http://www.empiezoinformatica.wordpress.com
Saturday, 31 May 2014
Friday, 16 May 2014
Herramientas para empresas financieras en Excel (sinopsis)
Microsoft Excel es un componente de software para hojas de cálculo de la Suite Microsoft Office que permite hacer todo, desde rastreadores de fondos para vacaciones hasta contadores de consumo de calorías, pero tiene múltiples usos para el mundo de las finanzas empresariales. Excel va desde ser un simple “contador” a algo que puede automatizar los cálculos de un negocio, permitir una línea de tiempo de cambios, producir efectos visuales y ahorrar tiempo.
Macros
Es posible que los negocios quieran aprovechar las macros de Excel para minimizar su carga de trabajo. Si bien crear una macro involucra un procesamiento paso a paso, la idea es diseñar una macro funcional y luego dejar que Excel haga el resto del trabajo. Las empresas financieras que a menudo generan una lista de etiquetas de correo para informes trimestrales, por ejemplo, pueden crear una macro que reúna la información y la ordene en el formato de la etiqueta de dirección. Cuando se requiera imprimir la etiqueta de nuevo, simplemente hay que ejecutar la macro.
Gráficos
Incluso los usuarios de Excel más nuevos están familiarizados con su capacidad para generar gráficos, pero las empresas financieras pueden hacer uso de esta herramienta para transformar los números en palabras. Para cualquier tipo de ayuda visual, como un reporte anual, un cartel, folleto o documento, usa la función de gráficos en Excel, disponible en la pestaña “Insertar” de la parte superior de la pantalla. Entre sus opciones se encuentran los gráficos circulares y los de barras, pero Excel puede ir más adelante con gráficos de dispersión, burbujas, donas y radares. Incluso tiene el poder de manipular los colores del gráfico, renombrar los ejes y configurar las leyendas del mismo.
Tablas
Al observar una hoja de cálculo de Excel en blanco, la pantalla completa se ve similar a una tabla con sus columnas, filas y celdas. Pero esos simplemente son los fundamentos de Excel, usar tablas dentro de este programa proporciona una forma ideal de llevar el control, analizar o comparar información. El proceso de crear una tabla en Excel comienza con el botón de la pestaña “Insertar”. Excel te pregunta en dónde encontrar la información, luego abre una pestaña llamada “Herramientas para tablas” en la parte superior de la pantalla. Esta proporciona la habilidad de cambiar los colores de la tabla, crear cálculos, separar encabezados de los cálculos y hacer conversiones sin una calculadora.
Revisión
De forma similar a las opciones de revisión de su software hermano Microsoft Word, Excel ofrece a las empresas financieras la oportunidad de trabajar conjuntamente en un proyecto, por ejemplo una propuesta de ventas, sin perder el aporte individual de cada miembro del equipo. En la pestaña “Revisión” de Excel existen opciones para añadir comentarios, que se asocian a una celda de la hoja de cálculo. Los comentarios no bloquean la celda; un pequeño triángulo representa una celda con comentario. Excel registra automáticamente el nombre de inicio de sesión o el del propietario de la computadora y lo coloca junto al comentario. Los miembros del equipo pueden desplazarse a través de los comentarios, eliminarlos todos o uno por uno, o proteger una hoja de cálculo para evitar que se guarden comentarios.
Fuente: http://www.ehowenespanol.com/herramientas-empresas-financieras-excel-info_48056/
Wednesday, 7 May 2014
Excel: Herramientas analíticas
Herramientas analíticas
Acerca de las herramientas de análisis estadístico
Microsoft Excel proporciona un conjunto de herramientas de análisis de datos, denominadas Herramientas para análisis, que puede utilizar para ahorrar pasos a la hora de desarrollar análisis complejo de ingeniería o estadístico. Usted proporciona los datos y los parámetros para cada análisis; la herramienta utiliza las funciones de macros de ingeniería o estadísticas apropiadas y, a continuación, muestra los resultados en una tabla. Algunas herramientas generan gráficos además de las tablas de resultados.
Funciones relacionadas de la hoja de cálculo Excel proporciona muchas otras funciones estadísticas, financieras y de ingeniería de la hoja de cálculo. Algunas de las funciones estadísticas están integradas y otras están disponibles cuando se instalan las Herramientas para análisis.
Acceso a las herramientas de análisis de datos Las Herramientas para análisis incluyen las herramientas que se describen más abajo. Para tener acceso a estas herramientas, haga clic en Análisis de datos en el menú Herramientas. Si el comando Análisis de datos no está disponible, es necesario cargar el complemento (complemento: programa suplementario que agrega funciones o comandos personalizados a Microsoft Office.) Herramientas para análisis.
Acceso a las herramientas de análisis de datos Las Herramientas para análisis incluyen las herramientas que se describen más abajo. Para tener acceso a estas herramientas, haga clic en Análisis de datos en el menú Herramientas. Si el comando Análisis de datos no está disponible, es necesario cargar el complemento (complemento: programa suplementario que agrega funciones o comandos personalizados a Microsoft Office.) Herramientas para análisis.
Varianza
Las herramientas de análisis de varianza proporcionan distintos tipos de análisis de la varianza. La herramienta que debe usar depende del número de factores y del número de muestras que tenga de las poblaciones que desee comprobar.
Varianza de un factor Esta herramienta realiza un análisis simple de varianza en los datos de dos o más muestras. El análisis proporciona una prueba de la hipótesis de que cada muestra se extrae de la misma distribución subyacente de probabilidades frente a la hipótesis alternativa de que las distribuciones subyacentes de probabilidades no son las mismas para todas las muestras. Si sólo existen dos muestras, puede utilizar la función para hojas de cálculo PRUEBA.T. Con más de dos muestras, PRUEBA.T no es de uso generalizado y en su lugar se puede llamar al modelo Varianza de un factor.
Varianza de dos factores con varias muestras por grupo Esta herramienta de análisis es útil cuando los datos se pueden clasificar de acuerdo con dos dimensiones diferentes. Por ejemplo, en un experimento para medir el alto de las plantas, las plantas pueden recibir diferentes marcas de fertilizante (por ejemplo, A, B o C) y también estar a temperaturas distintas (por ejemplo, alta o baja). Para cada uno de los seis pares {fertilizante, temperatura} posibles, tenemos un número igual de observaciones de alto de la planta. Con esta herramienta podemos comprobar:
1.Si el alto de las plantas para las diferentes marcas de fertilizante se extrae de la misma población subyacente. Las temperaturas no se tienen en cuenta en este análisis.
2.Si el alto de las plantas para los diferentes niveles de temperatura se extrae de la misma población subyacente. Las marcas de fertilizante no se tienen en cuenta en este análisis.
3.Si habiendo tenido en cuenta los efectos de las diferentes marcas de fertilizante del primer punto con viñeta y las diferencias de temperatura del segundo punto con viñeta, las seis muestras que representan todos los pares de valores {fertilizante, temperatura} se extraen de la misma población. La hipótesis alternativa es que se produzcan efectos debidos a pares {fertilizante, temperatura} específicos más allá de las diferencias basadas sólo en el fertilizante o sólo en la temperatura.
Varianza de dos factores con una sola muestra por grupo Esta herramienta de análisis es útil cuando los datos se clasifican en dos dimensiones diferentes, como en el caso de la varianza de dos factores con varias muestras por grupo. No obstante, con esta herramienta se supone que existe una única observación para cada par, por ejemplo, cada uno de los pares {fertilizante, temperatura} del ejemplo anterior. Si utilizamos esta herramienta, podemos aplicar las pruebas de los puntos primero y segundo con viñeta del caso Varianza de dos factores con varias muestras por grupo, pero no disponemos de datos suficientes para aplicar la prueba del punto tercero con viñeta.
Correlación
Las funciones COEF.DE.CORREL y PEARSON de la hoja de cálculo calculan el coeficiente de correlación entre dos variables de medida cuando se observan medidas de cada variable para cada uno de los N sujetos. (Cualquier observación que falte de cualquier sujeto hará que dicho sujeto se omita en el análisis). La herramienta de análisis Correlación es especialmente útil cuando existen más de dos variables de medida para cada uno de los N sujetos. Proporciona una tabla de resultados, una matriz de correlación que muestra el valor de COEF.DE.CORREL (o PEARSON) aplicado a cada uno de los pares de variables de medida posibles.
Tanto el coeficiente de correlación como la covarianza son medidas del grado en el que dos variables de medida “varían juntas”. A diferencia de la covarianza, el coeficiente de correlación se escala para que su valor sea independiente de las unidades en las que se expresen las dos variables de medida. Por ejemplo, si las dos variables de medida son peso y alto, el valor del coeficiente de correlación no cambia si el peso se convierte de libras a kilos. El valor de cualquier coeficiente de correlación debe encontrarse entre -1 y +1, ambos inclusive.
Puede utilizar la herramienta de análisis de correlación para examinar cada par de variables de medida a fin de determinar si las dos variables de medida tienden a variar conjuntamente, es decir, si los valores altos de una variable tienden a estar asociados con los valores altos de la otra (correlación positiva), si los valores bajos de una variable tienden a estar asociados con los valores bajos de la otra (correlación negativa) o si los valores de ambas variables tienden a no estar relacionados (correlación con tendencia a 0 (cero)).
Covarianza
Las herramientas Correlación y Covarianza pueden utilizarse con la misma configuración cuando se han observado N variables de medida diferentes en un grupo de individuos. Cada una de las herramientas Correlación y Covarianza proporciona una tabla de resultados, una matriz que muestra el coeficiente de correlación o la covarianza, respectivamente, entre cada par de variables de medida. La diferencia es que los coeficientes de correlación están comprendidos entre -1 y +1, ambos inclusive. Las covarianzas correspondientes no se escalan. Tanto el coeficiente de correlación como la covarianza son medidas del grado en el que dos variables “varían juntas”.
La herramienta Covarianza calcula el valor de la función COVAR de la hoja de cálculo para cada uno de los pares de variables de medida. (Usar COVAR directamente en lugar de la herramienta Covarianza es una alternativa razonable cuando sólo hay dos variables de medida, es decir, N=2). La entrada de la diagonal de la tabla de resultados de la herramienta Covarianza en la fila i, columna i es la covarianza de la variable de medida i consigo misma. Se trata de la varianza de la población para dicha variable calculada mediante la función VARP de la hoja de cálculo.
Puede utilizar la herramienta Covarianza para examinar cada uno de los pares de variables de medida a fin de determinar si las dos variables de medida tienden a variar conjuntamente, es decir, si los valores altos de una variable tienden a estar asociados con los valores altos de la otra (correlación positiva), si los valores bajos de una variable tienden a estar asociados con los valores bajos de la otra (correlación negativa) o si los valores de ambas variables tienden a no estar relacionados (correlación con tendencia a 0 (cero)).
Estadística descriptiva
La herramienta de análisis Estadística descriptiva genera un informe estadístico de una sola variable para los datos del rango de entrada, y proporciona información acerca de la tendencia central y la dispersión de los datos.
Suavización exponencial
La herramienta de análisis Suavización exponencial predice un valor que está basado en el pronóstico del período anterior, ajustado al error en ese pronóstico anterior. La herramienta utiliza la constante de suavización a, cuya magnitud determina la exactitud con la que los pronósticos responden a los errores en el pronóstico anterior.
Nota Los valores de 0,2 a 0,3 son constantes de suavización adecuadas. Estos valores indican que el pronóstico actual debe ajustarse entre un 20% y un 30% del error en el pronóstico anterior. Las constantes mayores generan una respuesta más rápida, pero pueden producir proyecciones erróneas. Las constantes más pequeñas pueden dar como resultado retrasos prolongados en los valores pronosticados.
Prueba F para varianzas de dos muestras
La herramienta de análisis Prueba F para varianzas de dos muestras ejecuta una Prueba F de dos muestras para comparar dos varianzas de población.
Por ejemplo, puede utilizar la herramienta Prueba F con muestras de los tiempos realizados por cada uno de los dos equipos de una competición de natación. La herramienta proporciona el resultado de la hipótesis nula de que estas dos muestras provengan de distribuciones con varianzas iguales frente a la alternativa de que las varianzas no sean iguales en las distribuciones subyacentes.
La herramienta calcula el valor f de una estadística F (o proporción F). Un valor de f cercano a 1 proporciona pruebas de que las varianzas de población subyacentes son iguales. En la tabla de resultados, si f < 1 “P(F <= f) de una cola” proporciona la probabilidad de observar un valor de la estadística F menor que f cuando las varianzas de población son iguales, y “Valor crítico de F de una cola” proporciona el valor crítico menor que 1 para el nivel de importancia elegido, Alfa. Si f > 1, “P(F <= f) de una cola” proporciona la probabilidad de observar un valor de la estadística F superior a f cuando las varianzas de población son iguales, y “Valor crítico de F de una cola” proporciona el valor crítico mayor que 1 para Alfa.
Análisis de Fourier
La herramienta Análisis de Fourier resuelve problemas de sistemas lineales y analiza datos periódicos, transformándolos mediante el método de transformación rápida de Fourier (FFT, Fast Fourier Transform). Esta herramienta también realiza transformaciones inversas, en las que el inverso de los datos transformados devuelve los datos originales.
Histograma
La herramienta de análisis Histograma calcula las frecuencias individuales y acumulativas de rangos de celdas de datos y de clases de datos. Esa herramienta genera datos acerca del número de apariciones de un valor en un conjunto de datos.
Por ejemplo, en una clase con 20 alumnos, puede determinarse la distribución de calificaciones mediante una categoría de puntuación por letras. Una tabla de histograma presentará los límites de las calificaciones por letras así como el número de calificaciones que haya entre el límite mínimo y el límite actual. La calificación única más frecuente es la moda de los datos.
Media móvil
La herramienta de análisis Media móvil proyecta valores en el período de pronósticos, basándose en el valor promedio de la variable calculada durante un número específico de períodos anteriores. Una media móvil proporciona información de tendencias que se vería enmascarada por una simple media de todos los datos históricos. Utilice esta herramienta para pronosticar ventas, inventario u otras tendencias. Todos los valores de pronóstico están basados en la siguiente fórmula:
La media móvil exponencial, al igual que la media móvil simple, ofrece una correlación suavizada entre la acción del precio y el transcurso del tiempo. La diferencia está en que el cálculo de la media móvil exponencial da más importancia a los últimos datos obtenidos durante un determinado período.
La fórmula:
EMA(t) = EMA(t – 1) + K*[Precio(t) - EMA(t - 1)]
Donde
t=valor actual
t-1=valor previo
K= 2 / (n + 1) (n=periodo elegido para EMA)
Fuente: Media móvil exponencial | Análisis Técnico http://www.efxto.com/indicadores-mas-usados/medias-moviles/media-movil-exponencial#ixzz311sN2Gve
Generación de números aleatorios
La herramienta de análisis Generación de números aleatorios rellena un rango con números aleatorios independientes extraídos de una de varias distribuciones. Puede utilizar esta herramienta para caracterizar a los sujetos de una población con una distribución de probabilidades.
Por ejemplo, puede utilizar una distribución normal para caracterizar la población de estatura de las personas o utilizar una distribución de Bernouilli con dos resultados posibles para caracterizar la población de resultados de un juego de azar.
Jerarquía y percentil
La herramienta de análisis Jerarquía y percentil crea una tabla que contiene los rangos ordinales y porcentuales de cada valor de un conjunto de datos. Puede analizar la importancia relativa de los valores en un conjunto de datos. Esta herramienta utiliza las funciones JERARQUIA y RANGO.PERCENTIL de la hoja de cálculo. JERARQUIA no explica los valores relacionados. Si desea explicar valores relacionados, utilice la función JERARQUIA de la hoja de cálculo junto con el factor de corrección que se sugiere en el archivo de Ayuda para JERARQUIA.
Regresión
La herramienta de análisis Regresión efectúa el análisis de regresión lineal utilizando el método de “mínimos cuadrados” para ajustar una línea a un conjunto de observaciones. Puede utilizar esta herramienta para analizar la forma en que los valores de una o más variables independientes afectan a una variable dependiente.
Por ejemplo, puede analizar de qué modo inciden en el rendimiento de un atleta varios factores: la edad, la estatura y el peso. Basándose en un conjunto de datos de rendimiento, la regresión determinará la incidencia de cada uno de los factores en la medición del rendimiento y podrán utilizarse estos resultados para predecir el rendimiento de un atleta nuevo no sometido a ninguna prueba.
La herramienta Regresión utiliza la función ESTIMACION.LINEAL de la hoja de cálculo.
Muestreo
La herramienta de análisis Muestreo crea una muestra de población tratando el rango de entrada como una población. Cuando la población sea demasiado grande para procesarla o para presentarla gráficamente, puede utilizarse una muestra representativa. Además, si cree que los datos de entrada son periódicos, puede crear una muestra que contenga únicamente los valores de una parte determinada de un ciclo.
Por ejemplo, si el rango de entrada contiene cifras de ventas trimestrales, el muestreo realizado con una tasa periódica de cuatro permitirá colocar los valores del mismo trimestre en el rango de salida.
Prueba t
Las herramientas de análisis Prueba t de dos muestras permiten comprobar la igualdad de las medias de población que subyacen a cada muestra. Las tres herramientas utilizan diferentes suposiciones: que las varianzas de población son iguales, que las varianzas de población no son iguales y que las dos muestras representan observaciones anteriores y posteriores al tratamiento en los mismos sujetos.
Para las tres herramientas que figuran a continuación, se calcula un valor de la estadística T, t, y se muestra como “t Stat” en las tablas de resultados. Dependiendo de los datos, este valor t puede ser negativo o no negativo. Suponiendo medias de población subyacentes iguales, si t < 0, “P(T <= t) de una cola” proporciona la probabilidad de que se observe un valor de la estadística T que sea más negativo que t. Si t >=0, “P(T <= t) de una cola” proporciona la probabilidad de que se observe un valor de la estadística T que sea más positivo que t. “Valor crítico t de una cola” proporciona el valor de corte para que la probabilidad de observar un valor de la estadística t mayor o igual a “Valor crítico t de una cola” sea Alfa.
“P(T <= t) de dos colas” proporciona la probabilidad de que se observe un valor de la estadística T que sea mayor en valor absoluto que t. “Valor crítico P de dos colas” proporciona el valor de corte para que la probabilidad de una estadística T observada mayor en valor absoluto que “Valor crítico P de dos colas” sea Alfa.
Prueba t para dos muestras suponiendo varianzas iguales Esta herramienta de análisis ejecuta una Prueba t de Student en dos muestras. En este tipo de prueba se supone que los dos conjuntos de datos proceden de distribuciones con las mismas varianzas. Se conoce con el nombre de Prueba t homoscedástica. Puede utilizar este tipo de prueba para determinar si es probable que las dos muestras procedan de distribuciones con medias de población iguales.
Prueba t para dos muestras suponiendo varianzas desiguales Esta herramienta de análisis ejecuta una Prueba t de Student en dos muestras. En este tipo de prueba se supone que los dos conjuntos de datos proceden de distribuciones con varianzas desiguales. Se conoce con el nombre de Prueba t heteroscedástica. Al igual que en el caso anterior suponiendo varianzas iguales, este tipo de prueba puede utilizarse para determinar si es probable que las dos muestras procedan de distribuciones con medias de población iguales. Utilice esta prueba cuando haya sujetos distintos en las dos muestras. Utilice la prueba emparejada, que se describe en el ejemplo que figura más abajo, cuando exista un conjunto único de sujetos y las dos muestras representen las medidas de cada uno de los sujetos antes y después La siguiente fórmula se utiliza para calcular los grados de libertad (grados_de_libertad). Puesto que el resultado del cálculo normalmente no es un entero, el valor de los grados de libertad se redondea al entero más próximo para obtener un valor crítico de la tabla t. La función PRUEBA.T de la hoja de cálculo de Excel utiliza el valor calculado de los grados de libertad sin redondeos, ya que es posible calcular un valor para PRUEBA.T con un valor de grados de libertad no entero. Debido a estos diferentes métodos para determinar los grados de libertad, los resultados de PRUEBA.T y esta herramienta Prueba t variarán en el caso de varianzas desiguales.
Prueba t para medias de dos muestras emparejadas Puede utilizar una prueba emparejada cuando existe un par natural de observaciones en las muestras, como cuando un grupo de muestras se somete a prueba dos veces, antes y después de un experimento. Esta herramienta de análisis y su fórmula ejecutan una prueba t de Student de dos muestras emparejadas para determinar si las observaciones realizadas antes y después de un tratamiento proceden probablemente de distribuciones con medias de población iguales. En este tipo de prueba no se supone que las varianzas de ambas poblaciones sean iguales.
Nota Entre los resultados que se generan con esta herramienta se encuentra la varianza agrupada, una medición acumulada de la distribución de datos en torno a la media, que se deriva de la fórmula siguiente.
Prueba z
La herramienta de análisis Prueba z para medias de dos muestras realiza una Prueba z en las medias de dos muestras con varianzas conocidas. Esta herramienta se utiliza para comprobar las hipótesis nulas relativas a que no existen diferencias entre dos medias de población frente a las hipótesis alternativas en uno u otro sentido. Si no se conocen las varianzas, deberá utilizarse la función PRUEBA.Z de la hoja de cálculo.
Cuando se utiliza la herramienta Prueba z, hay que tener especial cuidado en comprender el resultado. “P(Z <= z) de una cola” es en realidad P(Z >= ABS(z)), la probabilidad de un valor z más allá de 0 en la misma dirección que el valor z observado cuando no hay diferencias entre las medias de población. “P(Z <= z) de dos colas” es realmente P(Z >= ABS(z) o Z <= -ABS(z)), la probabilidad de un valor z más allá de 0 en cualquier dirección que el valor z observado cuando no hay diferencias entre las medias de población. El resultado de dos colas es el resultado de una cola multiplicado por 2. La herramienta Prueba z también puede utilizarse para el caso en que la hipótesis nula sea que existe un valor distinto de cero específico para la diferencia entre las dos medias de población.
Por ejemplo, puede utilizarse esta prueba para determinar las diferencias entre el rendimiento de dos modelos de automóvil.
Tuesday, 6 May 2014
Macros en ACCESS
Una macro abreviatura de macroinstrucción― es una serie de instrucciones que se almacenan para que se puedan ejecutar de manera secuencial mediante una sola llamada u orden de ejecución. Dicho de otra manera, una macroinstrucción es una instrucción compleja, formada por otras instrucciones más sencillas. Esto permite la automatización de tareas repetitivas.
Las macros tienden a almacenarse en el ámbito del propio programa que las utiliza y se ejecutan pulsando una combinación especial de teclas o un botón especialmente creado y asignado para tal efecto.
La diferencia entre una macroinstrucción y un programa es que en las macroinstrucciones la ejecución es secuencial y no existe otro concepto del flujo de programa, y por tanto, no puede bifurcarse.
Macros de aplicaciones
Las macros son grupos de instrucciones que tienen un seguimiento cronológico y se utilizan para economizar tareas. Una macro no es más que un conjunto de instrucciones (tales como «borrar archivo», «añadir registro», etc.), y que se almacenan en una ubicación especial. Por ejemplo, en Microsoft Access se observa que hay una zona para crear macros. Una macro en Access trabajando para una base de datos podría ser un archivo que, al llamarse desde otra instrucción, borrara los registros de un cliente o accionista, luego borrara ciertos registros en otras tablas, extrayera su información de un log, entre otras cosas.
Macros en programación
Con el fin de evitar al programador la tediosa repetición de partes idénticas de un programa, los ensambladores y compiladores cuentan con macroprocesadores que permiten definir una abreviatura para representar una parte de un programa y utilizar esa abreviatura cuantas veces sea necesario. Para utilizar una macro, primero hay que declararla. En la declaración se establece el nombre que se le dará a la macro y el conjunto de instrucciones que representará.El programador escribirá el nombre de la macro en cada uno de los lugares donde se requiera la aplicación de las instrucciones por ella representadas. La declaración se realiza una sola vez, pero la utilización o invocación a la macro (macrollamada) puede hacerse cuantas veces sea necesario. La utilización de macros posibilita la reducción del tamaño del código fuente, aunque el código objeto tiende a ser mayor que cuando se utilizan funciones.
Es tan común el empleo de macroinstrucciones que se les considera como una extensión de los lenguajes. De manera similar se considera al procesador de macroinstrucciones o macroprocesador como una extensión del ensamblador o compilador utilizado. El macroprocesador se encarga, en una primera pasada, de registrar todas las declaraciones de macros y de rastrear el programa fuente para detectar todas las macrollamadas. En cada lugar donde encuentre una macro llamada, el macroprocesador hará la sustitución por las instrucciones correspondientes. A este proceso de sustitución se le denomina expansión de la macro. El macroprocesador elabora dos tablas para el manejo de las macros.
Ejemplos de lenguaje de macros son Visual Basic for Applications o el lenguaje de macros integrado en Microsoft Excel.
Macros ocultas: ======>
Las macros ocultas son órdenes complejas de tipo macro que se han declarado en el código fuente pero que permanecen ocultas por motivos de seguridad, por acceso restringido, etc.
Este término ha sido popularizado por la película de ficción Tron, ambientada en un mundo informático virtual, en la que se puede escuchar una voz fuera de campo (probablemente de un programa dependiente del Control Central) que advierte a los habitantes de ese mundo que tengan cuidado con las macros ocultas.
Diseñar una base de datos con multiples tablas.:
 | Es comprensible que queramos poner a funcionar ya nuestra base de datos. Pasar directamente a introducir datos y sacarle provecho a nuestro flamanteAccess. Pero como hemos visto anteriormente el diseño de la base de datos previamente a su creación es un paso imprescindible y fundamental, en un buen diseño esta la diferencia entre una base de datos ágil y funcional o por el contrario encontrarnos con problemas a cada clic de ratón que nos hará desesperante la mas mínima búsqueda de datos.Por eso vamos a diseñar lo masdidácticamente posible un ejemplo para nuestra base de datos.Supongamos que trabajamos en una empresa. Cualquier empresa. Toda empresa tiene una actividad principal que es vender algo, que en este caso a ese algo lo llamaremos producto. Vamos a partir desde aquí. Los datos que necesitamos para cada venta son: Qué hemos vendido (Nombre de producto), Cuanto hemos vendido (Cantidad), A quien se lo hemos vendido (cliente) y Numero de cuenta para cobrárselo (NCcliente).  Pero según trabajemos con estos datos necesitaremos otros datos del cliente, como son el nombre de la empresa para la que trabaja (Empresa), Sus apellidos (Apellidos), Puesto que desempeña (Puesto), Teléfono de contacto (Teléfono), Los datos para enviar los pedidos (Dirección, Población, CP)  Pero claro, podríamos pedirle algo mas a nuestra base de datos, también seria conveniente que cada venta tuviese en cuenta las existencias del almacén y que llegado el caso se notificase la necesidad de hacer un nuevo pedido al proveedor. Es evidente que si añadimos mas campos a nuestra tabla pronto se convertiría en un dolor de cabeza mas que en una ayuda. Para ello debemos unificar los campos por criterios como ya sabemos. Empezaremos con la tabla de los datos referidos exclusivamente al cliente.  Ahora veremos los datos referidos exclusivamente al producto  Quizás sea necesario explicar aquí la necesidad de algunos campos. “CodigoProducto” es el campo clave necesario para distinguir unos productos de otros y relacionarlos con otras tablas. Tal vez no sea tan evidente la necesidad de un campo para el proveedor, veámoslo mas detenidamente. En realidad el producto no tiene solo su nombre, digamos que también tiene apellidos, esta relacionado con la empresa que lo distribuye, no basta decir que necesitamos producto “DentifricoMasBlanco”, necesitamos pedírselo a quien pueda proporcionárnoslos. Y para esto necesitamos los datos del Proveedor. Pero la primera norma es agrupar campos por afinidad y aunque es evidente que los campos del producto dependen de la tabla del proveedor, también es fácil ver que la tabla del proveedor no depende de los productos. Es decir que un solo proveedor tiene muchos productos pero que además podemos utilizar los datos de la tabla proveedores para otras funciones distintas, por ejemplo para tener contactos con los comerciales, o para desarrollar nuevas líneas de negocio. Así pues la solución es crear un campo que relacione una con otra tabla para aprovechar todas las ventajas de las bases de datos relacionales, y el vinculo entre las dos tablas es el campo “IDProveedor“ Vamos a complicar aun más las cosas,  En esta tabla de pedidos vemos que hay tres campos de Códigos, el primero “CodigoPedido” es el propio a la tabla “Pedidos“, la función de los siguientes es relacionar esta tabla con las otras. Gracias al “CodigoCliente” no es necesario introducir en esta tabla los datos del cliente que realiza el pedido, basta con teclear su numero de código, y Access se encargara de escribir por nosotros todos los campos que le pidamos, como son el nombre de la empresa, la dirección, el numero de Cuenta, etc… Con el campo “CodigoProducto” pasa exactamente igual, en vez de teclear en cada pedido una y otra vez todos los datos de todos los artículos, como su nombre, o su precio o descripción del producto. Access se encarga de relacionar las dos tablas gracias a este campo. Fuente: http://www.aulafacil.com/Access2/CursoAccess |
Monday, 5 May 2014
Access SQL: conceptos básicos, vocabulario y sintaxis
Cuando desea recuperar datos de una base de datos, puede solicitar los datos mediante el Lenguaje de consulta estructurado o SQL.
SQL es un lenguaje de computación que se asemeja al inglés, y que los programas de bases de datos comprenden. Cada consulta que se ejecuta usa SQL en segundo plano.
Si comprende el funcionamiento de SQL podrá crear mejores consultas además de solucionar una consulta que no brinda los resultados deseados.Éste es uno de varios artículos acerca de Access SQL. En este artículo se describe el uso básico de SQL para seleccionar datos y se usan ejemplos para ilustrar la sintaxis de SQL.
¿Qué es SQL?
SQL es un lenguaje de computación que sirve para trabajar con conjuntos de datos y las relaciones entre ellos. Los programas de bases de datos relacionales, como Microsoft Office Access, usan SQL para trabajar con datos. A diferencia de muchos lenguajes de computación, SQL no es difícil de leer y entender, incluso para un usuario inexperto. Al igual que muchos lenguajes de computación, SQL es un estándar internacional que es reconocido por organismos de estándares, como ISO y ANSI.| “SQL no es difícil de leer y entender, incluso para un usuario inexperto.” |
Por ejemplo, una simple instrucción SQL que recupera una lista de los apellidos de contactos cuyo nombre es María podría ser similar a esto:
SELECT Apellidos
FROM Contactos
WHERE Nombre = 'María';
Instrucciones SELECT
Para describir un conjunto de datos mediante SQL, escriba una instrucción SELECT. Una instrucción SELECT contiene una descripción completa del conjunto de datos que desea obtener de una base de datos. Incluye lo siguiente:- Qué tablas contienen los datos.
- Cómo se relacionan los datos de orígenes diferentes.
- Qué campos o cálculos proporcionarán los datos.
- Criterios que los datos deben cumplir para ser incluidos.
- Si se deben ordenar los datos y, en caso de ser así, cómo deben ordenarse.
Cláusulas de SQL
Al igual que una frase, una instrucción SQL tiene cláusulas. Cada cláusula realiza una función para la instrucción SQL. Algunas cláusulas son obligatorias en una instrucción SELECT. En la siguiente tabla se enumeran las cláusulas SQL más comunes.| Cláusula SQL | Función | Obligatoria |
|---|---|---|
| SELECT | Muestra una lista de los campos que contienen datos de interés. | Sí |
| FROM | Muestra las tablas que contienen los campos de la cláusula SELECT. | Sí |
| WHERE | Especifica los criterios de campo que cada registro debe cumplir para poder ser incluido en los resultados. | No |
| ORDER BY | Especifica la forma de ordenar los resultados. | No |
| GROUP BY | En una instrucción SQL que contiene funciones de agregado, muestra los campos que no se resumen en la cláusula SELECT. | Sólo si están estos campos |
| HAVING | En una SQL instrucción que contiene funciones de agregado, especifica las condiciones que se aplican a los campos que se resumen en la instrucción SELECT. | No |
Términos de SQL
Cada cláusula SQL consta de términos, comparables a diferentes partes de la oración. En la siguiente tabla se enumeran los tipos de términos de SQL.| Término de SQL | Parte de la oración comparable | Definición | Ejemplo |
|---|---|---|---|
| identificador | sustantivo | Nombre que se usa para identificar un objeto de la base de datos, como el nombre de un campo. | Clientes.[Número de teléfono] |
| operador | verbo o adverbio | Palabra clave que representa o modifica una acción. | AS |
| constante | sustantivo | Valor que no cambia, como un número o NULO. | 42 |
| expresión | adjetivo | Combinación de identificadores, operadores, constantes y funciones que se evalúa como un valor único. | > = Productos.[Precio por unidad] |
Cláusulas SQL básicas: SELECT, FROM y WHERE
Una instrucción SQL tiene el formato general:SELECT campo_1
FROM tabla_1
WHERE criterio_1
;
- Access pasa por alto los saltos de línea en una instrucción SQL. Sin embargo, conviene usar una línea para cada cláusula para mejorar la legibilidad de las instrucciones SQL.
- Cada una de las instrucciones SELECT termina con un punto y coma (;). El punto y coma (;) puede aparecer al final de la última cláusula o solo en una línea al final de la instrucción SQL.
Un ejemplo en Access
A continuación se muestra el aspecto que podría tener en Access una instrucción SQL para una consulta de selección simple:
Cláusula SELECT
Cláusula FROM
Cláusula WHEREVeamos el ejemplo, una cláusula cada vez, para ver cómo funciona la sintaxis de SQL.
La cláusula SELECT
SELECT [Dirección de correo electrónico], EmpresaSi un identificador contiene espacios en blanco o caracteres especiales (como “Dirección de correo electrónico”), se debe escribir entre corchetes.
Una cláusula SELECT no tiene que mencionar las tablas que contienen los campos y no puede especificar las condiciones que deben cumplir los datos que se van a incluir.
La cláusula SELECT siempre aparece antes que la cláusula FROM en una instrucción SELECT.
La cláusula FROM
FROM ContactosUna cláusula FROM no enumera los campos que desea seleccionar.
La cláusula WHERE
WHERE Ciudad="Seattle"Nota A diferencia de las cláusulas SELECT y FROM, la cláusula WHERE no es un elemento obligatorio en una instrucción SELECT.
Puede realizar muchas de las acciones que SQL permite realizar mediante las cláusulas SELECT, FROM y WHERE. En los siguientes artículos adicionales encontrará más información sobre cómo usar estas cláusulas:
Ordenar los resultados: ORDER BY
Al igual que Microsoft Office Excel, Access le permite ordenar los resultados de la consulta en una hoja de datos. También puede especificar en la consulta cómo desea ordenar los resultados cuando se ejecuta la consulta, mediante una cláusula ORDER BY. Si usa una cláusula ORDER BY, ésta será la última cláusula en la instrucción SQL.Una cláusula ORDER BY contiene una lista de los campos que desea usar para ordenar, en el mismo orden en que desea aplicar las operaciones de ordenación.
Por ejemplo, suponga que desea ordenar sus resultados por el valor del campo Empresa en orden descendente y, en caso de que haya registros con el mismo valor para Empresa, desea ordenarlos también por el valor indicado en el campo Dirección de correo electrónico en orden ascendente. Su cláusula ORDER BY podría parecerse a la siguiente:
ORDER BY Empresa DESC, [Dirección de correo electrónico]Para obtener más información sobre la cláusula ORDER BY, vea el tema Cláusula ORDER BY.
Trabajar con datos resumidos: GROUP BY y HAVING
A veces, desea trabajar con datos resumidos, como las ventas totales de un mes o los elementos más caros en el inventario. Para ello, debe aplicar una función de agregado (función de agregado: función, como Suma, Cuenta, Promedio o Var, que se utiliza para calcular totales.) a un campo en la cláusula SELECT. Por ejemplo, si desea que la consulta muestre la cantidad de direcciones de correo electrónico para cada una de las empresas, la cláusula SELECT debería parecerse a la siguiente:SELECT COUNT([Dirección de correo electrónico]), EmpresaEspecificar campos que no se usan en una función de agregado: la cláusula GROUP BY
Al usar las funciones de agregado, normalmente debe crear una cláusula GROUP BY. Una cláusula GROUP BY muestra una lista de todos los campos a los que no se aplica una función de agregado. Si aplica las funciones de agregado a todos los campos de una consulta, no es necesario crear la cláusula GROUP BY.Una cláusula GROUP BY se encuentra inmediatamente después de la cláusula WHERE, o la cláusula FROM si no hay una cláusula WHERE. La cláusula GROUP BY muestra una lista de los campos que aparecen en la cláusula SELECT.
Por ejemplo, siguiendo con el ejemplo anterior, si la cláusula SELECT aplica una función de agregado a [Dirección de correo electrónico] pero no a Empresa, la cláusula GROUP BY se parecería a la siguiente:
GROUP BY EmpresaLimitar los valores de agregado mediante los criterios de agrupación: la cláusula HAVING
Si desea usar criterios para limitar sus resultados, pero el campo al que desea aplicar el criterio se usa en una función de agregado, no puede usar una cláusula WHERE. Por el contrario, debe usar una cláusula HAVING. La cláusula HAVING funciona como la cláusula WHERE, pero se usa para los datos agregados.Por ejemplo, suponga que usa la función COUNT (que devuelve un número de filas) con el primer campo de la cláusula SELECT:
SELECT COUNT([Dirección de correo electrónico]), EmpresaHAVING COUNT([Dirección de correo electrónico])>1Para obtener más información sobre la cláusula HAVING, vea el tema Cláusula HAVING.
Combinar los resultados de la consulta: UNION
Cuando desea revisar todos los datos obtenidos en conjunto de varias consultas de selección similares, como un conjunto combinado, use el operador UNION.El operador UNION le permite combinar dos instrucciones SELECT en una. Las instrucciones SELECT que combine deben tener la misma cantidad de campos de resultado, en el mismo orden y con el mismo tipo de datos o con tipos de datos compatibles. Cuando ejecuta la consulta, los datos de cada conjunto de campos correspondientes se combinan en un único campo de resultado, de modo que el resultado de la consulta tendrá la misma cantidad de campos que cada una de las instrucciones de selección.
Nota A efectos de una consulta de unión, los tipos de datos Texto y Número son compatibles.
Cuando usa el operador UNION, también puede especificar si los resultados de la consulta deben incluir las filas duplicadas, si existe alguna, mediante la palabra clave ALL.
La sintaxis básica de SQL para una consulta de unión que combina dos instrucciones SELECT es la siguiente:
SELECT campo_1
FROM tabla_1
UNION [ALL]
SELECT campo_a
FROM tabla_a
;
SELECT nombre, precio, garantía_disponible, oferta_exclusiva
FROM Productos
UNION ALL
SELECT nombre, precio, garantía_disponible, oferta_exclusiva
FROM Servicios
;
Subscribe to:
Posts (Atom)