30-07-2013, 01:01
Gente, estoy preparando el final de GDD, y recolecte diferentes V-F. Me darían una mano con las respuestas. Algunas las conteste.
1. El algoritmo quicksort siempre tiene la misma complejidad que el algoritmo de Heapsort.
2. En un árbol de expresión los nodos maximales siempre son los operadores. V
3. El orden de complejidad del quicksort puede variar dependiendo de cómo vengan ordenados los datos. V En el mejor caso, el pivote termina en el centro de la lista, dividiéndola en dos sublistas de igual tamaño. En este caso, el orden de complejidad del algoritmo es O(n•log n). En el peor caso, el pivote termina en un extremo de la lista. El orden de complejidad del algoritmo es entonces de O(n²). El peor caso dependerá de la implementación del algoritmo, aunque habitualmente ocurre en listas que se encuentran ordenadas, o casi ordenadas. Pero principalmente depende del pivote, si por ejemplo el algoritmo implementado toma como pivote siempre el primer elemento del array, y el array que le pasamos está ordenado, siempre va a generar a su izquierda un array vacío, lo que es ineficiente
4. Un árbol balanceado siempre es lleno. F, para que este completo tiene que tener todas las hojas al mismo nivel, para balanceado puede ser <=1 la diferencia.
5. El orden de complejidad de en árbol b siempre es mejor que el orden de complejidad del quicksort
6. Para comprimir en el algoritmo de Huffman, se debe leer en un ciclo cada carácter del archivo a comprimir y acceder al árbol desde la raíz para llegar a la hoja que contiene el carácter. Si desciendo por un hijo izquierdo agrego un 0 como bit del código comprimido, si desciendo por un hijo derecho agregare un 1.
7. En un índice DBMS, armado en un árbol B, el tiempo de acceso a la información depende en parte del tamaño de la clave almacenada.
8. El algoritmo quicksort tiene un promedio un grado de complejidad O (n log n) pero en determinada circunstancia puede tener grade de complejidad O (n2) y ser el peor de todos los métodos de clasificación.
9. El método de árbol B es más rápido que Hashing para la creación de índices. FALSO- El Hashing en la mayoria de los casos es acceso directo F(x)=y.
10. Para reducir espacio al representar un grafo siempre es más conveniente la forma dinámica que estática.
11. La reexpresion de caracteres al aplicar Huffman implica la disminución de 8 bits para la expresión de todos los caracteres.
12. La ejecución sin filas de resultado de una query dentro de un trigger genera la cancelación de la transacción. V
13. Siempre es conveniente tener una tabla indexada por su PK
14. Una constraint es más eficiente que un trigger para validar el dominio de un atributo.
15. La única forma de definir una restricción de integridad sobre una columna de una tabla es mediante la restricción CHECK. F PK y FK también sirven.
16. Debido a que el crecimiento de un árbol es exponencial en base al grado del mismo, los tiempos de búsqueda en el mismo son siempre logarítmicos.
17. El método de compresión de Huffman es sin perdida, por eso no es recomendable para compactar imágenes o video. F Es con perdido, sirve para compactar imágenes y videos
18. En los motores de base de datos relacionales no está permitido realizar inserciones sobre una vista. F- Depende de cómo este armada la vista.
19. Si un árbol esta balanceado entonces está completo. FALSO
20. Un árbol binario de búsqueda siempre es más rápido que una lista para ordenar un conjunto de valores.
21. Un árbol de expresión siempre es completo. V
22. Luego de ejecutar una sentencia sql para crear una tabla, si se ejecuta un rollback la tabla queda dropeada. FALSO (no se necesita hacer commit para crear tabla)
23. Si una función de hash no posee una buena dispersión, se van a producir muchas colisiones.
24. Nunca es posible ejecutar la operación de insert sobre una vista. FALSO
25. En sql, una subconsulta ubicada en el where siempre debe retornar una fila y una columna. FALSO (en un exist o en un in puede retormar mas)
26. Un índice de base de datos relacional es una restricción al modelo físico. FALSO
Desde ya muchas Gracias!
1. El algoritmo quicksort siempre tiene la misma complejidad que el algoritmo de Heapsort.
2. En un árbol de expresión los nodos maximales siempre son los operadores. V
3. El orden de complejidad del quicksort puede variar dependiendo de cómo vengan ordenados los datos. V En el mejor caso, el pivote termina en el centro de la lista, dividiéndola en dos sublistas de igual tamaño. En este caso, el orden de complejidad del algoritmo es O(n•log n). En el peor caso, el pivote termina en un extremo de la lista. El orden de complejidad del algoritmo es entonces de O(n²). El peor caso dependerá de la implementación del algoritmo, aunque habitualmente ocurre en listas que se encuentran ordenadas, o casi ordenadas. Pero principalmente depende del pivote, si por ejemplo el algoritmo implementado toma como pivote siempre el primer elemento del array, y el array que le pasamos está ordenado, siempre va a generar a su izquierda un array vacío, lo que es ineficiente
4. Un árbol balanceado siempre es lleno. F, para que este completo tiene que tener todas las hojas al mismo nivel, para balanceado puede ser <=1 la diferencia.
5. El orden de complejidad de en árbol b siempre es mejor que el orden de complejidad del quicksort
6. Para comprimir en el algoritmo de Huffman, se debe leer en un ciclo cada carácter del archivo a comprimir y acceder al árbol desde la raíz para llegar a la hoja que contiene el carácter. Si desciendo por un hijo izquierdo agrego un 0 como bit del código comprimido, si desciendo por un hijo derecho agregare un 1.
7. En un índice DBMS, armado en un árbol B, el tiempo de acceso a la información depende en parte del tamaño de la clave almacenada.
8. El algoritmo quicksort tiene un promedio un grado de complejidad O (n log n) pero en determinada circunstancia puede tener grade de complejidad O (n2) y ser el peor de todos los métodos de clasificación.
9. El método de árbol B es más rápido que Hashing para la creación de índices. FALSO- El Hashing en la mayoria de los casos es acceso directo F(x)=y.
10. Para reducir espacio al representar un grafo siempre es más conveniente la forma dinámica que estática.
11. La reexpresion de caracteres al aplicar Huffman implica la disminución de 8 bits para la expresión de todos los caracteres.
12. La ejecución sin filas de resultado de una query dentro de un trigger genera la cancelación de la transacción. V
13. Siempre es conveniente tener una tabla indexada por su PK
14. Una constraint es más eficiente que un trigger para validar el dominio de un atributo.
15. La única forma de definir una restricción de integridad sobre una columna de una tabla es mediante la restricción CHECK. F PK y FK también sirven.
16. Debido a que el crecimiento de un árbol es exponencial en base al grado del mismo, los tiempos de búsqueda en el mismo son siempre logarítmicos.
17. El método de compresión de Huffman es sin perdida, por eso no es recomendable para compactar imágenes o video. F Es con perdido, sirve para compactar imágenes y videos
18. En los motores de base de datos relacionales no está permitido realizar inserciones sobre una vista. F- Depende de cómo este armada la vista.
19. Si un árbol esta balanceado entonces está completo. FALSO
20. Un árbol binario de búsqueda siempre es más rápido que una lista para ordenar un conjunto de valores.
21. Un árbol de expresión siempre es completo. V
22. Luego de ejecutar una sentencia sql para crear una tabla, si se ejecuta un rollback la tabla queda dropeada. FALSO (no se necesita hacer commit para crear tabla)
23. Si una función de hash no posee una buena dispersión, se van a producir muchas colisiones.
24. Nunca es posible ejecutar la operación de insert sobre una vista. FALSO
25. En sql, una subconsulta ubicada en el where siempre debe retornar una fila y una columna. FALSO (en un exist o en un in puede retormar mas)
26. Un índice de base de datos relacional es una restricción al modelo físico. FALSO
Desde ya muchas Gracias!