5389
.pdf2011 |
19,1 |
2012 |
22,3 |
Постройте адекватную модель тренда. Сделайте точечный и интервальный прогноз розничного товарооборота до 2014 года (уровень значимости α = 0,05).
6.13. Динамика продажи товара характеризуется следующими данными:
Месяц |
Продажа, тыс. руб. |
Месяц |
Продажа, тыс. руб. |
Месяц |
Продажа, тыс. руб. |
1 |
93 |
5 |
60 |
9 |
36 |
2 |
72 |
6 |
60 |
10 |
50 |
3 |
75 |
7 |
42 |
11 |
44 |
4 |
56 |
8 |
48 |
12 |
48 |
Для определения основной тенденции развития рынка товара постройте адекватную модель тренда. Сделайте точечный и интервальный прогноз объёма реализации товара на I квартал следующего года (уровень значимости α = 0,05).
6.14. Имеются следующие данные о товарных запасах на складе торговой фирмы:
Время (квартал, год) |
Товарные запасы, тыс. руб. |
I 2002 |
93,6 |
II 2002 |
177,0 |
III 2002 |
303,0 |
IV 2002 |
512,0 |
I 2003 |
683,0 |
II 2003 |
736,0 |
III 2003 |
712,0 |
IV 2003 |
781,0 |
I 2004 |
988,0 |
II 2004 |
1 220,0 |
III 2004 |
1 381,0 |
IV 2004 |
1 554,0 |
I 2005 |
1 823,0 |
II 2005 |
1 994,0 |
III 2005 |
2 083,0 |
IV 2005 |
2 232,0 |
Для определения основной тенденции в развитии уровня запасов постройте уравнение параболы второго порядка. Сделайте прогноз уровня запасов на 2006 г.: а) по методу среднего абсолютного прироста; б) по методу среднего темпа роста; в) на основе аналитического выравнивания.
Рассчитайте среднюю квадратическую ошибку каждого вида прогноза.
6. 15. Имеются следующие данные о динамике поставки шерстяных тканей в розничную сеть области по кварталам за 2010 – 2012 гг., млн руб.:
81
Кварталы |
|
2010 |
|
2011 |
|
2012 |
|
|
|
|
|
|
|
I |
|
236,1 |
|
270,8 |
|
279,9 |
II |
|
238,8 |
|
279,1 |
|
280,3 |
III |
|
234,0 |
|
271,8 |
|
276,0 |
IV |
|
295,6 |
|
286,6 |
|
299,1 |
|
|
|
|
|
|
|
Для анализа |
внутригодовой |
динамики поставки |
шерстяных тканей: |
1) определите индексы сезонности с применением метода аналитического выравнивания по прямой и методом постоянной средней; 2) представьте графически сезонную волну поставки шерстяных тканей по кварталам года и сделайте выводы.
6.16. Продажа велосипедов в магазинах региона характеризуется следующими данными:
Месяц |
Продано, тыс. шт. |
Месяц |
Продано, тыс. шт. |
|
|
|
|
Январь |
30,8 |
Июль |
190,1 |
|
|
|
|
Февраль |
61,2 |
Август |
138,9 |
|
|
|
|
Март |
120,7 |
Сентябрь |
82,3 |
|
|
|
|
Апрель |
240,6 |
Октябрь |
50,4 |
|
|
|
|
Май |
280,1 |
Ноябрь |
36,7 |
|
|
|
|
Июнь |
255,3 |
Декабрь |
35,3 |
|
|
|
|
Постройте модель сезонных колебаний уровня продажи велосипедов, используя первую гармонику ряда Фурье.
6.17. По предприятию торговли имеются следующие данные о товарообороте за отчётном год:
Месяц |
Среднесуточная |
|
Месяц |
Среднесуточная |
|
реализация, тыс. |
|
|
реализация, тыс. руб. |
|
руб. |
|
|
|
|
|
|
|
|
Январь |
10,3 |
|
Июль |
11,8 |
|
|
|
|
|
Февраль |
10,6 |
|
Август |
12,4 |
|
|
|
|
|
Март |
10,9 |
|
Сентябрь |
11,7 |
|
|
|
|
|
Апрель |
11,3 |
|
Октябрь |
11,2 |
|
|
|
|
|
Май |
11,2 |
|
Ноябрь |
10,8 |
|
|
|
|
|
Июнь |
11,7 |
|
Декабрь |
10,5 |
|
|
|
|
|
|
|
82 |
|
Постройте модель сезонных колебаний уровня товарооборота, используя первую гармонику ряда Фурье.
Тема 7. КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ
7.1. Методические указания
Виды связей между признаками
Существующие между признаками связи принято классифицировать на функциональные (жёстко детерминированные) и статистические (стохастически детерминированные).
Связь признака у с признаком х называется функциональной, если каждому возможному значению независимого признака х соответствует одно или несколько строго определённых значений зависимого признака у.
Функциональную связь можно представить уравнением:
yi |
f xi , |
где yi – результативный признак; |
|
f |
xi – известная функция связи результативного и факторного признаков; |
xi |
– факторный признак. |
Стохастическая связь — это связь между величинами, при которой одна из них, случайная величина у, реагирует на изменение другой величины x или других величин x1, x2, …, xn (случайных или неслучайных).
В случае корреляционной связи среднее значение (математическое ожидание) случайной величины результативного признака у закономерно изменяется в зависимости от изменения другой величины х или других случайных величин x1, x2, …, xn .Такая связь проявляется не в каждом отдельном случае, а во всей совокупности в целом, и только при достаточно большом количестве наблююдений становится очевидным, вызывает ли изменение значений случайного признака х изменение распределения средних величин случайного признака у . Корреляционная связь является частным случаем стохастической связи.
На первом этапе корреляционно-регрессионного анализа устанавливается факт наличия связи и её форма. На втором этапе измеряется теснота связи и проводится оценка её существенности. На заключительном этапе – построение модели связи (уравнения регрессии).
83
Измерение тесноты связи
Для установления факта наличия связи и её формы используют различные методы.
Для определения степени тесноты парной линейной зависимости служит
линейный коэффициент корреляции (r). При любой форме зависимости
(линейной или криволинейной) рассчитывается эмпирическое корреляционное
отношение ( |
). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Линейный коэффициент корреляции рассчитывается следующим образом: |
||||||||||||||||||
|
|
|
|
|
|
|
|
xy |
|
|
x |
y |
|
|
|
|
||
|
|
x |
x |
y y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r |
или r |
|
|
|
|
n |
|
|
|
|
|
|
, |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
n |
x |
y |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
x |
2 |
|
|
|
|
y |
2 |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
x 2 |
|
|
y 2 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
n |
|
|
|
|
n |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где x |
x – отклонения вариантов признака-фактора |
|
от их средней |
величины;
y y – отклонения вариантов значений результативного признака от их средней величины;
n– число единиц в совокупности;
x y – среднее квадратическое отклонение соответственно признака-фактора
ирезультативного признака.
Эмпирическое корреляционное отношение определяется по формуле
2
2 , y
где 2 – межгрупповая дисперсия результативного признака, вызванная влиянием признака-фактора.
у2 – общая дисперсия результативного признака.
Линейный коэффициент корреляции может принимать значения в пределах от –1 до +1. Чем ближе он по абсолютной величине к 1, тем теснее связь. Знак при этом указывает на направление связи: «+» говорит о прямой связи, «–» – об обратной. Эмпирическое корреляционное отношение изменяется в пределах от 0 до 1; чем ближе значение к 1, тем теснее связь, направление связи оно не показывает.
Оценка существенности линейного коэффициента корреляции при большом объёме выборки свыше 500 проводится с использованием t-критерия Стьюдента,
84
который представляет собой отношение отношения коэффициента корреляции (r) к его средней квадратической ошибке ( r ):
|
|
|
|
|
|
tрасч |
|
|
r |
|
|
, |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
r |
|||
|
|
1 |
|
r 2 |
|
|
|
|
|
|||
где |
r |
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
n |
1 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
При недостаточно большом объёме выборки величина средней квадратической ошибки коэффициента корреляции определяется по формуле
|
1 |
r 2 |
|||
r |
|
|
|
|
. |
|
|
|
|
||
|
n |
2 |
|||
|
|
|
|||
|
|
|
|
Уравнение регрессии
Если это отношение окажется больше значения t-критерия Стьюдента, определяемого по Приложению 5 при числе степеней свободы k = n – 2 и с вероятностью (1 – a) , то следует говорить о существенности коэффициента корреляции при уровне значимости а = 0,01 или 0,05.
Квадрат коэффициента корреляции r2 называется коэффициентом детерминации и показывает, на сколько процентов вариация результативного признака обусловлена вариацией признака-фактора.
После установления достаточной степени тесноты связи выполняется построение модели связи (уравнения регрессии). Тип модели выбирается на основе сочетания теоретического анализа и исследования эмпирических данных посредством построения эмпирической линии регрессии. Чаще всего используются следующие типы функций:
1) |
линейная yˆ x a |
|
bx ; |
|
|
|
|
|
2) |
гиперболическая yˆ x |
a |
b |
1 |
; |
|||
х |
||||||||
|
|
|
|
|
|
|
||
3) |
параболическая yˆ x |
a |
bx |
|
сх ; |
|||
4) |
показательная yˆ |
x |
a |
bх . |
|
|
||
|
|
|
|
|
|
|
Для определения численных значений параметров уравнения связи (линии регрессии) используется метод наименьших квадратов и решается система нормальных уравнений.
Для определения параметров уравнения прямолинейной корреляционной связи система нормальных уравнений (для несгруппированных данных) имеет вид:
85
y an b x
yx a x b x2 .
Параметры а и b можно определить и по следующим формулам
а у bx ; b r y .
x
Для проверки возможности использования линейной функции в качестве модели связи определяется разность (ŋ2−r2). Если она менее 0,1, то считается возможным применение линейной функции. Для решения этой же задачи можно использовать величину ω2, определяемую по формуле
2 |
2 |
r 2 |
1 |
2 |
, |
|
|
m |
2 |
|
n |
m |
где m − число групп, на которое разделён диапазон значений факторного
признака.
Если ω2 окажется меньше табличного значения F-критерия, то нулевая гипотеза о возможности использования в качестве уравнения регрессии линейной функции не опровергается. Значение F – критерия определяется по таблице в зависимости от уровня значимости а = 0,05 (вероятность Р = 0,95) и
числа степеней свободы числителя (k1 = m−2) и знаменателя (k2 = n–m)
(приложение В).
В качестве меры достоверности уравнения корреляционной зависимости используется процентное отношение средней квадратической ошибки уравнения
Se к среднему уровню результативного признака у :
|
Sе |
|
|
|
y |
yˆ 2 |
|
|
100 ; |
S |
|
|
|
, |
|
|
|
e |
|
|
|||
|
y |
|
n |
l |
|||
|
|
|
|||||
где y − фактические значения результативного признака; |
|||||||
уˆ − значения результативного |
признака, |
рассчитанные по уравнению |
регрессии;
l − число параметров уравнения регрессии.
Если это соотношение не превышает 10 − 15%, то следует считать, что уравнение регрессии достаточно хорошо отображает изучаемую взаимосвязь.
86
7.2. Решение типовых задач
Пример 7.1
Известны следующие данные о величине оборотного капитала и прибыли по
группе предприятий торговли.
№ |
Оборотный |
Прибыль, тыс. |
№ |
Оборотный |
Прибыль, тыс. |
п/п |
капитал, тыс. |
руб. |
п/п |
капитал, тыс. |
руб. |
|
руб. |
|
|
руб. |
|
1 |
634 |
127 |
14 |
836 |
210 |
2 |
536 |
86 |
15 |
739 |
169 |
3 |
726 |
184 |
16 |
846 |
215 |
4 |
510 |
82 |
17 |
934 |
264 |
5 |
656 |
137 |
18 |
927 |
241 |
6 |
547 |
110 |
19 |
851 |
235 |
7 |
809 |
193 |
20 |
678 |
167 |
8 |
732 |
190 |
21 |
832 |
275 |
9 |
807 |
184 |
22 |
748 |
157 |
10 |
766 |
189 |
23 |
717 |
164 |
11 |
664 |
135 |
24 |
944 |
314 |
12 |
751 |
175 |
25 |
959 |
286 |
13 |
556 |
115 |
|
|
|
На основе приведённых данных: 1) определим тесноту связи между оборотным капиталом и прибылью и дадим оценку существенности линейного коэффициента корреляции; 2) построим уравнение регрессии и оценим возможность использования линейной функции.
Решение
1. Факторный признак – величина оборотного капитала (x); результативный признак – прибыль (y).
Предполагая, что зависимость между оборотным капиталом и прибылью имеет линейную форму, определим тесноту связи на основе линейного коэффициента корреляции. Данные для расчёта приведены во вспомогательной таблице 1:
87
Вспомогательная таблица 1
№ |
Оборот- |
При- |
x2 |
y2 |
xy |
yˆ |
y yˆ |
( y yˆ)2 |
п/п |
ный |
быль, |
|
|
|
|
|
|
|
капитал, |
тыс. |
|
|
|
|
|
|
|
тыс. руб. |
руб. |
|
|
|
|
|
|
|
(х) |
(у) |
|
|
|
|
|
|
1 |
634 |
127 |
401956 |
16129 |
80518 |
143,6 |
-16,6 |
275,56 |
2 |
536 |
86 |
287296 |
7396 |
46096 |
104,4 |
-18,4 |
338,56 |
3 |
726 |
184 |
527076 |
33856 |
133584 |
180,4 |
3,6 |
12,96 |
4 |
510 |
82 |
260100 |
6724 |
41820 |
94,0 |
-12 |
144,00 |
5 |
656 |
137 |
430336 |
18769 |
89872 |
152,4 |
-15,4 |
237,16 |
6 |
547 |
110 |
299209 |
12100 |
60170 |
108,8 |
1,2 |
1,44 |
7 |
809 |
193 |
654481 |
37249 |
156137 |
213,6 |
-20,6 |
424,36 |
8 |
732 |
190 |
535824 |
36100 |
139080 |
182,8 |
7,2 |
51,84 |
9 |
807 |
184 |
651249 |
33856 |
148488 |
212,8 |
-28,8 |
829,44 |
10 |
766 |
189 |
586756 |
35721 |
144774 |
196,4 |
-7,4 |
54,76 |
11 |
664 |
135 |
440896 |
18225 |
89640 |
155,6 |
-20,6 |
424,36 |
12 |
751 |
175 |
564001 |
30625 |
131425 |
190,4 |
-15,4 |
237,16 |
13 |
556 |
115 |
309136 |
13225 |
63940 |
112,4 |
2,6 |
6,76 |
14 |
836 |
210 |
698896 |
44100 |
175560 |
224,4 |
-14,4 |
207,36 |
15 |
739 |
169 |
546121 |
28561 |
124891 |
185,6 |
-16,6 |
275,56 |
16 |
846 |
215 |
715716 |
46225 |
181890 |
228,4 |
-13,4 |
179,56 |
17 |
934 |
264 |
872356 |
69696 |
246576 |
263,6 |
0,4 |
0,16 |
18 |
927 |
241 |
859329 |
58081 |
223407 |
260,8 |
-19,8 |
392,04 |
19 |
851 |
235 |
724201 |
55225 |
199985 |
230,4 |
4,6 |
21,16 |
20 |
678 |
167 |
459684 |
27889 |
11326 |
161,2 |
5,8 |
33,64 |
21 |
832 |
275 |
692224 |
75625 |
228800 |
222,8 |
52,2 |
2724,84 |
22 |
748 |
157 |
559504 |
24649 |
117436 |
189,2 |
-32,2 |
1036,84 |
23 |
717 |
164 |
514089 |
26896 |
117588 |
176,8 |
-12,8 |
163,84 |
24 |
944 |
314 |
891136 |
98596 |
296416 |
267,6 |
46,4 |
2152,96 |
25 |
959 |
286 |
919681 |
81796 |
274274 |
273,6 |
12,4 |
153,76 |
Итого |
18705 |
4604 |
14401253 |
937314 |
3625593 |
93731,14 |
|
|
|
|
|
|
|
|
|
|
10380,08 |
Линейный коэффициент корреляции составит:
|
|
|
|
|
|
xy |
|
|
|
|
x |
|
y |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
r |
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
x 2 |
|
|
|
|
|
y 2 |
||||||||||||||||
|
|
|
|
x 2 |
|
|
|
y 2 |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
n |
|
|
|
|
|
|
|
n |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
3 625 693 |
18 705 |
4 604 |
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
25 |
|
|
|
|
|
|
|
|
|
0,95. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
14 401 253 |
18 705 |
|
937 314 |
4 604 |
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
25 |
|
25 |
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
88
Значение линейного коэффициента корреляции 0,95 свидетельствует о прямой и тесной связи между величиной оборотного капитала и прибылью предприятий торговли.
Чтобы это утверждать, дадим оценку существенности линейного коэффициента корреляции на основе расчёта t-критерия Стьюдента:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
tрасч |
r n |
2 |
|
; t |
|
0,95 |
25 2 |
|
14,591. |
|||||
|
|
|
|
|
расч |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
0,952 |
|
||||||
|
1 |
r 2 |
|
1 |
|
|
|
Показатель tтабл находим по таблицам Стьюдента (приложение Б).
Для числа степеней свободы К = n−2=25−2=23 и уровня значимости 1% tтабл = 2,797; 14,591 > 2,797.
Следовательно, с вероятностью 0,99 можно утверждать существенность коэффициента корреляции.
2. В случае линейной связи параметры уравнения регрессии ( yˆ a bx) определяются следующим образом:
b r |
y |
; a y bx . |
|
x |
|||
|
|
Используя данные таблицы 1, рассчитаем среднее значение факторного и результативного признака, дисперсию и среднее квадратическое отклонение.
Среднее значение факторного признака:
|
|
|
x |
|
|
|
|
|
x |
18705 |
|
|
748,2 тыс. руб. |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
n |
25 |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Дисперсия факторного признака: |
|
|
|
|
|
||||||||||||||||||
2 |
|
|
x2 |
|
|
|
(x)2 |
14 401 253 |
(748,2)2 |
16 246,88 . |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
x |
|
|
n |
|
|
|
25 |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Среднее квадратическое отклонение факторного признака: |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
16 246,88 127,46 тыс. руб. |
|||||||||||||||
|
|
|
x |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Среднее значение результативного признака: |
|
||||||||||||||||||||||
|
|
|
y |
|
|
|
|
|
y |
4 604 |
|
|
184,16 тыс. руб. |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
n |
25 |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Дисперсия результативного признака: |
|
|
|
|
|
||||||||||||||||||
|
2 |
|
y |
2 |
|
|
|
( y)2 |
937 314 |
|
(184,16)2 |
3 577,65 . |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
y |
|
n |
|
|
|
|
25 |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Среднее квадратическое отклонение результативного признака:
|
2 |
|
|
руб. |
|
|
3 577,65 59,81 |
||||
y |
y |
||||
|
|
|
89
Теперь можем определить параметры уравнения регрессии:
b |
r |
y |
0,95 |
59,81 |
|
0,4 ; |
||
|
|
|
|
|||||
x |
127,46 |
|
||||||
|
|
|
|
|
|
|
|
|
a y |
bx |
184,16 |
0,4 748,2 |
115,12 . |
Подставим значения параметров в уравнение регрессии: yˆ 115 0,4x .
Коэффициент регрессии b = 0,4 говорит о том, что при увеличении оборотного капитала на 1 тыс. руб. прибыль в среднем возрастет на 0,4 тыс. руб., или на 400 руб.
Возможность использования линейной функции может быть оценена на основе величины:
2 |
2 |
r 2 |
1 |
2 |
, |
|
|
m |
2 |
|
n |
m |
где m − число групп, на которое разделен диапазон значений факторного признака.
Для расчёта ω2 необходимо исчислить эмпирический коэффициент детерминации:
2
2 2 .
Для определения межгрупповой дисперсии произведём группировку по факторному признаку и выполним вспомогательные расчёты (таблица 2).
Таблица 2 – Группировка предприятий по величине оборотного капитала
№ |
Оборотный |
Число |
Середина |
Прибыль в |
п/п |
капитал, тыс. |
предприятий |
интервала (Xi) |
среднем на |
|
руб. |
|
|
одно |
|
|
|
|
предприятиe yi |
|
|
|
|
|
1 |
510 − 600 |
4 |
555 |
98,25 |
2 |
600 − 690 |
4 |
645 |
141,5 |
3 |
690 − 780 |
7 |
735 |
175,43 |
4 |
780 − 870 |
6 |
825 |
218,67 |
5 |
870 − 960 |
4 |
915 |
276,25 |
90