europejskiej L 274/9 ROZPORZĄDZENIE KOMISJI (WE) NR 976/2009 z dnia 19 października 2009 r. w sprawie wykonania dyrektywy 2007/2/WE Parlamentu Europejskiego i Rady w zakresie

Bardziej szczegółowo

MS Access formularze

MS Access formularze MS Access formularze Formularze to obiekty służące do wprowadzania i edycji danych znajdujących się w tabelach. O ile wprowadzanie danych bezpośrednio do tabel odbywa się zawsze w takiej samej formie (arkusz

Bardziej szczegółowo

3.7. Wykresy czyli popatrzmy na statystyki

3.7. Wykresy czyli popatrzmy na statystyki 3.7. Wykresy czyli popatrzmy na statystyki Współczesne edytory tekstu umożliwiają umieszczanie w dokumentach prostych wykresów, służących do graficznej reprezentacji jakiś danych. Najprostszym sposobem

Bardziej szczegółowo

2017/2018 WGGiOS AGH. LibreOffice Base

2017/2018 WGGiOS AGH. LibreOffice Base 1. Baza danych LibreOffice Base Jest to zbiór danych zapisanych zgodnie z określonymi regułami. W węższym znaczeniu obejmuje dane cyfrowe gromadzone zgodnie z zasadami przyjętymi dla danego programu komputerowego,

Bardziej szczegółowo

Informatyka Ćwiczenie 10. Bazy danych. Strukturę bazy danych można określić w formie jak na rysunku 1. atrybuty

Informatyka Ćwiczenie 10. Bazy danych. Strukturę bazy danych można określić w formie jak na rysunku 1. atrybuty Informatyka Ćwiczenie 10 Bazy danych Baza danych jest zbiór informacji (zbiór danych). Strukturę bazy danych można określić w formie jak na rysunku 1. Pracownik(ID pracownika, imie, nazwisko, pensja) Klient(ID

Bardziej szczegółowo

KOMPUTEROWE METODY WSPOMAGANIA ZARZĄDZANIA STADEM KRÓW MLECZNYCH

KOMPUTEROWE METODY WSPOMAGANIA ZARZĄDZANIA STADEM KRÓW MLECZNYCH Inżynieria Rolnicza 5(103)/2008 KOMPUTEROWE METODY WSPOMAGANIA ZARZĄDZANIA STADEM KRÓW MLECZNYCH Aleksander Krzyś, Paulina Kinal Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu Streszczenie:

Bardziej szczegółowo

Laboratorium Technologii Informacyjnych. Projektowanie Baz Danych

Laboratorium Technologii Informacyjnych. Projektowanie Baz Danych Laboratorium Technologii Informacyjnych Projektowanie Baz Danych Komputerowe bazy danych są obecne podstawowym narzędziem służącym przechowywaniu, przetwarzaniu i analizie danych. Gromadzone są dane w

Bardziej szczegółowo

ActiveXperts SMS Messaging Server

ActiveXperts SMS Messaging Server ActiveXperts SMS Messaging Server ActiveXperts SMS Messaging Server to oprogramowanie typu framework dedykowane wysyłaniu, odbieraniu oraz przetwarzaniu wiadomości SMS i e-mail, a także tworzeniu własnych

Bardziej szczegółowo

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0 Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia

Bardziej szczegółowo

Program szkolenia EXCEL PRZEKROJOWY ZAAWANSOWANY.

Program szkolenia EXCEL PRZEKROJOWY ZAAWANSOWANY. Program szkolenia EXCEL PRZEKROJOWY ZAAWANSOWANY SZKOLENIE JEST DLA OSÓB, KTÓRE: znają podstawy programu Microsoft Excel, chcą przyspieszyć i usprawnić pracę oraz poszerzyć posiadaną już wiedzę z zakresu

Bardziej szczegółowo

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...

Bardziej szczegółowo

Wykład 2: Arkusz danych w programie STATISTICA

Wykład 2: Arkusz danych w programie STATISTICA Wykład 2: Arkusz danych w programie STATISTICA Nazwy przypadków Numer i nazwa zmiennej Elementy arkusza danych Cechy statystyczne Zmienne (kolumny) Jednostki statystyczne Przypadki (wiersze) Tworzenie

Bardziej szczegółowo

WYKONANIE APLIKACJI WERYFIKUJĄCEJ PIONOWOŚĆ OBIEKTÓW WYSMUKŁYCH Z WYKORZYSTANIEM JĘZYKA C++ 1. Wstęp

WYKONANIE APLIKACJI WERYFIKUJĄCEJ PIONOWOŚĆ OBIEKTÓW WYSMUKŁYCH Z WYKORZYSTANIEM JĘZYKA C++ 1. Wstęp Autor: inż. Izabela KACZMAREK Opiekun naukowy: dr inż. Ryszard SOŁODUCHA WYKONANIE APLIKACJI WERYFIKUJĄCEJ PIONOWOŚĆ OBIEKTÓW WYSMUKŁYCH Z WYKORZYSTANIEM JĘZYKA C++ 1. Wstęp Obecnie wykorzystywane przez

Bardziej szczegółowo

Tworzenie szablonów użytkownika

Tworzenie szablonów użytkownika Poradnik Inżyniera Nr 40 Aktualizacja: 12/2018 Tworzenie szablonów użytkownika Program: Plik powiązany: Stratygrafia 3D - karty otworów Demo_manual_40.gsg Głównym celem niniejszego Przewodnika Inżyniera

Bardziej szczegółowo

5. Arkusz kalkulacyjny Excel 205

5. Arkusz kalkulacyjny Excel 205 Informatyka dla kadry kierowniczej przedsiębiorstwa : podręcznik akademicki / Jan Kowalczuk, Barbara Niekrasz, Anna Wallis ; pod red. Eugeniusza Michalskiego. Koszalin, 2012 Spis treści Wstęp 9 1. Informatyka

Bardziej szczegółowo

INFORMATYKA POZIOM ROZSZERZONY

INFORMATYKA POZIOM ROZSZERZONY EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę* 0,5 0,5

Egzamin / zaliczenie na ocenę* 0,5 0,5 Zał. nr 4 do ZW 33/01 WYDZIAŁ INFORMATYKI I ZARZĄDZANIA KARTA PRZEDMIOTU Nazwa w języku polskim: Technologia przetwarzania danych Nazwa w języku angielskim: Data processing technology Kierunek studiów

Bardziej szczegółowo

Wymagania na poszczególne oceny w klasach 3 gimnazjum

Wymagania na poszczególne oceny w klasach 3 gimnazjum Wymagania na poszczególne oceny w klasach 3 gimnazjum Znaczenie komputera we współczesnym świecie Przypomnienie wiadomości na temat języka HTML Wstawianie tabeli na stronę WWW Wstawianie listy punktowanej

Bardziej szczegółowo

1. Logowanie do systemu

1. Logowanie do systemu 1 Spis treści 1. Logowanie do systemu 2. Ustawienia 2.1. Ustawienia firmy 2.2. Instalacje a) Zarządzanie instalacjami b) Pozwolenia c) Urządzenia/Procesy d) Odbiorniki ścieków e) Ujęcia wód f) Gminy 2.3.

Bardziej szczegółowo

PL 198457 B1. ABB Sp. z o.o.,warszawa,pl 17.12.2001 BUP 26/01. Michał Orkisz,Kraków,PL Mirosław Bistroń,Jarosław,PL 30.06.

PL 198457 B1. ABB Sp. z o.o.,warszawa,pl 17.12.2001 BUP 26/01. Michał Orkisz,Kraków,PL Mirosław Bistroń,Jarosław,PL 30.06. RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 198457 (13) B1 (21) Numer zgłoszenia: 340813 (51) Int.Cl. G06F 17/21 (2006.01) G06Q 10/00 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)

Bardziej szczegółowo

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie. STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą

Bardziej szczegółowo