МНОЖЕСТВЕННАЯ РЕГРЕССИЯ И КОРРЕЛЯЦИЯ
Решение типовых задач Пример 5. По 30 территориям России имеются данные, представленные в таблица 6. Таблица 6 Исходные данные по 30 территориям России
1.Построить уравнение множественной регрессии в стандартизированной и естественной форме; рассчитать частные коэффициенты эластичности, сравнить их с ß₁ и ß₂, пояснить различия между ними. 2. Рассчитать линейные коэффициенты частной корреляции и коэффициент множественной корреляции, сравнить их с линейными коэффициентами парной корреляции, пояснить различия между ними. 3. Рассчитать общий и частные F-критерии Фишера. Решение 1. Линейное уравнение множественной регрессии y от х₁ и х₂ имеет вид: у=а+b₁·x₁+b₂·x₂. Для расчета его параметров применим метод стандартизации переменных и построим искомое уравнение в стандартизированном масштабе: tу=ß₁·tх1+ß₂·tх₂.
Расчёт ß- коэффициентов выполним по формулам
Получим уравнение tᵧ=0,8273tᵪ₁-0,1141tᵪ₂. Для построения уравнения в естественной форме рассчитаем b₁ и b₂ используя формулы для перехода от ßᵢ к bᵢ: ßᵢ=bᵢ ; bᵢ=ßᵢ ; ; . Значение а определим из соотношения а=ȳ-b₁· ₁-b₂· ₂=86,8-1,6151·54,9+2,2505·33,5= -73,52276, ух₁х₂=-73,52+1,62·х₁-2,25·х₂. Для характеристики относительной силы влияния х₁ и х₂ на у рассчитаем средние коэффициенты эластичности: ; С увеличением средней заработной платы х1 на 1 % от ее среднего уровня средний душевой доходувозрастает на 1,02% от своего среднего уровня; при повышении среднего возраста безработного х2 на 1 % среднедушевой доход у снижается на 0,87% от своего среднего уровня. Очевидно, что сила влияния средней заработной платы на средний душевой доходуоказалась большей, чем сила влияния среднего возраста безработного х2. К аналогичным выводам о силе связи приходим при сравнении модулей значений β1 и β2:
Различия в силе влияния фактора на результат, полученные при сравнении Эух j и ß₁ объясняются тем, что коэффициент эластичности исходит из соотношения средних: , а ß-коэффициент –из соотношений средних квадратических отклонений: . 2. Линейные коэффициенты частной корреляции здесь рассчитываются по рекуррентной формуле:
Если сравнить значения коэффициентов парной и частной корреляции, то приходим к выводу, что из-за слабой межфакторной связи (rх1х = –0,116) коэффициенты парной и частной корреляции отличаются незначительно: выводы о тесноте и направлении связи на основе коэффициентов парной и частной корреляции совпадают:
Расчет линейного коэффициента множественной корреляции выполним с использованием коэффициентов и : Зависимость у от x1 и x2 характеризуется как тесная, в которой 72% вариации среднего душевого дохода определяются вариацией учтенных в модели факторов: средней заработной платы и среднего возраста безработного. Прочие факторы, не включенные в модель, составляют соответственно 28% от общей вариации у. 3.Общий F-критерий проверяет гипотезу Н0 о статистической значимости уравнения регрессии и показателя тесноты связи (R = 0):
СравниваяFтa6л. и Fфакт., приходим к выводу о необходимости отклонить гипотезу Hо, так как Fтабл. = 3,4 < Fфакт. = 34,6. С вероятностью 1 - а = 0,95 делаем заключение о статистической значимости уравнения в целом и показателя тесноты связи Ryx1x2, которые сформировались под неслучайным воздействием факторов х1 их2. Частные F-критерии - Fx1 и Fx2 оценивают статистическую значимость присутствия факторов x1 и х2 в уравнении множественной регрессии, оценивают целесообразность включения в уравнение одного фактора после другого фактора, т.е. Fx1 оценивает целесообразность включения в уравнение фактора после того, как в него был включен факторх2. Соответственно Fx2 указывает на целесообразность включения в модель факторах2 после фактора х1: Fтабл.=4,21; α=0,05 Сравнивая Fтa6л и Fфакт, приходим к выводу о целесообразности включения в модель фактора х1 после фактора х2. так как Гипотезу Н0 о несущественности прироста за счет включения дополнительного фактора х1 , отклоняем и приходим к выводу о статистически подтвержденной целесообразности включения фактора x1 после фактора х2. Целесообразность включения в модель фактора х2 после фактора х1 проверяет :
Низкое значение (немногим больше 1) свидетельствует о статистической незначимости прироста за счет включения в модель фактора х2 после фактора х1. Следовательно, подтверждается нулевая гипотеза Н0 о нецелесообразности включения в модель фактора х2 (средний возраст безработного). Это означает, что парная регрессионная модель зависимости среднего дохода от средней заработной платы является достаточно статистически значимой, надежной и что нет необходимости улучшать ее, включая дополнительный фактор х2 (средний возраст безработного). Пример 6. По 20 территориям России изучаются следующие данные (таблица 7): зависимость среднегодового душевого дохода у (тыс. руб.) от доли занятых тяжелым физическим трудом в общей численности занятых х1 (%) и от доли экономически активного населения в численности всего населения х2 (%). Таблица 7 Исходные данные по 20 территориям России
1. Составить таблицу дисперсионного анализа для проверки при уровне значимости а = 0,05 статистической значимости уравнения множественной регрессии и его показателя тесноты связи. 2. С помощью частных F-критериев Фишера оценить, насколько целесообразно включение в уравнение множественной регрессии фактора х1 после фактора х2 и насколько целесообразно включение х2 после х1. 3. Оценить с помощью r-критерия Стьюдента статистическую значимость коэффициентов при переменных х1 и х2 множественного уравнения регрессии.
Решение 1. Задача дисперсионного анализа состоит в проверке нулевой гипотезы Н0 о статистической незначимости уравнения регрессии в целом и показателя тесноты связи. Анализ выполняется при сравнении фактического и табличного (критического) значений F-критерия Фишера Fтабл. и Fфакт. Fфакт определяется из соотношения значений факторной и остаточной дисперсий, рассчитанных на одну степень свободы: , где n - число единиц совокупности; m - число факторов в уравнении линейной регрессии; - фактическое значение результативного признака; ух1х2 - расчетное значение результативного признака. Результаты дисперсионного анализа представлены в табл. 8. Таблица 8 Результаты дисперсионного анализа
Sобщ = σy²·n= (31,58)²·20=19945,9; Sфакт =σу² ·n· = 19945,9 · (0,773)² = 11918,3; Sост =σу²·n·(1– ) = Sобщ – Sфакт = 8027,6; Сравнивая Fтабл и Fфaкт, приходим к выводу о необходимости отклонить гипотезу Н0 и сделать вывод о статистической значимости уравнения регрессии в целом и значения, так как они статистически надежны и сформировались под систематическим действием неслучайных причин. Вероятность того, что допускаются ошибки при отклонении нулевой гипотезы, не превышает 5%, и это является достаточно малой величиной. 2. Частный F-критерий Фишера оценивает статистическую целесообразность включения фактора х1 в модель после того, как в нее включен фактор х2. Частный F-критерий Фишера строится как отношение прироста факторной дисперсии за счет дополнительно включенного фактора (на одну степень свободы) к остаточной дисперсии (на одну степень свободы), подсчитанной по модели с включенными факторами х1 и х2:
Результаты дисперсионного анализа представлены в табл. 9. Таблица 9 Результаты дисперсионного анализа Sобщ = = (31,58)2 ∙ 20 = 19945,9; Sфакт = = = 119118,3 – 5127,1 = 6731,2; Sост = = Sобщ - Sфакт = 8027,6 Включение фактора х1 после фактора х2 оказалось статистически значимым и оправданным: прирост факторной дисперсии (в расчете на одну степень свободы) оказался существенным, т.е. следствием дополнительного включения в модель систематически действующего фактора х1, так как = 14,38 > Fra6л = 4,45 . Аналогично проверим целесообразность включения в модель дополнительного фактора х2 после включенного ранее фактора х1. Расчет выполним с использованием показателей тесноты связи и :
В силу того что = 1,73 < Fтабл = 4,45 , приходим к выводу, что включение х2 после х1, оказалось бесполезным: прирост факторной дисперсии в расчете на одну степень свободы был несуществен, статистически незначим, т.е. влияниех2 не является устойчивым систематическим. Вполне возможно было ограничиться построением линейного уравнения парной регрессииу от х1 . 3.Оценка с помощью t-критерия Стьюдента значимости коэффициентов b1 и b2 связана с сопоставлением их значений с величиной их случайных ошибок:tb1и tb2. Расчет значений случайных ошибок достаточно сложен и трудоёмок. Поэтому предлагается более простой способ: расчет значения t-критерия Стьюдента для коэффициентов регрессии линейного уравнения как квадратного корня из соответствующего частного F-критерия Фишера: 1,32. Табличные (критические) значения t-критерия Стьюдента зависят от принятого уровня значимости а (обычно это 0,1; 0,05 или 0,01) и от числа степеней свободы (n - m - 1), где n - число единиц совокупности, m - число факторов в уравнении. В нашем примере приа = 0,05;df= 20 - 3 = 17; tта6л = 2,10. Сравнивая tтабл и tфакт, приходим к выводу, что так как = 3,79 > 2,11 =tтабл , коэффициент регрессии b1 является статистически значимым, надежным, на него можно опираться в анализе и в прогнозе. Так как 1,32 < 2,10 = tтабл приходим к заключению, что величина b2 является статистически незначимой, ненадежной в силу того, что она формируется преимущественно под воздействием случайных факторов. Еще раз подтверждается статистическая значимость влияния х1 (доли занятых тяжелым физическим трудом) на у (среднедушевой доход) и ненадежность, незначимость влияния х2 (доли экономически активного населения в численности всего населения). Пример 7. Зависимость спроса на свинину х1 от цены на нее х2 и от цены на говядину х3 представлена уравнением
1.Представить данное уравнение в естественной форме (не в логарифмах). 2.Оценить значимость параметров данного уравнения, если известно, что t-критерий для параметра b2 при х2 составил 0,827, а для параметра b3 при х3 - 1,015. Решение 1. Представленное степенное уравнение множественной регрессии приводим к естественной форме путём потенцирования обеих частей уравнения: х1 =100,1274 ·х2-0,2143 ·х32,8554 ; х1=1,3409 · · х32,8254 Значение коэффициентов регрессии b1 и b2 в степенной функции равны коэффициентам эластичности результата х1 от х2 и х3. Спрос на свинину х1 сильнее связан с ценой на говядину - он увеличивается в среднем на 2,83% при росте цен на 1%. С ценой на свинину спрос на нее связан обратной зависимостью: с ростом цен на 1% потребление снижается в среднем на 0,21%. 2. Табличное значение t-критерия для а = 0,05 обычно лежит в интервале 2 – 3 - в зависимости от степеней свободы. В данном примере tb2 = 0,827, tb3 = 1,015. Это весьма небольшие значения t-критерия, которые свидетельствуют о случайной природе взаимосвязи, о статистической ненадежности всего уравнения, поэтому применять полученное уравнение для прогноза не рекомендуется. Пример 8. По 20 предприятиям региона (табл. 10) изучается зависимость выработки продукции на одного работника у (тыс. руб.) от ввода в действие новых основных фондов х1 (% от стоимости фондов на конец года) и от удельного веса рабочих высокой квалификации в общей численности рабочих х2 (%). Таблица 10. Исходные данные по 20 предприятиям региона
1. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения МНК для их изучения. 2. Проанализировать линейные коэффициенты парной и частной корреляции. 3. Написать уравнение множественной регрессии, оценить значимость его параметров, пояснить их экономический смысл. 4. С помощью F-критерия Фишера оценить статистическую надежность уравнения регрессии и R2ух1х2 . Сравнить значения скорректированного и нескорректированного линейных коэффициентов множественной детерминации. 5. С помощью частных F-критериев Фишера оценить целесообразность включения в уравнение множественной регрессии фактора х1послех2 и факторах2 после х1 . 6. Рассчитать средние частные коэффициенты эластичности и дать на их основе сравнительную оценку силы влияния факторов на результат.
2.2. Реализация типовых задач на компьютерес помощью ППП Ехсеl
Сводную таблицу основных статистических характеристик для одного или нескольких массивов данных можно получить с помощью инструмента анализа данныхОписательная статистика. Для этого выполните следующие шаги: 1)введите исходные данные или откройте существующий файл, содержащий анализируемые данные; 2)в главном меню выберите последовательно пунктыСервис / Анализ данных / Описательная статистика, после чего щелкните по кнопке ОК; Рис. 18. Диалоговое окно ввода параметров инструмента Описательная статистика 3)заполните диалоговое окно ввода данных и параметров вывода (рис 18): Входной интервал– диапазон, содержащий анализируемые данные, это может быть одна или несколько строк (столбцов); Группирование– по столбцам или по срокам – необходимо указать дополнительно; Метки– флажок, который указывает, содержит ли первая строка названия столбцов или нет; Выходной интервал– достаточно указать левую верхнюю ячейку будущего диапазона, Новый рабочий лист - можно задать произвольное имя нового листа. Если необходимо получить дополнительную информацию Итоговой статистики, Уровня надежности, k-го наибольшего и наименьшего значений, установите соответствующие флажки в диалоговом окне. Щелкните по кнопке ОК.Результаты вычисления соответствующих показателей для каждого признака представлены на рис. 19.
Рис 19. Результат применения инструмента Описательная статистика Сравнивая значения средних квадратических отклонений и средних величин и определяя коэффициенты вариации: vy = 100% = 25,6%; vx1 = 100% =31,3%; vx21 100% = 30,6, Приходим к выводу о повышенном уровне варьирования признаков, хотя и в допустимых пределах, не превышающих 35%. Совокупность предприятий однородна, и для ее изучения могут использоваться метод наименьших квадратов и вероятностные методы оценки статистических гипотез. Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в данном уравнении множественной регрессии. К сожалению, в ППП MS Excel нет специального инструмента для расчета линейных коэффициентов частной корреляции. Матрицу парных коэффициентов корреляции переменных можно рассчитать, используя инструмент анализа данныхКорреляция. Для этого: 1)в главном меню последовательно выберите пунктыСервис / Анализ данных / Корреляция. Щелкните по кнопкеОК; 2)заполните диалоговое окно ввода данных и параметров вывода (см. рис. 18); 3)результаты вычислений - матрица коэффициентов парной корреляции - представлены на рис. 20. Рис. 20. Матрица коэффициентов парной корреляции Значения коэффициентов парной корреляции указывают на весьма тесную связь выработки у как с коэффициентом обновления основных фондов – х1, так и с долей рабочих высокой квалификации – х2( ryx1 = 0,9699 иryх2= 0,9408). Но в то же время межфакторная связь = 0,9428 весьма тесная и превышает тесноту связих2 с у. В связи с этим для улучшения данной модели можно исключить из нее фактор х2 как малоинформативный, недостаточно статистически надежный. Коэффициенты частной корреляции дают более точную характеристику тесноты связи двух признаков, чем коэффициенты парной корреляции, так как очищают парную зависимость от взаимодействия данной пары признаков с другими признаками, представленными в модели. Наиболее тесно связаны у и х1 : = 0,7335, связь у и х2 гораздо слабее: = 0,3247, а межфакторная зависимость х1 и х2 выше, чем парная у их2: = 0,3247 < = 0,3679. Все это приводит к выводу о необходимости исключить факторх2– доля высококвалифицированных рабочих – из правой части уравнения множественной регрессии. Если сравнить коэффициенты парной и частной корреляции, то можно увидеть, чтоиз-за высокой межфакторной зависимости коэффициенты парной корреляции дают завышенные оценки тесноты связи: = 0,9699; = 0,7335; = 0,9408; = 0,3247. Именно по этой причине рекомендуется при наличии сильной коллинеарности (взаимосвязи) факторов исключать из исследования тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи. 3. Вычисление параметров линейного уравнения множественной регрессии. Эта операция проводится с помощью инструмента анализа данныхРегрессия. Она аналогична расчету параметров парной линейной регрессии, описанной в 1-м разделе практикума, только в отличие от парной регрессии в диалоговом окне при заполнении параметра входной интервал X следует указать не один столбец, а все столбцы, содержащие значения факторных признаков. Результаты анализа представлены на рис. 21.
Рис. 21. Результат применения инструмента Регрессия 4. Оценку надежности уравнения регрессии в целом и показателя тесноты связи f-критерий Фишера: : . По данным таблиц дисперсионного анализа, представленным на рис. 20 и 21, Fфакт = 151,65. Вероятность случайно получить такое значение F-критерия составляет 0,0000…, что не превышает допустимый уровень значимости 5%; об этом свидетельствует величина Р-значения из этих же таблиц. Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов, т.е. подтверждается статистическая значимость всего уравнения и показателя тесноты связи . Значения скорректированного и нескорректированного линейных коэффициентов множественной детерминации приведены на рис. 20 и 21 в рамках регрессионной статистики. Нескорректированный коэффициент множественной детерминации = 0,9469 оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 94,7% и указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, иными словами - на весьма тесную связь факторов с результатом. Скорректированный коэффициент множественной детерминации 0,9407 определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсий. Он дает такую оценку тесноты связи, которая не зависит от числа факторов в модели и потому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более 90%) детерминированность результата у в модели факторами х1 и х2. 5. Частный F-критерий - показывает статистическую значимость включения фактора х2 в модель после того, как в нее включен фактор х1. = 2 . Вероятность случайной природы его значения (Р-значение = 0,1750) составляет 17,5% против принятого уровня значимости а = 0,05, (5%). Следовательно, включение в модель фактора х2 - доля высококвалифицированных рабочих - после того, как в уравнение включен фактор х1 - коэффициент обновления основных фондов - статистически нецелесообразно: прирост факторной дисперсии за счет дополнительного признака х2 оказывается незначимым, несущественным; фактор х2 включать в уравнение после фактора х1 не следует. Если поменять первоначальный порядок включения факторов в модель и рассмотреть вариант включениях1 после х2, то результат расчета частного F-критерия для х1 будет иным = 19,80. Вероятность его случайного формирования составила 0,04%, это значительно меньше принятого стандарта а = 0,05 (5%). Следовательно, значение частного F-критерия для дополнительно включенного фактора х1 не случайно, является статистически значимым, надежным, достоверным: прирост факторной дисперсии за счет дополнительного фактора х1 является существенным. Фактор х1 должен присутствовать в уравнении, в том числе в варианте, когда он дополнительно включается после фактора х2. Общий вывод состоит в том, что множественная модель с факторами х1 и х2 с = 0,9469 содержит неинформативный фактор х2. Если исключить фактор х2, то можно ограничиться уравнением парной регрессии: х =а0 + а1 + 1,23 более простым, хорошо детерминированным, пригодным для анализа и для прогноза. 6. Средние частные коэффициенты эластичностиs w:val="28"/></w:rPr></m:ctrlPr></m:accPr><m:e><m:r><m:rPr><m:sty m:val="bi"/></m:rPr><w:rPr><w:rFonts w:ascii="Cambria Math" w:fareast="Calibri" w:h-ansi="Cambria Math"/><wx:font wx:val="Cambria Math"/><w:b/><w:i/><w:sz w:val="28"/><w:sz-cs w:val="28"/></w:rPr><m:t>Р </m:t></m:r></m:e></m:acc></m:oMath></m:oMathPara></w:p><w:sectPr wsp:rsidR="00000000"><w:pgSz w:w="12240" w:h="15840"/><w:pgMar w:top="1134" w:right="850" w:bottom="1134" w:left="1701" w:header="720" w:footer="720" w:gutter="0"/><w:cols w:space="720"/></w:sectPr></wx:sect></w:body></w:wordDocument>"> ух j показывают, на сколько процентов от значения своей средней изменяется результат при изменении фактора xj на 1 % от своей средней jи при фиксированном воздействии на у всех прочих факторов, включенных в уравнение регрессии. Для линейной зависимости , где bj - коэффициент регрессии при xj в уравнении множественной регрессии. Здесь По значениям частных коэффициентов эластичности можно сделать вывод о более сильном влиянии на результат у признака фактора х2, чем признака фактора х1: 0,6% против 0,2%. Задание 2. Выполнить контрольные задания по вариантам 1-30, представленные в Приложении 2.
СПИСОК ЛИТЕРАТУРЫ 1. Елисеева, И. И. Практикум по эконометрике [Текст]: учебное пособие / И. И. Елисеева, С. В. Курышева, Н. М. Гордеенко и др. – М.: Финансы и статистика, 2003. – 192 с. 2. Елисеева, И.И. Эконометрика [Текст]: учебное пособие / И.И. Елисеева, С. В. Курышева, Н. М. Гордеенко и др. – М.: Финансы и статистика, 2002. – 344 с. 3. Тимофеева, Н.Ю. Оптимизация прогнозного бюджета оборотных средств предприятия с использованием облигационного портфеля / Н.Ю. Тимофеева, Л.П. Яновский // Финансы и кредит. – М., 2011. – № 13 (445). – С. 31-45. 4. Тимофеева, Н.Ю. Практикум по построению Экономико-математических моделей управления производством / Н.Ю. Тимофеева. – Елец: Елецкий государственный университет им. И. А. Бунина, 2014. – 83 с. 5. Тимофеева, Н.Ю. Практикум по построению Экономико-математических моделей прогнозирования деятельности предприятия (на основе нелинейного программирования) / Н.Ю. Тимофеева. – Елец: Елецкий государственный университет им. И. А. Бунина, 2015-53 с. 6. Тимофеева, Н.Ю. Управление денежными потоками предприятий: проблемы и методы [Текст]: монография / В.И.Тинякова, Н.Ю.Тимофеева // Вестник Саратовского Государственного Социально-Экономического Университета. – Саратов: ФГБОУВПО «Саратовский государственный социально-экономический университет», 2013. – № 2(46). — с. 93—98 7. Эддоус М. Методы принятия решений [Текст]: учеб. пособие / М.Эддоус, Р. Стенсфилд. – М.: Аудит, ЮНИТИ, 2007. 8. Экономическое моделирование в MicrosoftExcel [Текст]: учеб. пособие / Мур, Джеффри, Уэдерфорд, Ларри Р , и [др.]; пер. с англ. – М.: Издательский дом «Вильямс», 2004. – 1024 c.
ПРИЛОЖЕНИЕ 1 Задание 1. Выполнить по вариантам контрольные задачи 1-26: Задача 1 Получены функции
Определите, какие из представленных выше функций линейны по переменным, линейны по параметрам, нелинейны ни по переменным, ни по параметрам. Задача 2 Исследуя спрос на телевизоры марки N, аналитический отдел компании ABC по данным, собранным по 19 торговым точкам компании, выявил следующую зависимость: где у - объем продаж телевизоров марки N в отдельной торговой точке; х - средняя цена телевизора в данной торговой точке; в скобках приведены фактические значения t-критерия Стьюдента для параметров уравнения регрессии. До проведения этого исследования администрация компании предполагала, что эластичность спроса по цене для телевизоров марки N составляет -0,9. Подтвердилось ли предположение администрации результатами исследования? Задача 3 Для трех видов продукции А, В и С модели зависимости удельных постоянных расходов от объема выпускаемой продукции выглядят следующим образом: 1. Определите коэффициенты эластичности по каждому виду продукции и поясните их смысл. 2. Сравните при х = 1000 эластичность затрат для продукции В и С. 3. Определите, каким должен быть объем выпускаемой продукции, чтобы коэффициенты эластичности для продукции В и С были равны. Задача 4 Пусть имеется следующая модель регрессии, характеризующая зависимость у от х: 1. Постройте доверительный интервал для коэффициента регрессии в этой модели: а) с вероятностью 90%; б) с вероятностью 99%. 2. Проанализируйте результаты, полученные в п.1, и поясните причины их различий. Задача 5 Изучается зависимость потребления материалов у от объема производства продукци
Популярное: Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... Почему стероиды повышают давление?: Основных причин три... Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (640)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |