Escolar Documentos
Profissional Documentos
Cultura Documentos
1. (Bancas: FCC / Instituições: AL-SP / Provas: Agente Técnico Legislativo Especializado - Admin e
Arquitetura de Dados / Anos: 2010)
Id: 502883 - Disciplina:Banco de Dados
NÃO é uma vantagem do SGBD:
a) controle de redundância.
b) compartilhamento de dados.
c) restrição a acesso não autorizado.
d) tolerância a falhas.
e) custo.
https://goo.gl/sWpC1v
2. (Bancas: FCC / Instituições: MPE-PB / Provas: Analista de Sistemas – Administrador de Banco de Dados /
Anos: 2015)
Id: 453622 - Disciplina:Banco de Dados
Um Analista precisa criar as estruturas de tabelas usando um Sistema Gerenciador de Bancos de Dados (SGBD),
com base em um Diagrama Entidade-Relacionamento e um Modelo Relacional Ampliado RM/T. Durante o seu
trabalho ele deverá criar uma
a) tabela para cada Relacionamento apontado no Diagrama Entidade-Relacionamento.
b) tabela com todos os atributos representados no Diagrama Entidade-Relacionamento.
c) tabela para cada tupla representada no Modelo Relacional Ampliado RM/T.
d) tabela para cada Entidade do Diagrama Entidade-Relacionamento.
e) chave primária de tabela para cada atributo de cada tupla representada no Modelo Relacional Ampliado
RM/T.
https://goo.gl/B7kD39
3. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Técnico Judiciário - Tecnologia da
Informação / Anos: 2015)
Id: 449199 - Disciplina:Banco de Dados
Considere a figura abaixo que traz componentes de um sistema de BI-Business Intelligence.
Os elementos I, II, III e IV indicados na figura são, correta e respectivamente, associados com:
a) PL/SQL − Oracle 11g − OLAP − Data Mining.
b) Portal Corporativo − SGBD − Consultas SQL − Cubo de Dados.
c) SGBD − Data Warehouse − OLAP − Data Mining.
d) Oracle − Cubo de Dados − Consultas PL/SQL − OLAP.
e) OLTP − Data Warehouse − Operações Drill − Cubo de Dados.
https://goo.gl/oICMy3
4. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Analista Judiciário - Tecnologia da
Informação / Anos: 2015)
Id: 448088 - Disciplina:Banco de Dados
Considere a arquitetura geral de um sistema de BI- Business Intelligence mostrada na figura abaixo.
Nesta arquitetura
a) Data Marts representam áreas de armazenamento intermediário criadas a partir do processo de ETL. Auxiliam
na transição dos dados das fontes OLTP para o destino final no Data Warehouse.
b) OLAP é um subconjunto de informações extraído do Data Warehouse que pode ser identificado por assuntos
ou departamentos específicos. Utiliza uma modelagem multidimensional conhecida como modelo estrela.
c) os dados armazenados no Data Warehouse são integrados na base única mantendo as convenções de nomes,
valores de variáveis e outros atributos físicos de dados como foram obtidos das bases de dados originais.
d) o Data Warehouse não é volátil, permite apenas a carga inicial dos dados e consultas a estes dados. Além
disso, os dados nele armazenados são precisos em relação ao tempo, não podendo ser atualizados.
e) Data Mining se refere ao processo que, na construção do Data Warehouse, é utilizado para composição de
análises e relatórios, armazenando dados descritivos e qualificando a respectiva métrica associada.
https://goo.gl/Pkl7vk
5. (Bancas: FCC / Instituições: DPE-SP / Provas: Programador / Anos: 2015)
Id: 438909 - Disciplina:Banco de Dados
Em um MER − Modelo Entidade-Relacionamento, atributos são as características que descrevem cada entidade
dentro do domínio. Os atributos são classificados como
a) denominativos, se representam características intrínsecas de uma entidade, tais como nome, salário, situação.
b) descritivos, se, além de serem denominativos, têm a função de definir e identificar um objeto, como nome,
código, sexo.
c) singulares, se um único atributo define uma característica da entidade, como nome, peso, data.
d) complementares, se, para definir uma informação da entidade, são usados vários atributos.
e) referenciais, se representam a ligação de uma entidade com outra em um relacionamento.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
https://goo.gl/bAMFui
6. (Bancas: FCC / Instituições: TRT - 9ª REGIÃO (PR) / Provas: Técnico Judiciário - Área Apoio
Especializado / Anos: 2015)
Id: 436354 - Disciplina:Banco de Dados
Uma plataforma de Business Intelligence envolve o DW − Data Warehouse e diversos componentes, dentre os
quais, encontram-se
https://goo.gl/92oSSc
11. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Técnico de Nível Superior - Analista de
Sistemas / Anos: 2016)
Id: 401969 - Disciplina:Banco de Dados
Em um Star Schema de um Data Warehouse – DW, a tabela Dimensão possui característica
a) descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui
característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados
das Dimensões. Dimensões são ligadas entre si e qualquer uma delas se liga diretamente a tabela Fato. Os dados
devem ser normalizados.
b) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os
dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser desnormalizados.
c) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os
dados das Dimensões. Dimensões não são ligadas entre si. Os dados devem ser normalizados.
d) quantitativa dentro do DW. Ela quantifica as informações provenientes da tabela Fato; A tabela Fato possui
característica descritiva dentro do DW. A partir dela são extraídas as nomenclaturas que são quantificadas com os
dados das Dimensões. Dimensões são ligadas entre si. Os dados devem ser normalizados.
e) descritiva dentro do DW. Ela qualifica as informações provenientes da tabela Fato; A tabela Fato possui
característica quantitativa dentro do DW. A partir dela são extraídas as métricas que são cruzadas com os dados
das Dimensões. Dimensões são ligadas diretamente a tabela Fato. Outra característica marcante é que os dados
são desnormalizados.
https://goo.gl/6eL5fE
12. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Técnico de Nível Superior - Analista de
Sistemas / Anos: 2016)
Id: 401968 - Disciplina:Banco de Dados
Durante a modelagem de dados, um Analista de Sistema da Prefeitura de Teresina deparou-se com a situação
apresentada na tabela abaixo.
Para que haja unicidade de identificação do Departamento, é necessário que, na modelagem de dados, o
a) Órgão seja definido como Entidade Fraca de Departamento, sendo o lado n de um relacionamento de
dependência 1:n.
b) Departamento seja definido como Entidade Fraca de Órgão sendo o lado n de um relacionamento de
dependência 1:n.
c) Departamento seja definido como Entidade Fraca de Órgão em um relacionamento de dependência n:m.
d) Órgão seja definido como Entidade Fraca de Departamento em um relacionamento de dependência n:m.
e) Órgão e Departamento sejam modelados em um relacionamento n:m não dependente.
https://goo.gl/mtGyWK
13. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Técnico de Nível Superior - Analista de
Sistemas / Anos: 2016)
Id: 401967 - Disciplina:Banco de Dados
Durante o levantamento de requisitos um Analista de Sistemas identificou um relacionamento denominado
Subordinação que relacionava um Órgão a outro da Prefeitura de Teresina como Órgão Subordinante (superior) e
Órgão Subordinado. Esse relacionamento explicava a hierarquia administrativa entre órgãos. Desta forma, o
Analista, durante a modelagem de dados, modelou corretamente Subordinação como
a) relacionamento ternário.
b) autorrelacionamento n:m.
c) autorrelacionamento 1:n.
d) relacionamento dependente.
e) entidade nula.
https://goo.gl/Ris4YB
14. (Bancas: FCC / Instituições: Prefeitura de Teresina - PI / Provas: Técnico de Nível Superior - Analista de
Sistemas / Anos: 2016)
Id: 401966 - Disciplina:Banco de Dados
Um Analista de Sistemas da Prefeitura de Teresina necessita modelar em um diagrama E-R as consultas dos
cidadãos aos processos públicos. O relacionamento da consulta definido é n:m. Todavia cada consulta realizada
deve ter uma identificação própria e mais o atributo data da consulta. Este relacionamento assim especificado
relaciona-se com outras entidades do modelo, de acordo com o levantamento de requisitos.
Pela característica assim definida, esse relacionamento de consulta deve ser desenhado como
a) atributo associativo.
b) entidade fraca.
c) relacionamento dependente.
d) entidade associativa.
e) relacionamento forte.
http://goo.gl/N62jHZ
15. (Bancas: FCC / Instituições: TRE-PI / Provas: Analista Judiciário - Tecnologia da Informação / Anos:
2009)
Id: 360990 - Disciplina:Banco de Dados
Uma chave estrangeira de uma tabela relacional é
a) um índice de uma tabela migrado de outra tabela.
b) um índice derivado parcialmente de uma chave primária de outra tabela.
c) um atributo que aponta para a chave primária de uma outra tabela.
d) uma ligação de relacionamento múltiplo entre duas ou mais tabelas.
e) uma ligação de relacionamento entre as chaves primárias de duas tabelas.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
http://goo.gl/vsKZog
16. (Bancas: FCC / Instituições: TCE-SP / Provas: Agente da Fiscalização Financeira - Informática - Produção
e Banco de Dados / Anos: 2010)
Id: 349240 - Disciplina:Banco de Dados
Considere uma dada população de eventos ou novos itens que podem ser particionados (segmentados) em
conjuntos de elementos similares, tal como, por exemplo, uma população de dados sobre uma doença que pode
ser dividida em grupos baseados na similaridade dos efeitos colaterias produzidos. Como um dos modos de
descrever o conhecimento descoberto durante a data mining este é chamado de
a) associação.
b) otimização.
c) classificação.
d) clustering.
e) temporização.
http://goo.gl/OmQUEu
17. (Bancas: FCC / Instituições: TCE-SP / Provas: Agente da Fiscalização Financeira - Informática - Produção
e Banco de Dados / Anos: 2010)
Id: 349239 - Disciplina:Banco de Dados
Uma das abordagens de mining define que, se uma regra de classificação é considerada uma função sobre
variáveis que as mapeia em uma classe destino, a regra é chamada
a) categorização.
b) Apriori.
c) algoritmo genético.
d) regressão.
e) minimização.
http://goo.gl/6aOHF8
18. (Bancas: FCC / Instituições: TCE-SP / Provas: Agente da Fiscalização Financeira - Informática - Produção
e Banco de Dados / Anos: 2010)
Id: 349238 - Disciplina:Banco de Dados
No âmbito dos algoritmos associados ao mining, se houver um banco de dados com um número potencial
pequeno de conjuntos de itens grandes, isto é, uns poucos milhares, então o suporte para todos eles pode ser
testado em uma passagem usando a técnica específica de
a) hierarquização.
b) partição.
c) amostragem.
d) árvore de padrão frequente.
e) séries temporais.
http://goo.gl/q3cc1Y
19. (Bancas: FCC / Instituições: TCM-PA / Provas: Técnico em Informática / Anos: 2010)
Id: 344952 - Disciplina:Banco de Dados
Especificamente, um data mining onde as tendências são modeladas conforme o tempo, usando dados
conhecidos, e as tendências futuras são obtidas com base no modelo possui a forma de mining
a) textual.
b) flocos de neve.
c) espacial.
d) estrela.
e) preditivo.
http://goo.gl/ctKsJQ
20. (Bancas: FCC / Instituições: AL-SP / Provas: Agente Técnico Legislativo Especializado - Admin e
Arquitetura de Dados / Anos: 2010)
Id: 334692 - Disciplina:Banco de Dados
Chaves são utilizadas para especificar restrições de integridade básicas de um SGBD relacional. NÃO é um tipo
de chave do modelo relacional:
a) Primária.
b) Candidata.
c) Estrangeira.
d) Composta.
e) Terciária.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
http://goo.gl/zUUIGK
21. (Bancas: FCC / Instituições: TRF - 4ª REGIÃO / Provas: Analista Judiciário - Tecnologia da Informação /
Anos: 2010)
Id: 331634 - Disciplina:Banco de Dados
Sobre data mining, é correto afirmar:
a) É o processo de descoberta de novas correlações, padrões e tendências entre as informações de uma empresa,
por meio da análise de grandes quantidades de dados armazenados em bancos de dados usando técnicas de
reconhecimento de padrões, estatísticas e matemáticas.
b) Não requer interação com analistas humanos, pois os algoritmos utilizados conseguem determinar de forma
completa e eficiente o valor dos padrões encontrados.
c) Na mineração de dados, encontrar padrões requer que os dados brutos sejam sistematicamente
"simplificados", de forma a desconsiderar aquilo que é genérico e privilegiar aquilo que é específico.
d) É um grande banco de dados voltado para dar suporte necessário nas decisões de usuários finais, geralmente
gerentes e analistas de negócios.
e) O processo de descobrimento realizado pelo data mining só pode ser utilizado a partir de um data warehouse,
onde os dados já estão sem erros, sem duplicidade, são consistentes e habilitam descobertas abrangentes e
precisas.
http://goo.gl/E4uysz
22. (Bancas: FCC / Instituições: MPE-RN / Provas: Analista de Tecnologia da Informação - Banco de Dados /
Anos: 2010)
Id: 322064 - Disciplina:Banco de Dados
A arquitetura HOLAP (Hybrid On-Line Analytical Processing), para aproveitar as vantagens de alta performance
e de escalabilidade, combina as tecnologias
a) ROLAP e OLTP.
b) ROLAP e MOLAP.
c) DOLAP e MOLAP.
d) OLAP e DOLAP.
e) OLAP e OLTP.
http://goo.gl/9qNOKu
23. (Bancas: FCC / Instituições: MPE-RN / Provas: Analista de Tecnologia da Informação - Banco de Dados /
Anos: 2010)
Id: 322063 - Disciplina:Banco de Dados
Uma aplicação OLAP, com os dados armazenados no modelo relacional e também com suas consultas
processadas pelo gerenciador relacional, deverá ter sua arquitetura elaborada com o método
a) OLTP.
b) MOLAP.
c) ROLAP.
d) DOLAP.
e) HOLAP.
http://goo.gl/HP0Fq8
24. (Bancas: FCC / Instituições: TRE-RN / Provas: Técnico Judiciário - Programação de Sistemas / Anos:
2011)
Id: 291599 - Disciplina:Banco de Dados
Um modelo de base de dados que consiste principalmente de uma coleção de tabelas, uma coleção de operadores
e uma coleção de restrições de integridade, é conhecido como modelo
a) em rede.
b) referencial.
c) plano.
d) relacional.
e) hierárquico.
http://goo.gl/vpN3oK
25. (Bancas: FCC / Instituições: TRT - 4ª REGIÃO (RS) / Provas: Analista Judiciário - Tecnologia da
Informação / Anos: 2011)
Id: 289487 - Disciplina:Banco de Dados
Utilizando uma base multidimensional, o usuário passou da análise de informações sob a ótica da dimensão
tempo para a visão sob a dimensão regional. A operação OLAP aí realizada foi
a) roll up.
b) drill across.
c) drill throught.
d) slice and dice.
e) star across.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
http://goo.gl/7RD4h0
26. (Bancas: FCC / Instituições: TRT - 14ª Região (RO e AC) / Provas: Técnico Judiciário - Tecnologia da
Informação / Anos: 2011)
Id: 287368 - Disciplina:Banco de Dados
O usuário pode utilizar as ferramentas para navegar entre diferentes níveis de granularidade de um cubo de
dados, aumentando ou diminuindo o nível de detalhamento dos dados, através de processos denominados Drill
up e Drill down.Trata-se de ferramentas aplicadas, tipicamente, em
a) OLAP
b) data warehouse
c) data mining
d) OLAP e data warehouse.
e) data warehouse e data mining.
http://goo.gl/h0FsF3
27. (Bancas: FCC / Instituições: TRT - 14ª Região (RO e AC) / Provas: Analista Judiciário - Tecnologia da
Informação / Anos: 2011)
Id: 286352 - Disciplina:Banco de Dados
No contexto de DW, é uma categoria de ferramentas de análise denominada open-end e que permite ao usuário
avaliar tendências e padrões não conhecidos entre os dados. Trata-se de
a) slice.
b) star schema.
c) ODS.
d) ETL.
e) data mining.
http://goo.gl/D9xRcF
28. (Bancas: FCC / Instituições: TRT - 23ª REGIÃO (MT) / Provas: Técnico Judiciário - Tecnologia da
Informação / Anos: 2011)
Id: 282688 - Disciplina:Banco de Dados
NÃO se trata, comparativamente ao OLTP, de uma característica de um data warehouse:
a) organização dos dados por assunto.
b) natureza dinâmica dos dados, permitindo atualizações contínuas.
c) conteúdo composto de dados históricos, sumariados e integrados.
d) disponibilizar suporte para a tecnologia de data mining.
e) possibilitar processamento mais eficiente e apresentação de dados focada na tomada de decisão.
http://goo.gl/2No6aG
29. (Bancas: FCC / Instituições: INFRAERO / Provas: Analista de Sistemas - Administrador de Banco de
Dados / Anos: 2011)
Id: 279503 - Disciplina:Banco de Dados
No âmbito da descoberta do conhecimento (KDD), a visão geral das etapas que constituem o processo KDD
(Fayyad) e que são executadas de forma interativa e iterativa apresenta a seguinte sequência de etapas:
a) seleção, pré-processamento, transformação, data mining e interpretação/avaliação.
b) seleção, transformação, pré-processamento, interpretação/avaliação e data mining.
c) data warehousing, star modeling, ETL, OLAP e data mining.
d) ETL, data warehousing, pré-processamento, transformação e star modeling.
e) OLAP, ETL, star modeling, data mining e interpretação/avaliação.
http://goo.gl/L9XdJr
30. (Bancas: FCC / Instituições: INFRAERO / Provas: Analista de Sistemas - Administrador de Banco de
Dados / Anos: 2011)
Id: 279502 - Disciplina:Banco de Dados
Funcionalidade cujo objetivo é encontrar conjuntos de dados que não obedecem ao comportamento ou modelo
dos dados. Uma vez encontrados, podem ser tratados ou descartados para utilização em mining. Trata-se de
a) descrição.
b) agrupamento.
c) visualização.
d) análise de outliers.
e) análise de associações.
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo.
Uso individual
Cópia registrada para fernando barbosa de moura (CPF:0)
http://goo.gl/uXfGtS
31. (Bancas: FCC / Instituições: TRE-PE / Provas: Analista Judiciário - Análise de Sistemas / Anos: 2011)
Id: 265769 - Disciplina:Banco de Dados
Um processo importante que ocorre em relação à formação de um data warehouse é a obtenção dos dados de uma
ou mais bases de dados da origem. Deve ser rigoroso para evitar a deformação e/ou a perda dos dados quando
passados da fonte original para o destino. Trata- se de
a) MINING.
b) DATA MART.
c) MOLAP.
d) STAR.
e) ETL.
http://goo.gl/tjsyYM
32. (Bancas: FCC / Instituições: TCE-AM / Provas: Analista de Controle Externo - Tecnologia da Informação /
Anos: 2012)
Id: 234987 - Disciplina:Banco de Dados
Em ferramentas OLAP, a estrutura de dados que agrega as medidas por níveis e hierarquias de cada uma das
dimensões a serem analisadas, combinando várias dimensões, tais como tempo, geografia e linhas de produtos,
com dados resumidos, tais como números de vendas ou de inventário, é visualizada na forma de
a) um gráfico multidimensional.
b) uma esfera.
c) uma planilha.
d) um cubo.
e) uma pirâmide tridimensional.
http://goo.gl/WFc6ql
33. (Bancas: FCC / Instituições: TCE-AM / Provas: Analista de Controle Externo - Tecnologia da Informação /
Anos: 2012)
Id: 234980 - Disciplina:Banco de Dados
Em relação a bancos de dados, uma chave primária pode ser formada por uma ou mais colunas e deve possuir um
identificador único para
a) cada uma das colunas pertencente a essa chave.
b) cada coluna da tabela.
c) uma tupla (formada por linhas e colunas).
d) todos os registros da tabela.
e) cada linha da tabela.
http://goo.gl/pUvOr7
34. (Bancas: FCC / Instituições: TST / Provas: Analista Judiciário - Análise de Sistemas / Anos: 2012)
Id: 229084 - Disciplina:Banco de Dados
O processo de ETL em uma Data Warehouse possui várias fases. Em uma destas fases é efetuada a
a) extração dos dados dos sistemas de origem.
b) introdução de novos produtos no mercado.
c) validação das interfaces de usuário.
d) criação de diagramas estáticos e comportamentais das classes e atributos.
e) definição dos custos e prazos.
http://goo.gl/zD7sHg
35. (Bancas: FCC / Instituições: TRT - 9ª REGIÃO (PR) / Provas: Técnico Judiciário - Tecnologia da
Informação / Anos: 2013)
Id: 197656 - Disciplina:Banco de Dados
A revista ClubeDelphi publicou o seguinte artigo:
b) I II III IV
SGBD Data Mining Data Warehouse OLAP
c) I II III IV
OLAP Business Intelligence Date Mining Dashboard
d) I II III IV
Data Warehouse Date Mining Business Intelligence OLAP
e) I II III IV
OLAP Data Mart Date Werehousing Business Intelligence
http://goo.gl/mIP17R
36. (Bancas: FCC / Instituições: MPE-CE / Provas: Analista Ministerial - Ciências da Computação / Anos:
2013)
Id: 184940 - Disciplina:Banco de Dados
O modelo de dados relacional é baseado em uma coleção de ____ . O usuário pode consultá-las e inserir, excluir
e atualizar ____ . A ____ define um conjunto de operações sobre relações e as linguagens de consulta são
baseadas nela. O modelo de dados ____ é amplamente usado para o projeto do banco de dados, oferecendo uma
representação gráfica para visualizar dados, relacionamentos e ____ .
I. identificar afinidades existentes entre um conjunto de itens em um dado grupo de registros. Por exemplo: 75%
dos envolvidos em processos judiciais ligados a ataques maliciosos a servidores de dados também estão
envolvidos em processos ligados a roubo de dados sigilosos.
II. identificar sequências que ocorrem em determinados registros. Por exemplo: 32% de pessoas do sexo feminino
após ajuizarem uma causa contra o INSS solicitando nova perícia médica ajuízam uma causa contra o INSS
solicitando ressarcimento monetário.
III. as categorias são definidas antes da análise dos dados. Pode ser utilizada para identificar os atributos de um
determinado grupo que fazem a discriminação entre 3 tipos diferentes, por exemplo, os tipos de processos
judiciais podem ser categorizados como infrequentes, ocasionais e frequentes.
I. A tabela não contém dependências transitivas, ou seja, as colunas que não sejam chave primária não dependem
funcionalmente de outras colunas ou combinação de colunas que não sejam chave primária.
II. A tabela não contém dependências parciais, ou seja, cada coluna não chave depende da chave primária
completa e não apenas de parte dela.
Considere que a equipe de Analistas de Desenvolvimento de Sistemas do CNMP está projetando a arquitetura
para o Data Warehouse (DW) da instituição, conforme mostra a figura abaixo: