Реферат: Состояние кормовой базы для свиней

--PAGE_BREAK--2. Динамика уровня оплаты корма (кг/т к.ед.) в сельскохозяйственной организацииза пятилетие


Всесторонний анализ динамического ряда позволяет вскрывать и характеризовать закономерности, проявляющиеся на разных этапах развития явлений, выявлять тенденции и особенности развития этих явлений. В процессе анализа динамического ряда используются следующие основные показатели динамики: уровень ряда, абсолютный прирост уровня, темп роста, темп прироста, абсолютное значение одного процента прироста.

Первичные значения признака, образующие динамический ряд, называются уровнями ряда. Уровни динамического ряда служат исходной базой для расчета различных показателен динамики. Этот расчет в большинстве случаев основан на сравнении между собой уровней ряда.

Тот уровень, который является базой для сравнения и с которым производится сравнение других уровней, называется базисным. За базу сравнения принимают либо начальный (первый), либо предыдущий уровень динамического ряда. Базисный уровень в статистике обозначается У0.

Уровень ряда, который сравнивается с базисным, называется текущим (отчетным). Текущие уровни могут иметь следующие обозначения: У1, У2, У3… Уn.

Если все уровни динамического ряда сравниваются с одним и тем же базисным уровнем, то полученные показатели динамики называются базисными. Если же каждый последующий уровень ряда сравнивается с каждым предыдущим, то полученные динамические показатели называются цепными. Они представляют собой как бы отдельные звенья единой «цепи», связывающей между собой уровни ряда.

Выбор базы сравнения при построении и анализе динамических рядов может быть обоснован экономическими или историческими особенностями развития изучаемого явления.

В динамическом ряду обычно приводится несколько последовательных уровней, среди которых особый интерес представляет начальный, конечный и средний. Первый член динамического ряда называется начальным, а последний его член — конечным уровнем. Для общей характеристики явления за весь период может быть исчислен средний уровень из всех членов ряда динамики. Средний уровень динамического ряда называется хронологической средней.

Одним из наиболее простых показателей динамики является абсолютный прирост уровня. Абсолютным приростом называется разность двух уровней периодического ряда динамики. Он измеряется в тех же единицах, в которых показаны абсолютные уровни ряда динамики. Если абсолютный прирост уровня обозначим через ΔУ, уровень отчетного периода У1, уровень базисного (начального) периода Уо, то абсолютный прирост может быть выражен следующим образом:
ΔУ=У1-Уо.                                               (2.1)
Абсолютный прирост выражает абсолютную скорость роста и показывает, на сколько единиц увеличился или уменьшился отчетный уровень динамического ряда по сравнению с базисным.

Характер динамического ряда может принимать разнообразные формы. Если уровни ряда динамики от начального к конечному увеличиваются, то такой динамический ряд будет иметь абсолютный прирост. В тех случаях, когда каждый последующий уровень ряда ниже предыдущего (базисного), имеет место не абсолютный прирост, а абсолютное снижение уровня. 

Абсолютные приросты могут быть рассчитаны базисным и цепным способами. Абсолютные приросты, полученные в результате сравнения текущих (отчетных) уровней с постоянным (базисным), называют базисными. Те приросты, которые получены при сравнении каждого последующего уровня с предыдущим, называются цепными.

В статистико-экономических исследованиях динамики явлений часто приходится рассчитывать средний абсолютный прирост уровня динамического ряда.

Средний абсолютный прирост всегда является периодическим показателем. Поэтому он исчисляется по формуле простой арифметической из цепных абсолютных приростов за последовательные и более-менее равные по продолжительности периоды:
ΔУ=ΣΔУц/n;                                                       (2.2)
где ΔУ — средний абсолютный прирост;

n — число цепных приростов.

Сумма цепных абсолютных приростов (ΣΔУц) ряда динамики представляет собой абсолютный прирост за весь изучаемый период в целом (Уn—У0), а число приростов (n) равно численности тех единиц времени, за которые исчисляется средний абсолютный прирост. Число приростов (длина периода) равно разности между «хронологическими номерами» конечного и базисного уровней динамического ряда, или числу членов ряда минус единица (m—1). Следовательно, формулу среднего абсолютного прироста можно выразить в следующем виде:
<img border=«0» width=«107» height=«43» src=«ref-1_1499401620-284.coolpic» v:shapes="_x0000_i1025"> (2.3)
где    Уn– значение конечного уровня динамического ряда;

Уо – начальный уровень ряда;

m – число членов ряда.

Для характеристики относительной скорости изменения уровня динамического ряда используется показатель темпа роста. Темп роста — это отношение одного уровня динамичного ряда к другому, принятому за базу сравнения. Темпы роста могут быть выражены в двух формах: в виде коэффициентов или процентов.

Коэффициент роста показывает, во сколько раз сравниваемый (текущий) уровень больше базисного:
К=Уn/Уо,                                                   (2.4)
Где К — коэффициент роста уровня;

Уn— уровень текущего периода;

Уо — уровень базисного периода.

Коэффициент роста, выраженный в процентах, называется темпом:
Т=Уn/Уо*100,                                            (2.5)
Темпы роста могут быть базисными и цепными.

Темпы роста уровней динамического ряда по периодам обычно неодинаковы, т.е. обнаруживают некоторые колебания. Вследствие этого возникает необходимость исчисления среднего темпа роста.

В отличие от показателя абсолютного прироста за весь период, который представляет собой сумму абсолютных приростов за каждый отдельный период, показатель темпа роста — это произведение цепных темпов роста за каждый промежуток времени. Поэтому для определения средних темпов роста применяют формулу средней геометрической:
<img border=«0» width=«202» height=«39» src=«ref-1_1499401904-2575.coolpic» v:shapes="_x0000_i1026">(2.6)
где Т — средний темп роста;

К1, К2— коэффициенты роста за каждый период;

n — число темпов роста.

Если произведение цепных темпов заменить соответствующим базисным темпом роста за весь изучаемый период, то получим формулу среднего темпа, имеющую следующий вид:
<img border=«0» width=«132» height=«65» src=«ref-1_1499404479-729.coolpic» v:shapes="_x0000_i1027">                                                  (2.7)
где Т — средний темп роста;

Уn— абсолютный уровень конечного периода;

У— абсолютный уровень начального периода;

n — число периодов, равное числу лет минус единица (m-1).

Если абсолютная скорость прироста уровня динамического ряда характеризуется величиной абсолютного прироста, то относительная — темпом прироста.

Темп прироста — это отношение абсолютного прироста к уровню, принятому за базу. Темпы прироста, как и темпы роcта, могут быть выражены в форме коэффициентов и процентов. Коэффициент прироста показывает, на какую долю увеличился или уменьшился уровень по сравнению с базисным:
<img border=«0» width=«148» height=«71» src=«ref-1_1499405208-696.coolpic» v:shapes="_x0000_i1028">                                     (2.8)
где ΔК — коэффициент прироста уровня, выраженный в долях;

ΔУn— значение абсолютного прироста уровня;

У— уровень, принятый за базу.

Темп прироста, выраженный в процентах, показывает, на сколько процентов увеличился или уменьшился отчетный уровень по сравнению с базисным:


ΔТ=ΔК*100                                               (2.9)
Темпы прироста, как и темпы роста, могут быть рассчитаны базисным и цепным способами. Между темпами прироста и темпами роста существует непосредственная связь, т.е. если темп прироста выражен в процентах, то он на 100 % меньше темпа роста:
ΔТ==Т-100                                                (2.10)
Темпы прироста могут быть выражены положительными (+) и отрицательными (-) значениями. Положительное значение темпа указывает на рост отчетного уровня по сравнению с базисным, отрицательное — на его снижение В последнем случае говорят о темпе снижения.

Темпы прироста за весь промежуток времени в динамическом ряду могут быть охарактеризованы при помощи их среднего значения.

При расчете среднего темпа прироста можно исходить из значения среднего темпа роста:
ΔТ==Т-100,                                               (2.11)
где ΔТ — средний темп прироста;

Т — средний темп роста.

При анализе динамического ряда необходимо выяснить, какими абсолютными значениями выражаются темпы роста, темпы прироста уровня, так как в некоторых случаях при снижении (замедлении) темпов роста абсолютный прирост может возрастать. Поэтому при анализе динамического ряда в статистике вычисляется абсолютное значение одного процента прироста (снижения).

Абсолютное значение одного процента прироста представляет собой отношение абсолютного прироста к темпу прироста, выраженному в процентах:
<img border=«0» width=«119» height=«51» src=«ref-1_1499405904-557.coolpic» v:shapes="_x0000_i1029">                        (2.12)
После несложного преобразования формулы получим:
<img border=«0» width=«121» height=«51» src=«ref-1_1499406461-574.coolpic» v:shapes="_x0000_i1030">                        (2.13)
Это означает, что абсолютное значение одного процента прироста (снижения) равно 0,01 базисного уровня.

Проведем расчет вышеперечисленных показателей в таблице 2.1.    
Таблица 2.1. Показатели динамики уровня оплаты корма (кг/т к.ед.) в сельскохозяйственной организации за 2005 – 2009 г.г.

Годы

Уровень оплаты корма, кг/т к.ед.

Абсолютные приросты, кг/т к.ед.

Темпы роста, %

Темпы прироста, %

Абсолютное значение 1% прироста

базисные

цепные

базисные

цепные

базисные

цепные

 

 Y

<img border=«0» width=«28» height=«24» src=«ref-1_1499407035-119.coolpic» v:shapes="_x0000_i1031"> 

<img border=«0» width=«28» height=«25» src=«ref-1_1499407154-122.coolpic» v:shapes="_x0000_i1032"> 

 <img border=«0» width=«20» height=«24» src=«ref-1_1499407276-103.coolpic» v:shapes="_x0000_i1033">

<img border=«0» width=«20» height=«25» src=«ref-1_1499407379-105.coolpic» v:shapes="_x0000_i1034"> 

 <img border=«0» width=«31» height=«24» src=«ref-1_1499407484-121.coolpic» v:shapes="_x0000_i1035">

<img border=«0» width=«31» height=«25» src=«ref-1_1499407605-125.coolpic» v:shapes="_x0000_i1036"> 

 <img border=«0» width=«45» height=«19» src=«ref-1_1499407730-135.coolpic» v:shapes="_x0000_i1037">

2005

98

-

-

100

100

-

-

-

2006

99

1

1

101,0

101,0

1,0

1,0

0,98

2007

112

14

13

114,3

113,1

14,3

13,1

0,99

2008

106

8

-6

108,2

94,6

8,2

-5,4

1,12

2009

133

35

27

135,7

125,5

35,7

25,5

1,06

В среднем

109,4

8,8

106,9

6,9

1,0



Данные таблицы 2.1 свидетельствуют о том, что уровень оплаты кормов в 2006 и 2007 гг. по сравнению с 2005 годом увеличились на 1 и 13 кг/т к.ед. соответственно, в 2008 году по сравнению с 2005 годом – уровень оплаты корма пошел на спад (-6 кг/т к.ед.).

Темп роста в среднем составил 106,9 %, а абсолютное значение в среднем составило 1 кг/т. к.ед.

Выявление общей тенденции развития признака может быть проведено с использованием приемов аналитического выравнивания динамического ряда. Аналитическое выравнивание ряда динамики обычно осуществляется следующими способами: по прямой линии; по гиперболе; по параболе второго порядка.

Способы аналитического выравнивания хотя и содержат в себе ряд условностей, но более совершенны по сравнению с укрупнением периодов и скользящей средней. Аналитическое выравнивание облегчает выявление общей тенденции и изучение сезонных колебаний в характере динамического ряда. Выбор того или иного способа аналитического выравнивания обусловлен характером (типом) динамики. Характер динамики может быть выражен в виде аналитических уровней, которым на координатном графике соответствует определенная линия — прямая, парабола, гипербола и т. п.

Тип динамики целесообразно учитывать при выборе способов аналитического выравнивания динамических рядов. Если динамический ряд имеет более или менее стабильные абсолютные приросты, то выравниваемый динамический ряд может быть выражен в виде прямой линии. При этом на координатном графике фактические уровни ряда наиболее целесообразно показать прямолинейно.

При выравнивании по прямой линии закономерно изменяющийся уровень признака рассчитывается как функция времени:
<img border=«0» width=«120» height=«31» src=«ref-1_1499407865-467.coolpic» v:shapes="_x0000_i1038">                                (2.14)
где Уt— выровненные значения уровней ряда;

t — периоды или моменты времени, к которым относятся уровни;

а, b — параметры уравнения (искомой прямой).

Для расчета параметров уравнения прямой линии обычно применяют способ наименьших квадратов, в основе которого лежит следующее требование: сумма квадратов отклонений фактических уровней ряда (У) от выровненных

и лежащих на искомой линии уровней (У) должна иметь минимальное значение, т. е.
  <img border=«0» width=«102» height=«33» src=«ref-1_1499408332-1553.coolpic» v:shapes="_x0000_i1039">
Этому требованию удовлетворяет система нормальных уравнений, которые в соответствии с обозначениями уравнения могут быть записаны в следующей форме:
  <img border=«0» width=«107» height=«47» src=«ref-1_1499409885-2162.coolpic» v:shapes="_x0000_i1040">
Где у – значение уровней фактического ряда динамики;

t – порядковые номера периодов или моментов времени;

n – число уровней фактического ряда динамики.

Приведенную систему нормальных уравнений можно упростить, если срединный уровень ряда условно принять за начальный уровень. В этом случае Σt=0, а система уравнений примет следующий вид:

  откуда параметры уравнений а, b выразятся так:
   <img border=«0» width=«89» height=«42» src=«ref-1_1499412047-1837.coolpic» v:shapes="_x0000_i1041">
Определив параметры а, b, легко найти выровненные значения уровней у и изобразить их графически в виде прямой линии.

В нашем случае динамический ряд имеет более или менее стабильные абсолютные приросты, следовательно, выравниваемый динамический ряд может быть выражен в виде прямой линии.
Таблица 2.2. Фактический и выровненный уровень оплаты корма (кг/т к.ед.) в сельскохозяйственной организации за 2005 – 2009 г.г.


Годы

Фактический уровень оплаты корма,

кг/т к. ед.

Поряд-ковый номер уровней

Отклонение порядкового номера уровня от срединного номера

Квадрат откло-нений

Произве-дение значений

Выровненный уровень оплаты корма,

кг/т к. ед



y

n

t

T2

yt

<img border=«0» width=«15» height=«25» src=«ref-1_1499413884-97.coolpic» v:shapes="_x0000_i1042">

2005

98

1

-2

4

-196

94,2

2006

99

2

-1

1

-99

101,9

2007

112

3







109,6

2008

106

4

1

1

106

117,3

2009

133

5

2

4

266

125

итого

548

-



10

77

548

<img width=«93» height=«41» src=«ref-1_1499413981-234.coolpic» hspace=«12» v:shapes="_x0000_s1030"><img border=«0» width=«107» height=«41» src=«ref-1_1499414215-269.coolpic» v:shapes="_x0000_i1043">
Отсюда уравнение прямой в нашем случае имеет следующий вид — У= 109,6 + 7,7* t. Поставим в уравнение (r) соответствующее значение t, найдем выровненные уравнения у, например
у0=109,6 + 7,7*2 = 125.
Полученные результаты запишем в таблицу 2.2. Фактический и выровненные уровень оплаты корма, кг/т к. ед. изобразим графически.


<img border=«0» width=«368» height=«207» src=«ref-1_1499414484-5875.coolpic» v:shapes="_x0000_i1044">

Рисунок 2.1 Фактический и выровненный уровень оплаты корма
На основании рисунка 2.1 делаем вывод: по выровненному уровню оплаты корма видим, что ежегодный уровень оплаты корма за 2002-2006 годы составил 7,7 кг/т к.ед.



    продолжение
--PAGE_BREAK--3. Структура кормов для свиней в сельскохозяйственной организации за пятилетие


Заключительное звено в технологической цепочке производства свинины является откорм. В целом свиноводство в Беларуси имеет прочную кормовую базу. Основные корма для свиней – комбикорма, картофель, трава бобовых и злаковых культур. В качестве высокобелковых добавок применяются молочные отходы, шрот, рыбная и мясокостная мука, кормовые дрожжи и др.

Наибольший удельный вес в рационе свиней составляет зерно. Степень его размола (тонина) существенно влияет на усвоение питательных веществ. Градации тонины установлены в зависимости от величины частиц: мелкий или тонкий размол — 0,5-1 мм, средний — 1,1-1,8 и крупный, или грубый, — 1,9-2,6 мм. Лучшие результаты откорма получаются при использовании зерна среднего размола.

На среднесуточный прирост, затраты корма и здоровье животных существенно влияет качество протеина, его аминокислотный состав. При оптимальном соотношении аминокислот, витаминов, минеральных веществ в рационе норму протеинового питания можно снизить на 15%.

Структура кормов для свиней предтавляет собой долевое или процентное соотношение какого-либо вида корма в составе всей кормовой базы. Структура кормов для свиней обычно расчитывают следующим образом:
<img border=«0» width=«112» height=«47» src=«ref-1_1499420359-401.coolpic» v:shapes="_x0000_i1045">                                            (2.4)
где    dп – доля вида корма;

П – вид корма, т к. ед.

Изучение структуры израсходованных кормов важно для выявления факторов, определяющих успешное развитие животноводства, так как продуктивность животных зависит не только от количества и качества кормов, но и от их соотношения в рационах.

Проведем расчет структуры корма для свиней и данный запишем в таблицу 3.1.
Таблица 3.1. Расчет структура кормов для свиней в сельскохозяйственной организации за 2006 – 2009 г.г.

Виды кормов

2005 год

2006 год

2007 год

2008 год

2009 год

т к.ед.

%

т к.ед.

%

т к.ед.

%

т к.ед.

%

т к.ед.

%

Концентрированные

329

87,5

316

66,7

390

92,9

395

86,8

306

85,0

из них: комбикорм

13

14,9

16

5,1

30

7,7

10

2,5

5

1,6

Сочные

-

-

-

-

2

0,5

-

-

-

-

Прочие

47

12,5

158

33,3

28

6,7

60

13,2

54

15,0

 
Итого

376

100

474

100

420

100

455

100

360

100

 


Из таблицы 3.1. видно, что сложилась не стабильная структура кормов. Основную долю в структуре занимает концентрированные корма.

    продолжение
--PAGE_BREAK--4. Уровень кормообеспеченности свиней и его взаимосвязь с важнейшими показателями производства (по совокупности сельскохозяйственных организаций)


Успешное развитие животноводства предполагает правильное соотношение численности сельскохозяйственных животных и кормовых ресурсов. Характеристику этого соотношения дают показатели обеспеченности кормами. Уровень обеспеченности кормами может быть определен путем:

-                   сопоставления фактического наличия кормов с потребностью в кормах, исчисленной на основе фактической численности скота и зоотехнических норм его кормления;

-                   сопоставления фактического наличия кормов с потребностью в кормах, исчисленной на основе плана производства продукции животноводства и норм расхода кормов на единицу продукции.

Показатели обеспеченности скота кормами, исчисленные первым способом, можно разделить на две группы: 1) характеризующие наличие кормов в расчете на одну голову скота, ц и 2) характеризующие степень обеспеченности скота кормами (фактическое наличие в процентах к потребности).

Первая группа показателей представляет собой частное от деления количества кормов на поголовье скота. Наиболее общим из этой группы показателей является количество всех видов кормов в кормовых единицах в расчете на одну голову всех видов скота, пересчитанных в условное поголовье. Кроме того, определяют количество кормов по видам (грубые, сочные, концентрированные) в расчете на условную голову скота. Условное поголовье берется к началу года и к началу зимовки. Для расчета этих показателей иногда берут плановое поголовье на предстоящую зимовку. Исчисленные показатели сопоставляют с зоотехническими нормами.

Вторая группа показателей представляет собой отношение фактического наличия кормов к потребности в кормах (в кормовых единицах) по видам (грубые, сочные, концентрированные) и каждому виду животных отдельно.

Потребность в кормах исчисляют по каждой половозрастной группе животных исходя из уровня продуктивности, живой массы скота и других факторов. Такой расчет (зоотехнический), как правило, может быть сделан непосредственно в хозяйстве. По стране в целом, республике, области и даже административному району потребность в кормах может быть исчислена другим способом (статистическим) на основе средних данных. Для этого можно принять среднюю годовую норму кормления одной свиньи и распространить эту норму на условную голову скота, поскольку свинья принимается в качестве пересчетной единицы при переводе скота в условное поголовье. Пересчитав поголовье скота всех видов в условное поголовье, можно определить общую потребность в кормах.

Рост и развитие животных, их продуктивность зависят в первую очередь от уровня кормления, т.е. от количества использованных кормов на одну голову за сутки, месяц, год. Повышение уровня кормления животных — главное условие интенсификации производства и повышения его эффективности. При низком уровне кормления большая часть корма идет на поддержание жизненных процессов в организме животных и меньшая — на получение продукции, в результате чего увеличиваются затраты кормов на производство единицы продукции. Более высокий уровень кормления животных обеспечивает повышение в рационах доли продуктивной части корма, рост продуктивности животных и сокращение затрат кормов на единицу продукции.

Взаимосвязь между уровнем кормления и продуктивностью животных можно показать с помощью рис. 4.1.


<img border=«0» width=«278» height=«141» src=«ref-1_1499420760-4910.coolpic» v:shapes="_x0000_i1046">

Рисунок 4.1. Зависимость продуктивности у от уровня кормления животных
В процессе анализа важно установить степень влияния фактора на уровень продуктивности животных и на основе факторного анализа определить величину неиспользованных, текущих и перспективных резервов увеличения производства продукции.
4.1 Аналитическая группировка


Аналитическая группировка – вид статистических группировок, позволяющих выявить взаимосвязь между различными признаками в статистических совокупностях. Аналитические группировки проводят только по количественным существенным признакам. Взаимосвязанные признаки в каждой статистической совокупности принято условно разделять на факторные и результативные.

Факторный признак – признак, обуславливающий вариацию и оказывающий влияние на другой, связанный с ним результативный признак.

Результативный признак – зависимый от факторного признак, т.е. изменяющий свое значение под влиянием другого, связанного с ним и действующего на него факторного признака.

Деление признаков на факторные и результативные носит условный характер, т.к. значимость этих признаков может меняться.

Аналитические группировки могут проводиться по одному, двум, трем и более группировочным признакам. Если группировка проводится по одному признаку, она называется простой, а если по двум, трем и более – сложной.

Важнейшее требование, которое предъявляется к аналитическим группировкам, заключается в достаточной представительности совокупности. Применение приема аналитической группировки органически связано с формирование интервального ряда. Интервалы в группах могут быть равные и неравные. Равные интервалы применяются когда статистическая совокупность по группировочному признаку признана однородной (V<33.3%), а неравные – когда статистическая совокупность по группировочному признаку признана неоднородной (V>33.3%).

Аналитическая группировка проводится в следующем порядке:

1.        По имеющейся выборочной совокупности прежде всего устанавливают факторный и результативный признак.

2.        Решают вопрос о целесообразности проведения простой и комбинированной аналитической группировки. С этой целью устанавливают соответственно один, два или более группировочных признаков.

3.        Рассчитывают коэффициент вариации группировочных признаков и оценивают однородность статистической совокупности по этим признакам.

4.        Определяют число групп и подгрупп по факторным (группировочным) признакам. При большом числе вариаций (>30) статистической совокупности количество групп рассчитывается по формуле:
  <img border=«0» width=«175» height=«31» src=«ref-1_1499425670-688.coolpic» v:shapes="_x0000_i1047">
где n – сумма частот в статистической совокупности.

При малой выборке (20 – 30 единиц) устанавливается минимальное количество групп (3-4).

5.        Рассчитывают размер интервала для каждой группы по факторному признаку. Величина равных интервалов определяется следующим образом:


<img border=«0» width=«209» height=«38» src=«ref-1_1499426358-705.coolpic» v:shapes="_x0000_i1048">

 


<img width=«35» height=«24» src=«ref-1_1499427063-122.coolpic» hspace=«12» v:shapes="_x0000_s1033">где – максимальная варианта в статистической совокупности

<img width=«34» height=«23» src=«ref-1_1499427185-124.coolpic» hspace=«12» v:shapes="_x0000_s1034"> – минимальная варианта в статистической совокупности

6.        Определяют верхнюю и нижнюю границы интервала в каждой группе по факторному признаку. Нижней границей (началом) первой группы является минимальная варианта в статистической совокупности. Верхняя граница первой группы рассчитывается как сумма нижней границы и размера интервала. Границы каждой последующей группы устанавливаются аналогичным образом.

Для определения коэффициента вариации используем вспомогательную таблицу 4.1 (Приложение 1).
<img border=«0» width=«76» height=«45» src=«ref-1_1499427309-318.coolpic» v:shapes="_x0000_i1049">             (4.3)                                        <img border=«0» width=«128» height=«52» src=«ref-1_1499427627-465.coolpic» v:shapes="_x0000_i1050"> (4.4)
<img border=«0» width=«84» height=«43» src=«ref-1_1499428092-239.coolpic» v:shapes="_x0000_i1051"> (4.5)
<img border=«0» width=«115» height=«41» src=«ref-1_1499428331-291.coolpic» v:shapes="_x0000_i1052">                                                              <img border=«0» width=«116» height=«47» src=«ref-1_1499428622-338.coolpic» v:shapes="_x0000_i1053">
<img border=«0» width=«149» height=«45» src=«ref-1_1499428960-380.coolpic» v:shapes="_x0000_i1054">
Так как коэффициент вариации V>33,3, следовательно данная совокупность неоднородная, т.е расположенные данные возрастают неравномерно. Аналитическую группировку будем выполнять с неравными интервалами и число групп устанавливать по огиве Гальтона (рис. 4.2).


<img border=«0» width=«333» height=«185» src=«ref-1_1499429340-5779.coolpic» v:shapes="_x0000_i1055">

Рисунок 4.2. Огива распределения хозяйств по уровню кормообеспеченности.
Группы по графику выделяем в местах наибольших скачков или разрывов признака.

Для проведения аналитической группировки используем вспомогательную таблицу 4.2 (Приложение 2).

После того, как закончена вспомогательная таблица, строят итоговую результативную таблицу 4.3 взаимосвязи уровня кормообеспеченности с важнейшими показателями производства (Приложение 3).

Данные таблицы показывают, что с увеличением уровня кормообеспеченности возрастает среднесуточный прирост живой массы. Уровень рентабельности колеблется от группы к группе. Поэтому можно предположить, что существует прямая взаимосвязь между группировочным признаком и среднесуточным приростом живой массы свиней.
    продолжение
--PAGE_BREAK--4.2 Дисперсионный анализ


Вариация любого признака есть результат влияния на него комплекса факторов. Поэтому обычно с помощью метода статистических группировок имеется возможность выявить наличие или отсутствие взаимосвязи между факторными и результативными признаками. При этом любое, даже самое минимальное изменение результативных признаков под действием факторов формально может быть принято за закономерность.

Дисперсионный анализ – статистический метод, позволяющий изучить качество влияния признаков-факторов на результативные признаки, объективнее, достовернее оценить результаты группировки.

Изучение качества влияния факторов по дисперсиям результативных признаков принято называть дисперсионным анализом.

Простейшим показателем колеблемости результативного признака является объем его вариации. В связи с тем, что вариация признака-результата вызвана влиянием совокупности факторов, различают следующие её виды: общая, систематическая и случайная вариация.

Общая вариация результативного признака формируется под воздействием всего комплекса факторных признаков на результат и представляет собой сумму квадратов индивидуальных линейных отклонений всех вариант от общей средней варианты результативного признака.

<img width=«163» height=«35» src=«ref-1_1499435119-510.coolpic» hspace=«12» v:shapes="_x0000_s1035">

         (4.6)
где <img border=«0» width=«33» height=«25» src=«ref-1_1499435629-135.coolpic» v:shapes="_x0000_i1056">- объем общей вариации результативного признака;

<img border=«0» width=«16» height=«19» src=«ref-1_1499435764-94.coolpic» v:shapes="_x0000_i1057">  — индивидуальные варианты этого признака;

<img border=«0» width=«16» height=«23» src=«ref-1_1499435858-100.coolpic» v:shapes="_x0000_i1058">  — общая средняя варианта результативного признака.

Для расчета объема общей вариации воспользуемся таблицей 4.4. (Приложение 4)
<img border=«0» width=«157» height=«45» src=«ref-1_1499435958-483.coolpic» v:shapes="_x0000_i1059">
<img border=«0» width=«173» height=«28» src=«ref-1_1499436441-443.coolpic» v:shapes="_x0000_i1060">
Систематическая (межгрупповая, факторная) вариация формируется под воздействием одного или нескольких изучаемых факторов-признаков на признак-результат. Систематическая вариация характеризуется колебанием групповых средних и обусловливается влиянием изучаемых факторных признаков.
<img border=«0» width=«306» height=«36» src=«ref-1_1499436884-870.coolpic» v:shapes="_x0000_i1061"> (4.7)
где <img border=«0» width=«35» height=«25» src=«ref-1_1499437754-135.coolpic» v:shapes="_x0000_i1062">  — среднее групповое значение признака-результата;

<img border=«0» width=«16» height=«23» src=«ref-1_1499435858-100.coolpic» v:shapes="_x0000_i1063">  — среднее значение по всей совокупности;

<img border=«0» width=«16» height=«21» src=«ref-1_1499437989-93.coolpic» v:shapes="_x0000_i1064">  — число единиц совокупности, взятых из аналитической группировки.

Для расчета систематической (факторной) вариации воспользуемся таблицей 4.5. (Приложение 5)
<img border=«0» width=«133» height=«32» src=«ref-1_1499438082-411.coolpic» v:shapes="_x0000_i1065">
Случайная (остаточная) вариация обусловлена влиянием на результативные признаки всех признаков-факторов, кроме учтенных в объеме систематической (межгрупповой) вариации и формируется за счет колебаний внутригрупповых вариант.
<img border=«0» width=«225» height=«33» src=«ref-1_1499438493-572.coolpic» v:shapes="_x0000_i1066"> (4.8)
<img border=«0» width=«260» height=«31» src=«ref-1_1499439065-790.coolpic» v:shapes="_x0000_i1067">
Определим структуру вариации, которая показывает какова мера влияния изучаемого признака-фактора на признак-результат:




<img border=«0» width=«71» height=«49» src=«ref-1_1499439855-263.coolpic» v:shapes="_x0000_i1068">                                          (4.9) 

<img border=«0» width=«107» height=«44» src=«ref-1_1499440118-299.coolpic» v:shapes="_x0000_i1069">

Установим число степеней свободы для нахождения дисперсий:
<img border=«0» width=«80» height=«25» src=«ref-1_1499440417-173.coolpic» v:shapes="_x0000_i1070">                                        (4.10)
где n – число единиц статистической совокупности.
<img border=«0» width=«120» height=«25» src=«ref-1_1499440590-230.coolpic» v:shapes="_x0000_i1071">

<img border=«0» width=«91» height=«25» src=«ref-1_1499440820-197.coolpic» v:shapes="_x0000_i1072">                                      (4.11)
где N – число групп в аналитической группировке.
<img border=«0» width=«109» height=«25» src=«ref-1_1499441017-211.coolpic» v:shapes="_x0000_i1073">

<img border=«0» width=«129» height=«25» src=«ref-1_1499441228-246.coolpic» v:shapes="_x0000_i1074">                               (4.12)

<img border=«0» width=«123» height=«24» src=«ref-1_1499441474-221.coolpic» v:shapes="_x0000_i1075">
<img border=«0» width=«33» height=«25» src=«ref-1_1499441695-127.coolpic» v:shapes="_x0000_i1076">, <img border=«0» width=«39» height=«25» src=«ref-1_1499441822-137.coolpic» v:shapes="_x0000_i1077">, <img border=«0» width=«32» height=«24» src=«ref-1_1499441959-121.coolpic» v:shapes="_x0000_i1078">  — число степеней свободы соответственно для общей, факторной и остаточной вариации.

На основе расчетов объемов и числа степеней свободы определим исправленные дисперсии:
v                                             Общая <img border=«0» width=«175» height=«49» src=«ref-1_1499442080-455.coolpic» v:shapes="_x0000_i1079">                          (4.13)


v                                             Факторная <img border=«0» width=«185» height=«49» src=«ref-1_1499442535-467.coolpic» v:shapes="_x0000_i1080">                  (4.14)
v                                             Остаточная <img border=«0» width=«180» height=«47» src=«ref-1_1499443002-452.coolpic» v:shapes="_x0000_i1081">                 (4.15)
Дальнейшие расчеты состоят в сопоставлении факторной и остаточной дисперсии. Отношение этих дисперсий получило название фактического критерия Фишера:
<img border=«0» width=«199» height=«51» src=«ref-1_1499443454-518.coolpic» v:shapes="_x0000_i1082">                 (4.16)
Для оценки существенности свиязи между изучаемыми признаками при использовании критерия Фишера можно рассчитать коэффициент существенности:
<img border=«0» width=«85» height=«48» src=«ref-1_1499443972-264.coolpic» v:shapes="_x0000_i1083">                              (4.17)
При р = 0,95 <img border=«0» width=«128» height=«44» src=«ref-1_1499444236-322.coolpic» v:shapes="_x0000_i1084">

При р = 0,99 <img border=«0» width=«127» height=«44» src=«ref-1_1499444558-333.coolpic» v:shapes="_x0000_i1085">
При этом оценка существенности проводится по следующему принципу:

v                     Если <img border=«0» width=«53» height=«25» src=«ref-1_1499444891-147.coolpic» v:shapes="_x0000_i1086">, то связь существенная;

v                     Если <img border=«0» width=«53» height=«25» src=«ref-1_1499445038-144.coolpic» v:shapes="_x0000_i1087">, то связь малосущественная;

v                     Если <img border=«0» width=«53» height=«25» src=«ref-1_1499445182-148.coolpic» v:shapes="_x0000_i1088">, то связь несущественная.

Компактное оформление результатов дисперсионного анализа оформим в виде таблицы 4.6 (Приложение 6).

Данные таблицы 4.6 показывают, что изменение в среднесуточном приросте живой массы на 45% обусловлено влиянием уровня кормообеспеченности свиней и на 55% влиянием всех остальных факторов. Коэффициента существенности <img border=«0» width=«29» height=«25» src=«ref-1_1499445330-113.coolpic» v:shapes="_x0000_i1089"> показывает, что взаимосвязь уровня кормообеспеченности свиней и среднесуточного прироста живой массы существенна как при уровне вероятности 0,95, так и при уровне вероятности 0,99.
    продолжение
--PAGE_BREAK--4.3 Корреляционно-регрессионный анализ


Для количественного выражения степени тесноты связи между уровнем кормообеспеченности и среднесуточным приростом живой массы проведем корреляционно-регрессионный анализ. При этом, прежде всего, необходимо выявить характер связи между признаком-фактором и признаком-результатом.

Характер связи может быть близким к прямолинейному или криволинейному. Приближенно его можно установить путем графического изображения поля корреляции (рис 4.3). на координатной диаграмме.
<img border=«0» width=«414» height=«193» src=«ref-1_1499445443-5924.coolpic» v:shapes="_x0000_i1090">

Рисунок 4.3. Поле корреляции


По полю корреляции можно предположить, что связь между признаками прямолинейная, так как точки на графике сгруппированы практически по одной прямой, а не разбросаны по координатной плоскости. Прямолинейную связь подтверждает и эмпирическая прямая, которая строится на основании средних групповых значений факторного и группировочного признака. Для более точного определения вида связи рассчитаем коэффициент:
<img border=«0» width=«109» height=«49» src=«ref-1_1499451367-317.coolpic» v:shapes="_x0000_i1091">                                   (4.18)
где <img border=«0» width=«20» height=«25» src=«ref-1_1499451684-102.coolpic» v:shapes="_x0000_i1092">  — коэффициент прямолинейной парной корреляции;

<img border=«0» width=«20» height=«25» src=«ref-1_1499451786-109.coolpic» v:shapes="_x0000_i1093">  — среднее произведение факторного и результативного признака;

<img border=«0» width=«31» height=«25» src=«ref-1_1499451895-118.coolpic» v:shapes="_x0000_i1094">  — среднее значение соответственно факторного и результативного признака;

<img border=«0» width=«39» height=«25» src=«ref-1_1499452013-129.coolpic» v:shapes="_x0000_i1095">  — среднеквадратические отклонения признака-фактора и признака-результата.

Рассчитаем корреляционные отношения:
<img border=«0» width=«197» height=«55» src=«ref-1_1499452142-585.coolpic» v:shapes="_x0000_i1096">                                    (4,19)
<img border=«0» width=«284» height=«49» src=«ref-1_1499452727-686.coolpic» v:shapes="_x0000_i1097">
<img border=«0» width=«207» height=«27» src=«ref-1_1499453413-453.coolpic» v:shapes="_x0000_i1098">                                  (4.20)


По расчетным уточнениям коэффициента корреляции можно сделать следующие выводы:

1.                 Положительное значение коэффициента корреляции указывает на прямую связь между фактором и результатом.

2.                 Значение коэффициента корреляции r < 0,3 указывает на слабую связь.

3.                 Далее мы составим и решим уравнение прямой линии:
<img border=«0» width=«79» height=«27» src=«ref-1_1499453866-182.coolpic» v:shapes="_x0000_i1099">                                                  (4.21)
где <img border=«0» width=«15» height=«25» src=«ref-1_1499413884-97.coolpic» v:shapes="_x0000_i1100">  — среднее значение признака-результата;

 <img border=«0» width=«13» height=«15» src=«ref-1_1499454145-84.coolpic» v:shapes="_x0000_i1101">  — параметр уравнения, характеризующий минимальное значение результативного признака;

 <img border=«0» width=«13» height=«19» src=«ref-1_1499454229-88.coolpic» v:shapes="_x0000_i1102">  — коэффициент пропорциональности изменения признака.
<img border=«0» width=«192» height=«48» src=«ref-1_1499454317-464.coolpic» v:shapes="_x0000_i1103">                           (4.22)
<img border=«0» width=«220» height=«25» src=«ref-1_1499454781-360.coolpic» v:shapes="_x0000_i1104">                      (4.23)
После соответствующих расчетов по данным формулам уравнение будет иметь вид: <img border=«0» width=«100» height=«24» src=«ref-1_1499455141-211.coolpic» v:shapes="_x0000_i1105">. На основании уравнения построим теоретическую линию регрессии на рисунке 4.3.

По составленному нами уравнению регрессии видно, что при увеличении уровня кормообеспеченности на 1 т. к.ед./гол., среднесуточный прирост живой массы свиней увеличивается на 0,1 кг/гол.

Выводы и предложения


В данной курсовой работе был проведен статистический анализ основных показателей уровня кормообеспеченности. В результате проведенного анализа можно сделать следующие выводы:

1. С ростом более чем в 3,17 раза уровня кормообеспеченности свиней наблюдается увеличение среднесуточного прироста живой массы свиней на 100 %, уровня производства прироста живой массы на 50%. Таким образом, прием аналитической группировки позволяет не только определить взаимосвязь между признаками, но и выявить факторы, влияющие на эту связь.

2. Объем факторной вариации, обусловленной влиянием продуктивности свиней на удельный расход кормов занимает в структуре общей вариации 45 %. Коэффициент существенности больше 1, следовательно связь в нашем случае существенная.

3. Коэффициент корреляции (<img border=«0» width=«12» height=«13» src=«ref-1_1499455352-82.coolpic» v:shapes="_x0000_i1106">ху=0,21) показывает, что между изучаемыми признаками существует слабая связь, т.е. уровень кормообеспеченности оказывает влияние на среднесуточный прирост живой массы свиней.

В результате корреляционного анализа получили уравнение регрессии <img border=«0» width=«100» height=«25» src=«ref-1_1499455434-216.coolpic» v:shapes="_x0000_i1107">. По составленному нами уравнению видно, что при увеличении уровня кормообеспеченности на 1 т. к.ед./гол., среднесуточный прирост живой массы свиней увеличивается на 0,1 кг/гол.



    продолжение
--PAGE_BREAK--Список используемой литературы


1.            Афанасьев В.Н., Маркова А.И. Статистика сельского хозяйства: Учеб.пособие. – М.: Финансы и статистика, 2003.

2.            Белый И.Н. Учет затрат и калькулирование себестоимости сельскохозяйственной продукции.- Мн.: Ураджай, 1990.

3.            Бидий А.И., Степаненко Н.В., Хромова Т.Ф., Сельскохозяйственная статистика с основами общей теории статистики. – М.; Финансы и статистика, 1984.

4.            Замосковный О.П., Статистика сельского хозяйства. — М.; Финансы и статистика, 1990г.

5.            Информационно-аналитический журнал «Сельскохозяйственный вестник «Зооинженерия» №4, 2006.

6.            Кабара В.И., Пилько В.В., Борисова В.М. Разведение сельскохозяйственных животных: Учебное пособие. – Горки: БГСА, 2005.

7.            Коборов Н.К. и другие. Статистика сельского хозяйства. – М.; Финансы и статистика, 1982г.

8.            Луценко А.И., Основы статистики сельского хозяйства. – М.; 1995г.

9.            Постановление Министерства сельского хозяйства и продовольствия Республики Беларусь от 30.11.2006 г. № 81 «Об утверждении зоотехнических правил по определению продуктивности племенных животных и определение племенной ценности животных», глава 4 «Определение продуктивности племенных свиней».

10.        Сергеев С.С. Сельскохозяйственная статистика с основами экономической статистики. – М.; Статистика, 1978г.

11.        Статистика: национальные счета, показатели и методы анализа: Справочное пособие. / под редакцией Теслюка И.В. – Мн.; БГУ, 1995г.

12.        Шундалов Б.М. Статистика: Общая теория: учеб. Пособие для студентов экон. специальностей учреждений, обеспечивающих получение высшего с.-х. образования. – Минск: ИВЦ Минфина, 2006.

13.        Шундалов Б.М. Методические указания/Белорусская государственная сельскохозяйственная академия; — Горки, 25008 г.

14.        Жудро Н.В., Лобан И.И., Мангутова В.В., Молоткова Т.К. Статистика: Задания и цифровая информация для выполнения курсовой работы/Белорусская государственная сельскохозяйственная академия; — Горки, 2008 г.

Приложение 1


Таблица 4.1. Вспомогательные расчеты для определения коэффициента вариации.

Ранговый номер

Номер хозяйства

Уровень кормообеспеченности, т к.ед/гол

Линейные отклонения

Квадрат линейных отклонений

 

 

<img border=«0» width=«13» height=«15» src=«ref-1_1499455650-84.coolpic» v:shapes="_x0000_i1108">

<img width=«92» height=«12» src=«ref-1_1499455734-204.coolpic» v:shapes="_x0000_s1036">

<img width=«93» height=«14» src=«ref-1_1499455938-251.coolpic» v:shapes="_x0000_s1037">

1

2

3

4

5

1

21

0,18

-0,23

0,05

2

18

0,19

-0,22

0,05

3

6

0,20

-0,21

0,04

4

17

0,21

-0,20

0,04

5

13

0,22

-0,20

0,04

6

4

0,22

-0,19

0,04

7

28

0,22

-0,19

0,04

8

1

0,26

-0,15

0,02

9

7

0,27

-0,15

0,02

10

14

0,27

-0,14

0,02

11

15

0,28

-0,13

0,02

12

3

0,34

-0,07

0,00

13

16

0,35

-0,06

0,00

14

20

0,37

-0,04

0,00

15

27

0,38

-0,04

0,00

16

24

0,39

-0,02

0,00

17

2

0,42

0,00

0,00

18

9

0,43

0,02

0,00

19

12

0,45

0,03

0,00

20

19

0,45

0,04

0,00

21

30

0,45

0,04

0,00

22

10

0,47

0,05

0,00

23

25

0,51

0,09

0,01

24

22

0,51

0,10

0,01

25

11

0,65

0,24

0,06

26

29

0,66

0,25

0,06

27

5

0,68

0,27

0,07

28

23

0,71

0,30

0,09

29

26

0,79

0,38

0,14

30

8

0,87

0,46

0,21

 

 

12,41

0,00

1,06



--PAGE_BREAK--Приложение 3
Таблица 4.3. Взаимосвязь уровня кормообеспеченности свиней с результативными показателями.

№ п/п

Показатели

Группы хозяйств по уровню кормообеспеченности свиней, т к.е.д/гол

Итого, в среднем

3 гр в % к 1 гр

1 группа

2 группа

3 группа

0,18 – 0,28

0,34 – 0,51

0,65 – 0,87

1

Число хозяйств в группе

11

13

6

-

54,55

2

Уровень кормообеспеченности, т к.ед/гол

0,23

0,42

0,73

0,41

317,39

3

Плотность поголовья свиней, гол/100 га

0,23

0,14

0,11

0,17

47,83

4

Среднесуточный прирост живой массы свиней, кг/гол

0,18

0,23

0,36

0,24

200,00

5

Уровень производства прироста живой массы свиней, млн. руб.

0,02

0,03

0,03

0,02

150,00

6

Удельный расход кормов, т к.ед/т

4,05

5,43

5,68

4,98

140,25

7

Трудоемкость производства 1 т прироста живой массы свиней, ц/чел.-ч.

0,02

0,02

0,02

0,02

100,00

8

Себестоимость 1 т прироста живой массы свиней, тыс. руб.

4160,18

4862,62

4489,50

4530,43

107,92

9

Уровень рентабельности производства прироста живой массы свиней, %

-28,57

-30,10

-37,40

-31,00

-8,83

 


Приложение 4
Таблица 4.4. Расчет общей вариации среднесуточного прироста живой массы свиней, кг/гол.

Ранговый номер

Номер хозяйства

Среднесуточный прирост живой массы свиней, кг/гол

Линейные отклонения

Квадрат линейных отклонений

 

 

<img width=«21» height=«24» src=«ref-1_1499456189-181.coolpic» v:shapes="_x0000_s1038">

<img width=«92» height=«15» src=«ref-1_1499456370-153.coolpic» v:shapes="_x0000_s1039">

<img width=«93» height=«14» src=«ref-1_1499456523-256.coolpic» v:shapes="_x0000_s1040">

1

2

3

4

5

1

21

0,17

-0,07

0,01

2

18

0,13

-0,11

0,01

3

6

0,17

-0,07

0,00

4

17

0,14

-0,10

0,01

5

13

0,15

-0,09

0,01

6

4

0,15

-0,09

0,01

7

28

0,33

0,09

0,01

8

1

0,29

0,05

0,00

9

7

0,24

0,00

0,00

10

14

0,10

-0,14

0,02

11

15

0,10

-0,14

0,02

12

3

0,14

-0,10

0,01

13

16

0,14

-0,09

0,01

14

20

0,17

-0,07

0,00

15

27

0,36

0,12

0,01

16

24

0,27

0,03

0,00

17

2

0,39

0,15

0,02

18

9

0,18

-0,06

0,00

19

12

0,17

-0,07

0,00

20

19

0,17

-0,07

0,00

21

30

0,34

0,10

0,01

22

10

0,21

-0,03

0,00

23

25

0,24

0,00

0,00

24

22

0,25

0,01

0,00

25

11

0,30

0,06

0,00

26

29

0,49

0,25

0,06

27

5

0,33

0,09

0,01

28

23

0,33

0,09

0,01

29

26

0,34

0,10

0,01

30

8

0,38

0,14

0,02

ИТОГО:

 

7,19

0,00

0,29



Приложение 5
Таблица 4.5. Расчет факторной вариации среднесуточного прироста живой массы свиней, кг/гол.

№ группы

Среднее групповое значение среднесуточного прироста живой массы свиней, кг/гол

Локальная частота

Линейное отклонение от общей средней

Квадрат линейного отклонения

Взвешенные квадраты линейных отклонений

 

<img width=«28» height=«20» src=«ref-1_1499456779-181.coolpic» v:shapes="_x0000_s1041">

<img width=«16» height=«21» src=«ref-1_1499456960-95.coolpic» v:shapes="_x0000_s1042">

<img width=«63» height=«25» src=«ref-1_1499457055-172.coolpic» v:shapes="_x0000_s1043">

<img width=«79» height=«26» src=«ref-1_1499457227-205.coolpic» v:shapes="_x0000_s1044">

<img width=«85» height=«26» src=«ref-1_1499457432-208.coolpic» v:shapes="_x0000_s1045">

1 группа

0,18

11

-0,06

0,00

0,04

2 группа

0,23

13

0,00

0,00

0,00

3 группа

0,36

6

0,12

0,01

0,09

Итого

-

30

0,06

0,02

0,13

В среднем

0,24

-

-

-

-




    продолжение
--PAGE_BREAK--Приложение 6
Таблица 4.6. Результаты дисперсионного анализа по среднесуточному приросту живой массы свиней, кг/гол.

№ п/п

Элементы вариации

Символы

Вариации

Общая

Факторная

Остаточная

1

2

3

4

5

6

1

Объем вариации

W

0,29

0,13

0,16

2

Структура вариации

D

100

45

55

3

Число степеней свободы

С

29

2

27

4

Исправленные дисперсии

S²

0,01

0,07

0,006

5

Критерий Фишера

<img border=«0» width=«37» height=«25» src=«ref-1_1499457640-133.coolpic» v:shapes="_x0000_i1109">

-

11,67

-



Р=0,95

<img border=«0» width=«35» height=«24» src=«ref-1_1499457773-129.coolpic» v:shapes="_x0000_i1110">

-

3,35

-



Р=0,99



-

5,49

-

6

Коэффициент существенности

<img border=«0» width=«29» height=«25» src=«ref-1_1499445330-113.coolpic» v:shapes="_x0000_i1111">









Р=0,95



-

3,48

-



Р=0,99



-

2,13

-
    продолжение
--PAGE_BREAK--