Высшая формула. Все формулы по математике

1. Общее понятие статистики. Предмет статистики.

Статистикой называют планомерный и систематический учет осуществляемый в масштабах страны органами государственной статистики во главе с государственным комитетом РФ по статистике.

Статистика - цифровые данные публикуемые в специальных справочниках и средствах массовой информации.

Статистика - специальная научная дисциплина.

Предмет и содержание статистической науки долгое время были дискуссионными. С целью решения этих вопросов в 1954 и 1968 гг. проводились специальные совещания с привлечением широкого круга ученых и практиков не только статистиков, но и специалистов связанных с ней науки. Кроме того, до середины 70-х гг. шла дискуссия о предмете статистики в специальной литературе. В ходе дискуссий выявились 3 основные точки зрения на предмет статистики:

1. Статистика - универсальная наука, изучающая массовое явление природы и общества.

2. Статистика - методологическая наука не имеющая своего предмета познания, а представляющая собой учение о методе, применяемым общественными науками.

3. Статистика - общественная наука, имеющая свой предмет, методологию и исследующая количественные закономерности общественного развития.

В результате проводившихся совещаний и дискуссий в статистической науке первые две точки зрения были большинством ученых и практиков отвергнуты, а третья в основном принята, дополнена и уточнена.

Предметом статистики является количественная сторона массовых социально-экономических явлений, неразрывные связи с их качественной стороной, конкретных условий, места и времени. Из данного определения следуют основные черты предмета статистической науки:

1. Статистика - наука общественная.

2. В отличие от других общественных наук статистика изучает количественную сторону общественных явлений.

3. Статистика изучает массовое явление.

4. Статистика изучает количественную сторону явлений в неразрывной связи с количественной стороной и это находит свое воплощение в существовании системы статистических показателей.

5. Статистика изучает количественную сторону явлений в конкретных условиях места и времени.

2. Метод статистики и статистическая методология.

Под статистической методологией понимается система принципов и методов их реализации направленных на изучение количественных закономерностей, проявляющихся в структуре взаимосвязей и динамике социально-экономических явлений. Важнейшими составными элементами метода статистики и статистической методологии являются массовое статистическое наблюдение, сводка и группировка, а также применение обобщающих статистических показателей и их анализ.

Сущность первого элемента статистической методологии составляет сбор первичных данных об изучаемом объекте. Например: в процессе переписи населения страны собираются данные о каждом человеке, проживающем на ее территории, которая заносится в специальный формуляр.

Второй элемент: сводка и группировка представляет собой разделение совокупности данных, полученных на этапе наблюдения на однородные группы по одному или несколько признаков. Например в результате группировки материалов переписи населения делится на группы (по полу, возрасту, населению, образованию и т.д.).

Сущность третьего элемента статистической методологии заключается в вычислении и социально-экономической интерпретации обобщающих статистических показателей:

1. Абсолютных

2. Относительных

3. Средних

4. Показателей вариации

5. Динамики

Три основных элемента статистической методологии составляют также три стадии любого статистического исследования.

3. Закон больших чисел и статистическая закономерность.

Важное значение для статистической методологии играет закон больших чисел. В наиболее общем виде он может быть сформулирован следующим образом:

Закон больших чисел - общий принцип в силу которого совокупные действия большого числа случайных факторов приводит при некоторых общих условиях к результату почти независящему от случая.

Закон больших чисел порожден особыми свойствами массовых явлений. Массовые явления последние в свою очередь с одной стороны в силу своей индивидуальности отличаются друг от друга, а с другой имеет нечто общее определяющее их принадлежность к определенному классу.

Единичное явление в большей степени подвержено влиянию случайных и несущественных факторов, чем масса явлений в целом. При определенных условиях значение признака у отдельной единицы можно рассматривать как случайную величину, учитывая, что она подчиняется не только общей закономерности, но и формируется под воздействием условий не зависящих от этой закономерности. Именно по этой причине статистика широко использует средние показатели, одним числом характеризующие всю совокупность. Только при большом числе наблюдений случайные отклонения от основного направления развития уравновешиваются, взаимопогашаются и статистическая закономерность проявляется более отчетливо. Таким образом, сущность закона больших чисел заключается в том, что в числах обобщающих результат массового статистического наблюдения закономерность развития социально-экономических явлений выявляется более отчетливо чем при небольшом по объему статистическому исследованию.

4. Отрасли статистики.

В процессе исторического развития в составе статистики как единой науки выделились и получили известную самостоятельность следующие отрасли:

1. Общая теория статистики, которая разрабатывает понятие категорий и методы измерения количественных закономерностей общественной жизни.

2. Экономическая статистика изучающая количественные закономерности процессов воспроизводства на различных уровнях.

3. Социальная статистика, изучающая количественную сторону развития социальной инфраструктуры общества (статистика здравоохранения, образования, культуры, моральная, судебная и др.).

4. Отраслевые статистики (статистика промышленности, агропромышленного комплекса, транспорта, связи и т.д.).

Все отрасли статистики, развивая и совершенствую свою методологию способствуют развитию статистической науки в целом.

5. Основные понятия и категории статистической науки в целом.

Статистическая совокупность - множество элементов одного и того же вида сходных между собой по одним признакам и различающимся по другим. Например: это совокупность отраслей экономики, совокупность ВУЗ, совокупность сотрудничества КБ и т.п.

Отдельные элементы статистической совокупности называются ее единицами. В рассмотренных выше примерах единицами совокупности являются соответственно отрасли, ВУЗ (один) и сотрудник.

Единицы совокупности обладают как правило многими признаками.

Признак - свойство единиц совокупности, выражающее их сущность и имеющее способность варьировать, т.е. изменяться. Признаки, принимающие единичное значение у отдельных единиц совокупности называются варьирующими, а сами значения вариантами.

Варьирующие признаки подразделяются на атрибутивные или качественные. Признак называется атрибутивным или качественным, если его отдельное значение (варианты) выражаются в виде состояния или свойств присущих явлению. Варианты атрибутивных признаков выражаются в словесной форме. Примерами таких признаков могут служить - хозяйственный.

Признак называется количественным, если его отдельное значение выражается в виде чисел. Например: заработная плата, стипендия, возраст, размер ОФ.

По характеру варьирования количественные признаки делятся на дискретные и непрерывные.

Дискретные - такие количественные признаки, которые могут принимать только вполне определенное, как правило целое значение.

Непрерывными - являются такие признаки, которые в определенных пределах могут принимать значение как целое, так и дробное. Например: ВНП страны и т.д.

Различаются также признаки основные и второстепенные.

Основные признаки характеризуют главное содержание и сущность изучаемого явления или процесса.

Второстепенные признаки дают дополнительную информацию и непосредственно связаны с внутренним содержанием явления.

В зависимости от целей конкретного исследования одни и те же признаки в одних и тех же случаях могут быть основными, а в других второстепенными.

Статистический показатель - это категория отображающая размеры и количественные соотношения признаков социально-экономических явлений и их качественной определенности в конкретных условиях места и времени. Следует различать содержание статистического показателя и его конкретное числовое выражение. Содержание, т.е. качественная определенность состоит в том, что показатели всегда характеризуют социально-экономические категории (население, экономика, финансовые институты и т.д.). Количественные размеры статистических показателей, т.е. их числовые значения зависят прежде всего от времени и места объекта, который подвергается статистическому исследованию.

Социально-экономические явления как правило не могут быть охарактеризованы каким-либо одним показателем, Например: уровнем жизни населения. Для комплексной всесторонней характеристики исследуемых явлений необходима научно обоснованная система статистических показателей. Такая система не является постоянной. Она постоянно совершенствуется исходя из потребностей общественного развития.

6. Задачи статистической науки и практики в условиях развития рыночной экономики.

Основными задачами статистики в условиях развития в России рыночных отношений являются следующие:

1. Совершенствование учета и отчетности и сокращение на этой основе документооборота.

2. Усиление работы по контролю за достоверностью статистической информации, предоставляемой предприятиям, учреждениям и организациям всех отраслей экономики и форм собственности.

3. Повышение своевременности статистической информации как в поступающий статистический орган, так и предоставляемые ими структуры государственной власти и управления.

4. Углубление аналитических функций, разрабатываемых статистических данных, формирование тематики проводимых статистических в соответствии с текущими задачами социально-экономическом развитии страны.

5. Дальнейшее развитие и совершенствование статистической методологии на основе все более широкого внедрения ПЭВМ практика и... статистического анализа не прогнозировалась.

Статистическая сводка - метод научной обработки статистических данных собранных в процессе наблюдения, при котором информация относящаяся к отдельной единице обобщается, а затем характеризуется аналитическими показателями и системой таблиц. При сводке получаются статистические данные характеризующие всю совокупность. На данном этапе осуществляется переход от индивидуальных характеристике единиц совокупности и обобщающим показателем, характеризующим всю совокупность.

Различают сводку в узком и широком смысле слова. В узком смысле слова под сводкой понимается техническая операция по подсчету итогов. В широком смысле слова сводка состоит из группировки полученной в процессе наблюдения информации составления систем показателей для характеристики типических групп изложения этих показателей в таблицах, а также подсчета общих и групповых итогов.

2.1. Общее понятие группировок.

Группировки являются таки методом исследований социально-экономических явлений, при котором статистическая совокупность делится на однородные группы, которые раскрывают состояние и развитие всей совокупности.

Группировка является важнейшим этапом статистического исследования, соединяющим сбор первичной информации об объеме исследования и анализ этой информации на основе обобщающих статистических показателей.

Методы группировок разнообразны. Это разнообразие обусловлено с одной стороны огромным множеством признаков, подвергаемых статистическому исследованию, а с другой стороны разнообразными задачами, которые решаются на основе группировок.

2.2. Важнейшая проблема возникающая при группировке.

Важнейшая проблема при построении группировки, является выбор группированного признака или основание группировки.

Группировочный признак - варьирующий признак по которому производится объединение единиц совокупности в группы.

По характеру варьирования, признаки разделяются, как известно, на: атрибутивные и количественные. Это деление определяет особенности решения второй проблемы группировок, а именно - определение числа выделяемых групп. При выборе в качестве группировочных некоторых атрибутивных признаков, может быть выделено только строго определенное количество групп. В частности при группировке населения по полу может быть выделено...

При группировке предприятий по прибыли может быть выделено 3 группы.

Для многих атрибутивных признаков разрабатываются устойчивые группировки, называемые классификацией. Например: классификация отраслей экономики, классификация занятий населения и др.

При группировке по количественному признаку, вопрос о количестве границы групп следует решать исходя из сущности изучаемого социально-экономического явления. При этом следует принимать во внимание такой показатель, как размах вариаций. Чем больше размах варьирования, тем больше образуется групп и наоборот. Необходимо также принимать во внимание численность единиц совокупности по которой строится группировка. При небольшом объеме совокупности, нецелесообразно образовывать большое число групп, т.к. в этом случае в группах не будет достаточного числа единиц для выявления статистических закономерностей.

Существенным вопросом при группировке по количественному признаку является определение интервалов. Показатели числа групп и величины интервалов находятся в обратной зависимости. Чем больше величина интервалов - тем меньше требуется групп и наоборот.

Интервалом называется разность между его верхней и нижней границей.

По величине группировочного признака интервалы подразделяются на равные и неравные. Равные интервалы применяются в тех случаях, когда изменение группировочного признака внутри совокупности происходит равномерно. Расчет величины равного интервала производится по формуле:

k - число групп

Xmax, Xmin - соответственно наибольшее и наименьшее значение признака к качеству групп.

Если распределение группировочного признака внутри совокупности неравномерное, то используются неравные интервалы. Неравные интервалы могут быть прогрессивно возрастающими и прогрессивно убывающими. часто при группировке применяются так называемые специализированные интервалы, т.е. такие, которые определяются исходя из цели исследования и сущности явления. Например: при группировке имеющей целью охарактеризовать трудоспособное население страны используются пятилетние интервалы возраста людей.

Третьей проблемой построения группировок является обозначение границ интервалов. При выделении интервалов по дискретным количественным признакам следует обозначать их границы т.о., чтобы нижняя граница последующего интервала отличалась от верхней границы предыдущего на единицу.

При группировке по непрерывному количественному признаку границы обозначаются так, чтобы группы были четко отделены одна от другой. Это достигается добавлением числовым границам интервалов указаниям о том, куда следует относить единицу обладающей группировочным признаком в размерах точно совпадающих с границами интервалов. Обычно дополнительные разъяснения к числовым границам интервалов образуемым по непрерывным количественным принципам выражаются словами: «более», «менее», «свыше» и т.д.

2.3. Виды группировок.

В зависимости от задач, решаемых с помощью группировок выделяют следующие их виды:

Типологические

Структурные

Аналитические

Главная задача типологической состоит в классификации социально-экономических явлений путем выделения однородных к качественным отношениям групп.

Качественная однородность при этом понимается в том смысле, что в отношении изучаемого свойства все единицы совокупности подчиняются одному закону развития. Например: группировка предприятиям отраслей экономики.

Абсолютные и относительные величины.

Абсолютной величиной называется показатель, выражающий размеры социально-экономического явления.

Относительной величиной в статистике называется показатель, выражающий количественное соотношение между явлениями. Он получается в результате деления одной абсолютной величины на другую абсолютную величину. Величина с которой мы производим сравнения называется основанием или базой сравнения .

Абсолютные величины - всегда величины именованные.

Относительные величины выражаются в коэффициентах, процентах, промили и т.д.

Относительная величина показывает, во сколько раз, или на сколько процентов сравниваемая величина больше или меньше базы сравнения.

В статистике различают 8 видов относительных величин:

1. Сущность и значение средних величин.

Средние величины являются одними из наиболее распространенных обобщающих статистических показателей. Они имеют своей целью одним числом охарактеризовать статистическую совокупность состоящую из меньшинства единиц. Средние величины тесно связаны с законом больших чисел. Сущность этой зависимости заключается в том, что при большом числе наблюдений случайные отклонения от общей статистики взаимопогашаются и в среднем более отчетливо проявляется статистическая закономерность.

С помощью метода средних решаются следующие основные задачи:

1. Характеристика уровня развития явлений.

2. Сравнение двух или нескольких уровней.

3. Изучение взаимосвязей социально-экономических явлений.

1. 4. Анализ размещения социально-экономических явлений в пространстве.

Для решения этих задач статистическая методология разработала различные виды средних.

2. Среднее арифметическое.

Для выяснения методики расчета средней арифметической используем следующие обозначения:

X - арифметический признак

X (X1, X2, ... X3) - варианты определенного признака

n - число единиц совокупности

Средняя величина признака

В зависимости от исходных данных средняя арифметическая может быть рассчитана двумя способами:

1. Если данные статистического наблюдения на сгруппированы, или сгруппированные варианты имеют одинаковые частоты, то рассчитывается средняя арифметическая простая:

2. Если частоты сгруппированы в данных разные, то рассчитывается среднее арифметическое взвешанное:

Численность (частоты) вариантов

Сумма частот

Среднее арифметическое рассчитывается по разному в дискретных и интервальных вариационных рядах.

В дискретных рядах варианты признака умножаются на частоты, эти произведения суммируются и полученная сумма произведений делится на сумму частот.

Рассмотрим пример вычисления средней арифметической в дискретном ряду:

В интервальных рядах значение признака задано, как известно, в виде интервалов, поэтому, прежде чем рассчитывать среднюю арифметическую, нужно перейти от интервального ряда к дискретному.

В качестве вариантов Xi используется середина соответствующих интервалов. Они определяются как полусумма нижней и верхней границ.

Если у интервала отсутствует нижняя граница, то его середина определяется как разность между верхней границей и половиной величины следующих интервалов. При отсутствии верхних границ, середина интервала определяется как сумма нижней границы и половины величины предыдущего интервала. После перехода к дискретному ряду дальнейшие вычисления происходят по методике рассмотренной выше.

Если веса fi заданы не в абсолютных показателях, а в относительных, то формула расчета средней арифметической будет следующей:

pi - относительные величины структуры, показывающие, какой процент составляют частоты вариантов в сумме всех частот.

Если относительные величины структуры заданы не в процентах, а в долях, то среднее арифметическое будет рассчитываться по формуле:

3. Средняя гармоническая.

Средняя гармоническая является первообразной формой средней арифметической. Она рассчитывается в тех случаях, когда веса fi не заданы непосредственно, а входят как сомножитель в один из имеющихся показателей. Также как и арифметическая, средняя гармоническая может быть простой и взвешанной.

Средняя гармоническая невзвешанная:

Средняя гармоническая смешанная:

Wi - произведение вариантов на частоты

При расчете средних величин необходимо помнить о том, что всякие промежуточные вычисления должны приводить как в числителе, так и в знаменателе и имеющим экономический смысл показателям.

4. Структурное среднее.

Структурное среднее характеризует состав статистической совокупности по одному из варьирующих признаков. К этим средним относятся мода и медиана .

Мода - такое значение варьирующего признака, которое в данном ряду распределения имеет наибольшую частоту.

В дискретных рядах распределений мода определяется визуально. Сначала определяется наибольшая частота, а по ней модальное значение признака. В интервальных рядах для вычисления моды используется следующая формула:

Xmo - нижняя граница модальности (интервал ряда с наибольшей частотой)

Mo - величина интервала

fMo - частота модального интервала

fMo-1 - частота интервала предшествующего модальному

fMo+1 - частота интервала следующего за модальным

Медианой называется такое значение варьирующего признака, которое делит ряд распределения на две равные части по объему частот. Медиана рассчитывается по разному в дискретных и интервальных рядах.

1. Если ряд распределения дискретный и состоит из четного числа членов, то медиана определяется как средняя величина из двух серединных значений рангированного ряда признаков.

2. Если в дискретном ряду распределения нечетное число уровней, то медианой будет серединное значение рангированного ряда признаков.

В интервальных рядах медиана определяется по формуле:

Нижняя граница медианного интервала (интервала для которого накопленная частота впервые превысит полусумму частот)

Me - величина интервала

Сумма частот ряда

Сумма накопленных частот предшествующих медианному интервалу

Частота медианного интервала

1. Общее понятие о вариации.

Вариацией называется различие значений признака у отдельных единиц совокупности.

Вариация возникает в силу того, что отдельные значения признака формируются по влияние большого числа взаимосвязанных факторов. Эти факторы часто действуют в противоположных направлениях и их совместное действие формирует значение признаков у конкретной единицы совокупности. Необходимость изучения вариаций связана с тем, что средняя величина, обобщающая данные статистического наблюдения, на показывает как колеблется вокруг нее индивидуальное значение признака. Вариации присущи явлениям природы и общества. При этом революция в обществе происходит быстрее, чем аналогичные изменения в природе. Объективно существуют также вариации в пространстве и во времени.

Вариации в пространстве показывают различие статистических показателей относящихся к различным административно-территориальным единицам.

Вариации во времени показывают различие показателей в зависимости от периода или момента времени к которым они относятся.

2. Меры вариаций.

К примерам вариаций относятся следующие показатели:

1. размах вариаций

2. среднее линейное отклонение

3. среднее квадратическое отклонение

4. дисперсия

5. коэффициент

1. Размах вариаций является ее простейшим показателем. Он определяется как разность между максимальным и минимальным значение признака. Недостаток этого показателя заключается в том, что он зависит только от двух крайних значений признака (min, max) и не характеризует колеблимость внутри совокупности. R=Xmax-Xmin.

2. Среднее линейное отклонение является средней величиной абсолютных значений отклонений от средней арифметической. Оно определяется по формуле:

Простая

Отклонения берутся по модулю, т.к. в противном случае, из-за математических свойств средней величины, они всегда были бы равны нулю.

4. Дисперсия (средний квадрат отклонений) имеет наибольшее применение в статистике как показатель меры колеблимости.

Дисперсия определяется по формулам:

пример: стр. 36

Дисперсия является именованным показателем. Она измеряется в единицах соответствующих квадрату единиц измерения изучаемого признака. В данном случае она показывает, что средний размер отклонения прибыли по 50 предприятиям от средней прибыли составляет 1,48 .

Дисперсия может быть также определена по формуле:

3. Среднее квадратическое отклонение определяется как корень из дисперсии.

По исходным данным приведенным выше, среднее квадратическое отклонение равно:

5. Коэффициент вариаций определяется как отношение среднего квадратического отклонения к средней величине признака, выраженное в процентах:

Он характеризует количественную однородность статистической совокупности. Если данный коэффициент < 50%, то это говорит об однородности статистической совокупности. Если же совокупность не однородна, то любые статистические исследования можно проводить только внутри выделенных однородных групп.

3. Дисперсия альтернативного признака.

Альтернативными называются 2 взаимоисключающих друг друга признака. То признаки, которыми каждая отдельная единица совокупности либо обладает, либо не обладает. Наличие альтернативного признака принято обозначать через единицу, а отсутствие через 0. Долю единиц обладающих данным признаком обозначают через p (п), а долю единиц на обладающих данным признаком обозначают через q. При этом p+q=1.

Дисперсия альтернативного признака определяется по формуле:

4. Виды дисперсий. Привила их сложения.

Если исследуемую статистическую совокупность разделить на группу, то для каждой из них можно определить групповые средние и дисперсии. Эти дисперсии будет характеризовать колеблимость изучаемого признака каждой отдельной группе. На этой основе можно определить среднюю изнутри групповых дисперсий.

ni=fi - численность единиц в отдельных группах

Эта дисперсия характеризует случайную вариацию признака, на зависящую от фактора положенного в основание группировки.

Вычисляется также межгрупповая дисперсия.

и ni=fi соответственно средние и численности по отдельным группам.

Эта дисперсия характеризует вариацию по влиянием группировочного признака. Сумма средней изнутри групповых и межгрупповой дисперсий позволяет определить общую дисперсию.

Данное равенство называют правилом сложения дисперсий.

; , т.е. существует тесная зависимость между изготовлением деталей и другими показателями.

Если значения исследуемого признака выражаются в долях или коэффициентах, то правило сложения дисперсий выражается следующими формулами:

ni - численность единиц в отдельных группах

pi - доля изучаемого признака во всей совокупности

средняя из внутригрупповых дисперсий для долей признаков

1. Виды и формы зависимости между социально-экономическими явлениями.

Многообразие взаимосвязей в которых находятся социально-экономические явления, рождают необходимость в их классификации.

По видам различают функциональную и корреляционную зависимость.

Функциональной называют такую зависимость, при которой одному значению факторного признака X соответствует одно строго определенное значение результативного признака Y.

В отличие от функциональной зависимости, корреляционная выражает такую связь между социально-экономическими явлениями, при которой одному значению факторного признака X могут соответствовать несколько значений результативного признака Y.

По направлению различают прямую и обратную зависимость.

Прямой называют такую зависимость, при которой значение факторного признака X и результативного признака Y изменяются в одном направлении. Т.о. при увеличении значения X, значения Y в среднем увеличиваются, а при уменьшении X - Y уменьшается.

Обратная зависимость между факторным и результативным признаками, если они изменяются в противоположных направлениях.

2. Статистические методы изучения взаимосвязей.

Важное место в статистическом изучении взаимосвязей занимают следующие методы:

1. Метод приведения параллельных данных.

2. Метод аналитических группировок.

3. Графический метод.

4. Балансовый метод.

6. Корреляционно-регрессионный.

1. Сущность метода приведения параллельных данных заключается в следующем:

Исходные данные по признаку X располагаются в порядке возрастания или убывания, а по признаку Y записываются соответствующие им показатели. Путем сопоставления значений X и Y, делается вывод о наличии и направлении зависимости.

3. Сущность графического метода составляет наглядное представление наличия и направления взаимосвязей между признаками. Для этого значение факторного признака X располагается по оси абсцисс, а значение результативного признака по оси ординат. По совместному расположению точек на графике делают вывод о направлении и наличии зависимости. При этом возможны следующие варианты:

а \, б/ (вверх) , в\ (вниз).

Если точки на графике расположены беспорядочно (а), то зависимость между изучаемыми признаками отсутствует .

Если точки на графике концентрируются вокруг прямой (б)/, зависимость между признаками прямая .

Если точки концентрируются вокруг прямой (в)\, то это свидетельствует о наличии обратной зависимости.

На основе метода параллельных данных и графического метода, могут быть рассчитаны показатели, характеризующие степень тесноты корреляционной зависимости.

Наиболее кратным из них является коэффициент знаков Фехнера. Он рассчитывается по формуле:

C - сумма совпадающих знаков отклонений индивидуальных значений признака от средней.

H - сумма несовпадений

Данный коэффициент изменяется в пределах (-1;1).

Значение KF=0 свидетельствует об отсутствии зависимости между изучаемыми признаками.

Если KF=±1, то это говорит о наличии функциональной прямой (+) и обратной (-) зависимости. При значении KF>½0,6½ делается вывод о наличии сильной прямой (обратной) зависимости между признаками. Кроме того на основе исходных данных о факторном и результативном признаках, может быть рассчитан коэффициент корреляции рангов Спирмена , который определяется по формуле:

Квадраты разности рангов

(R2-R1), n - число пар рангов

Данный коэффициент, как и предыдущий, изменяется в тех же пределах и имеет одинаковую с KF экономическую интерпретацию.

В тех случаях, когда значение X или Y выражаются одинаковыми показателями, коэффициент корреляции рангов рассчитывается по следующей формуле:

tj - одинаковое число рангов в j - ряду

Если исследуется зависимость между тремя и более математическими признаками, то для ее исследования применяется коэффициент конкордации определяемый по формуле:

m - количество факторов

n - число наблюдений

S - отклонение суммы квадратов рангов от средней квадратов рангов

3. Изучение зависимости между количественными признаками.

Для исследования взаимосвязи качественных альтернативных признаков, принимающих только 2 взаимоисключающих значения, используется коэффициент ассоциации и контингенции . При расчете этих коэффициентов составляется т.н. таблица 4-х камней, а сами коэффициенты рассчитываются по формуле:

Если коэффициент ассоциации ³ 0,5, а коэффициент контингенции ³ 0,3, то можно сделать вывод о наличии существенной зависимости между изучаемыми признаками.

Если признаки имеют 3 или более градаций, то для изучения взаимосвязей используются коэффициенты Пирсена и Чупрова. Они рассчитываются по формулам:

С - коэффициент Пирсена

К - коэффициент Чупрова

j - показатель взаимной сопряженности

K - число значений (групп) первого признака

K1 - число значений (групп) второго признака

fij - частоты соответствующих клеток таблицы

mi - столбцы таблицы

nj - строки

Для расчета коэффициентов Пирсена и Чупрова составляется вспомогательная таблица:

При ранжировании качественных признаков с целью изучения их взаимосвязи используется коэффициент корреляции Кэндалла .

n - число наблюдений

S - сумма разностей между числом последовательностей и числом инвервий по второму признаку.

P - сумма значений рангов, следующих за данными и превышающих его величину

Q - сумма значений рангов, следующих за данными и меньших его величины (учитывается со знаком «-»).

При наличии связанных рангов формула коэффициента Кендалла будет следующей:

Vx и Vy определяются отдельно для рангов X и Y по формуле:

5. Методы выявления основной тенденции рядов динамики.

Уровни ряда динамики формируются под вниманием 3-х групп факторов:

1. Факторов определяющих основное направление, т.е. тенденцию развития изучаемого явления.

2. Факторов действующих периодически, т.е. направленных колебаний по неделям месяца, месяцам года и т.д.

3. Факторов действующих в разных, иногда в противоположных направлениях и не оказывающих существенного влияния на уровень данного ряда динамики.

Основной задачей статистического изучения данамики является выявление тенденции.

Основными методами выявления тенденции рядов динамики являются:

Метод укрупнения интервалов

Метод скользящей средней

Метод аналитического выравнивания

1. Сущность метода укрупнения интервалов заключается в следующем:

Исходный ряд динамики преобразуется и заменяется другими состоящими из других уровней, относящихся к укрупненным периодам или моментам времени.

Например: ряд динамики прибыли малого предприятия за 1997 год по кварталам того же года. При этом уровни ряда за укрупненные периоды или моменты времени могут представлять собой либо суммарные, либо средние показатели. Однако в любом случае рассчитанные таким образом уровни ряда более отчетливо выявляют тенденции, поскольку сезонные и случайные колебания при суммировании или определении средних взаимопогашаются и уравновешиваются.

2. Метод скользящей средней , как и предыдущий предполагает преобразование исходного ряда динамики. Для выявления тенденции формируются интервал, состоящий из одинакового числа уровней. При этом каждый последующий интервал получается путем смещения на 1 уровень от начального. По образованным таким образом интервалам определяются в начале сумма, а затем средние. Технически удобнее определять скользящие средние для нечетного интервала. В этом случае рассчитанная средняя величина будет относиться к конкретному уровню ряда динамики, т.е. к середине интервала скольжения.

При определении скользящей средней по четному интервалу, расчетное значение средней величины относится к промежутку между двумя уровнями, и таким образом теряют экономический смысл. Это делает необходимыми дополнительные расчеты связанные с центрированием по формуле арифметической простой из двух соседних не центрированных средних.

"Случайности не случайны"... Звучит так, словно сказал философ, но на деле изучать случайности удел великой науки математики. В математике случайностями занимается теория вероятности. Формулы и примеры заданий, а также основные определения этой науки будут представлены в статье.

Что такое теория вероятности?

Теория вероятности - это одна из математических дисциплин, которая изучает случайные события.

Чтобы было немного понятнее, приведем небольшой пример: если подкинуть вверх монету, она может упасть «орлом» или «решкой». Пока монета находится в воздухе, обе эти вероятности возможны. То есть вероятность возможных последствий соотносится 1:1. Если из колоды с 36-ю картами вытащить одну, тогда вероятность будет обозначаться как 1:36. Казалось бы, что здесь нечего исследовать и предугадывать, тем более при помощи математических формул. Тем не менее, если повторять определенное действие много раз, то можно выявить некую закономерность и на ее основе спрогнозировать исход событий в других условиях.

Если обобщить все вышесказанное, теория вероятности в классическом понимании изучает возможность возникновения одного из возможных событий в числовом значении.

Со страниц истории

Теория вероятности, формулы и примеры первых заданий появились еще в далеком Средневековье, когда впервые возникли попытки спрогнозировать исход карточных игр.

Изначально теория вероятности не имела ничего общего с математикой. Она обосновывалась эмпирическими фактами или свойствами события, которое можно было воспроизвести на практике. Первые работы в этой сфере как в математической дисциплине появились в XVII веке. Родоначальниками стали Блез Паскаль и Пьер Ферма. Длительное время они изучали азартные игры и увидели определенные закономерности, о которых и решили рассказать обществу.

Такую же методику изобрел Христиан Гюйгенс, хотя он не был знаком с результатами исследований Паскаля и Ферма. Понятие «теория вероятности», формулы и примеры, что считаются первыми в истории дисциплины, были введены именно им.

Немаловажное значение имеют и работы Якоба Бернулли, теоремы Лапласа и Пуассона. Они сделали теорию вероятности больше похожей на математическую дисциплину. Свой теперешний вид теория вероятностей, формулы и примеры основных заданий получили благодаря аксиомам Колмогорова. В результате всех изменений теория вероятности стала одним из математических разделов.

Базовые понятия теории вероятностей. События

Главным понятием этой дисциплины является "событие". События бывают трех видов:

• Достоверные. Те, которые произойдут в любом случае (монета упадет).
• Невозможные. События, что не произойдут ни при каком раскладе (монета останется висеть в воздухе).
• Случайные. Те, что произойдут или не произойдут. На них могут повлиять разные факторы, которые предугадать очень трудно. Если говорить о монете, то случайные факторы, что могут повлиять на результат: физические характеристики монеты, ее форма, исходное положение, сила броска и т. д.

Все события в примерах обозначаются заглавными латинскими буквами, за исключением Р, которой отведена другая роль. Например:

• А = «студенты пришли на лекцию».
• Ā = «студенты не пришли на лекцию».

В практических заданиях события принято записывать словами.

Одна из важнейших характеристик событий - их равновозможность. То есть, если подбросить монету, все варианты исходного падения возможны, пока она не упала. Но также события бывают и не равновозможными. Это происходит, когда кто-то специально воздействует на исход. Например, «меченые» игральные карты или игральные кости, в которых смещен центр тяжести.

Еще события бывают совместимыми и несовместимыми. Совместимые события не исключают появления друг друга. Например:

• А = «студентка пришла на лекцию».
• В = «студент пришел на лекцию».

Эти события независимы друг от друга, и появление одного из них не влияет на появление другого. Несовместимые события определяются тем, что появление одного исключает появление другого. Если говорить о той же монете, то выпадение «решки» делает невозможным появление «орла» в этом же эксперименте.

Действия над событиями

События можно умножать и складывать, соответственно, в дисциплине вводятся логические связки «И» и «ИЛИ».

Сумма определяется тем, что может появиться или событие А, или В, или два одновременно. В случае когда они несовместимы, последний вариант невозможен, выпадет или А, или В.

Умножение событий заключается в появлении А и В одновременно.

Теперь можно привести несколько примеров, чтобы лучше запомнились основы, теория вероятности и формулы. Примеры решения задач далее.

Задание 1 : Фирма принимает участие в конкурсе на получение контрактов на три разновидности работы. Возможные события, которые могут произойти:

• А = «фирма получит первый контракт».
• А 1 = «фирма не получит первый контракт».
• В = «фирма получит второй контракт».
• В 1 = «фирма не получит второй контракт»
• С = «фирма получит третий контракт».
• С 1 = «фирма не получит третий контракт».

С помощью действий над событиями попробуем выразить следующие ситуации:

• К = «фирма получит все контракты».

В математическом виде уравнение будет иметь следующий вид: К = АВС.

• М = «фирма не получит ни одного контракта».

М = А 1 В 1 С 1 .

Усложняем задание: H = «фирма получит один контракт». Поскольку не известно, какой именно контракт получит фирма (первый, второй или третий), необходимо записать весь ряд возможных событий:

Н = А 1 ВС 1 υ АВ 1 С 1 υ А 1 В 1 С.

А 1 ВС 1 - это ряд событий, где фирма не получает первый и третий контракт, но получает второй. Соответственным методом записаны и другие возможные события. Символ υ в дисциплине обозначает связку «ИЛИ». Если перевести приведенный пример на человеческий язык, то фирма получит или третий контракт, или второй, или первый. Подобным образом можно записывать и другие условия в дисциплине «Теория вероятности». Формулы и примеры решения задач, представленные выше, помогут сделать это самостоятельно.

Собственно, вероятность

Пожалуй, в этой математической дисциплине вероятность события - это центральное понятие. Существует 3 определения вероятности:

• классическое;
• статистическое;
• геометрическое.

Каждое имеет свое место в изучении вероятностей. Теория вероятности, формулы и примеры (9 класс) в основном используют классическое определение, которое звучит так:

• Вероятность ситуации А равняется отношению числа исходов, что благоприятствуют ее появлению, к числу всех возможных исходов.

Формула выглядит так: Р(А)=m/n.

А - собственно, событие. Если появляется случай, противоположный А, его можно записывать как Ā или А 1 .

m - количество возможных благоприятных случаев.

n - все события, которые могут произойти.

Например, А = «вытащить карту червовой масти». В стандартной колоде 36 карт, 9 из них червовой масти. Соответственно, формула решения задания будет иметь вид:

Р(А)=9/36=0,25.

В итоге вероятность того, что из колоды вытянут карту червовой масти, составит 0,25.

К высшей математике

Теперь стало немного известно, что такое теория вероятности, формулы и примеры решения заданий, которые попадаются в школьной программе. Однако теория вероятностей встречается и в высшей математике, которая преподается в вузах. Чаще всего там оперируют геометрическими и статистическими определениями теории и сложными формулами.

Очень интересна теория вероятности. Формулы и примеры (высшая математика) лучше начинать изучать с малого - со статистического (или частотного) определения вероятности.

Статистический подход не противоречит классическому, а немного расширяет его. Если в первом случае нужно было определить, с какой долей вероятности произойдет событие, то в этом методе необходимо указать, как часто оно будет происходить. Здесь вводится новое понятие «относительная частота», которую можно обозначить W n (A). Формула ничем не отличается от классической:

Если классическая формула вычисляется для прогнозирования, то статистическая - согласно результатам эксперимента. Возьмем, к примеру, небольшое задание.

Отдел технологического контроля проверяет изделия на качество. Среди 100 изделий нашли 3 некачественных. Как найти вероятность частоты качественного товара?

А = «появление качественного товара».

W n (A)=97/100=0,97

Таким образом, частота качественного товара составляет 0,97. Откуда взяли 97? Из 100 товаров, которые проверили, 3 оказались некачественными. От 100 отнимаем 3, получаем 97, это количество качественного товара.

Немного о комбинаторике

Еще один метод теории вероятности называют комбинаторикой. Его основной принцип состоит в том, что если определенный выбор А можно осуществить m разными способами, а выбор В - n разными способами, то выбор А и В можно осуществить путем умножения.

Например, из города А в город В ведет 5 дорог. Из города В в город С ведет 4 пути. Сколькими способами можно доехать из города А в город С?

Все просто: 5х4=20, то есть двадцатью разными способами можно добраться из точки А в точку С.

Усложним задание. Сколько существует способов раскладывания карт в пасьянсе? В колоде 36 карт - это исходная точка. Чтобы узнать количество способов, нужно от исходной точки «отнимать» по одной карте и умножать.

То есть 36х35х34х33х32…х2х1= результат не вмещается на экран калькулятора, поэтому его можно просто обозначить 36!. Знак «!» возле числа указывает на то, что весь ряд чисел перемножается между собой.

В комбинаторике присутствуют такие понятия, как перестановка, размещение и сочетание. Каждое из них имеет свою формулу.

Упорядоченный набор элементов множества называют размещением. Размещения могут быть с повторениями, то есть один элемент можно использовать несколько раз. И без повторений, когда элементы не повторяются. n - это все элементы, m - элементы, которые участвуют в размещении. Формула для размещения без повторений будет иметь вид:

A n m =n!/(n-m)!

Соединения из n элементов, которые отличаются только порядком размещения, называют перестановкой. В математике это имеет вид: Р n = n!

Сочетаниями из n элементов по m называют такие соединения, в которых важно, какие это были элементы и каково их общее количество. Формула будет иметь вид:

A n m =n!/m!(n-m)!

Формула Бернулли

В теории вероятности, так же как и в каждой дисциплине, имеются труды выдающихся в своей области исследователей, которые вывели ее на новый уровень. Один из таких трудов - формула Бернулли, что позволяет определять вероятность появления определенного события при независимых условиях. Это говорит о том, что появление А в эксперименте не зависит от появления или не появления того же события в ранее проведенных или последующих испытаниях.

Уравнение Бернулли:

P n (m) = C n m ×p m ×q n-m .

Вероятность (р) появления события (А) неизменна для каждого испытания. Вероятность того, что ситуация произойдет ровно m раз в n количестве экспериментов, будет вычисляться формулой, что представлена выше. Соответственно, возникает вопрос о том, как узнать число q.

Если событие А наступает р количество раз, соответственно, оно может и не наступить. Единица - это число, которым принято обозначать все исходы ситуации в дисциплине. Поэтому q - число, которое обозначает возможность ненаступления события.

Теперь вам известна формула Бернулли (теория вероятности). Примеры решения задач (первый уровень) рассмотрим далее.

Задание 2: Посетитель магазина сделает покупку с вероятностью 0,2. В магазин зашли независимым образом 6 посетителей. Какова вероятность того, что посетитель сделает покупку?

Решение: Поскольку неизвестно, сколько посетителей должны сделать покупку, один или все шесть, необходимо просчитать все возможные вероятности, пользуясь формулой Бернулли.

А = «посетитель совершит покупку».

В этом случае: р = 0,2 (как указано в задании). Соответственно, q=1-0,2 = 0,8.

n = 6 (поскольку в магазине 6 посетителей). Число m будет меняться от 0 (ни один покупатель не совершит покупку) до 6 (все посетители магазина что-то приобретут). В итоге получим решение:

P 6 (0) = C 0 6 ×p 0 ×q 6 =q 6 = (0,8) 6 = 0,2621.

Ни один из покупателей не совершит покупку с вероятностью 0,2621.

Как еще используется формула Бернулли (теория вероятности)? Примеры решения задач (второй уровень) далее.

После вышеприведенного примера возникают вопросы о том, куда делись С и р. Относительно р число в степени 0 будет равно единице. Что касается С, то его можно найти формулой:

C n m = n! / m!(n-m)!

Поскольку в первом примере m = 0, соответственно, С=1, что в принципе не влияет на результат. Используя новую формулу, попробуем узнать, какова вероятность покупки товаров двумя посетителями.

P 6 (2) = C 6 2 ×p 2 ×q 4 = (6×5×4×3×2×1) / (2×1×4×3×2×1) × (0,2) 2 × (0,8) 4 = 15 × 0,04 × 0,4096 = 0,246.

Не так уж и сложна теория вероятности. Формула Бернулли, примеры которой представлены выше, прямое тому доказательство.

Формула Пуассона

Уравнение Пуассона используется для вычисления маловероятных случайных ситуаций.

Основная формула:

P n (m)=λ m /m! × e (-λ) .

При этом λ = n х p. Вот такая несложная формула Пуассона (теория вероятности). Примеры решения задач рассмотрим далее.

Задание 3 : На заводе изготовили детали в количестве 100000 штук. Появление бракованной детали = 0,0001. Какова вероятность, что в партии будет 5 бракованных деталей?

Как видим, брак - это маловероятное событие, в связи с чем для вычисления используется формула Пуассона (теория вероятности). Примеры решения задач подобного рода ничем не отличаются от других заданий дисциплины, в приведенную формулу подставляем необходимые данные:

А = «случайно выбранная деталь будет бракованной».

р = 0,0001 (согласно условию задания).

n = 100000 (количество деталей).

m = 5 (бракованные детали). Подставляем данные в формулу и получаем:

Р 100000 (5) = 10 5 /5! Х е -10 = 0,0375.

Так же как и формула Бернулли (теория вероятности), примеры решений с помощью которой написаны выше, уравнение Пуассона имеет неизвестное е. По сути его можно найти формулой:

е -λ = lim n ->∞ (1-λ/n) n .

Однако есть специальные таблицы, в которых находятся практически все значения е.

Теорема Муавра-Лапласа

Если в схеме Бернулли количество испытаний достаточно велико, а вероятность появления события А во всех схемах одинакова, то вероятность появления события А определенное количество раз в серии испытаний можно найти формулой Лапласа:

Р n (m)= 1/√npq x ϕ(X m).

X m = m-np/√npq.

Чтобы лучше запомнилась формула Лапласа (теория вероятности), примеры задач в помощь ниже.

Сначала найдем X m , подставляем данные (они все указаны выше) в формулу и получим 0,025. При помощи таблиц находим число ϕ(0,025), значение которого 0,3988. Теперь можно подставлять все данные в формулу:

Р 800 (267) = 1/√(800 х 1/3 х 2/3) х 0,3988 = 3/40 х 0,3988 = 0,03.

Таким образом, вероятность того, что рекламная листовка сработает ровно 267 раз, составляет 0,03.

Формула Байеса

Формула Байеса (теория вероятности), примеры решения заданий с помощью которой будут приведены ниже, представляет собой уравнение, которое описывает вероятность события, опираясь на обстоятельства, которые могли быть связаны с ним. Основная формула имеет следующий вид:

Р (А|B) = Р (В|А) х Р (А) / Р (В).

А и В являются определенными событиями.

Р(А|B) - условная вероятность, то есть может произойти событие А при условии, что событие В истинно.

Р (В|А) - условная вероятность события В.

Итак, заключительная часть небольшого курса «Теория вероятности» - формула Байеса, примеры решений задач с которой ниже.

Задание 5 : На склад привезли телефоны от трех компаний. При этом часть телефонов, которые изготавливаются на первом заводе, составляет 25%, на втором - 60%, на третьем - 15%. Известно также, что средний процент бракованных изделий у первой фабрики составляет 2%, у второй - 4%, и у третьей - 1%. Необходимо найти вероятность того, что случайно выбранный телефон окажется бракованным.

А = «случайно взятый телефон».

В 1 - телефон, который изготовила первая фабрика. Соответственно, появятся вводные В 2 и В 3 (для второй и третьей фабрик).

В итоге получим:

Р (В 1) = 25%/100% = 0,25; Р(В 2) = 0,6; Р (В 3) = 0,15 - таким образом мы нашли вероятность каждого варианта.

Теперь нужно найти условные вероятности искомого события, то есть вероятность бракованной продукции в фирмах:

Р (А/В 1) = 2%/100% = 0,02;

Р(А/В 2) = 0,04;

Р (А/В 3) = 0,01.

Теперь подставим данные в формулу Байеса и получим:

Р (А) = 0,25 х 0,2 + 0,6 х 0,4 + 0,15 х 0,01= 0,0305.

В статье представлена теория вероятности, формулы и примеры решения задач, но это только вершина айсберга обширной дисциплины. И после всего написанного логично будет задаться вопросом о том, нужна ли теория вероятности в жизни. Простому человеку сложно ответить, лучше спросить об этом у того, кто с ее помощью не единожды срывал джек-пот.

Образование - то, что остается после того, как забыто все, чему учили в школе.

Игорь Хмелинский, новосибирский учёный, ныне работающий в Португалии, доказывает, что без прямого запоминания текстов и формул развитие абстрактной памяти у детей затруднительно. Приведу выдержки из его статьи " Уроки образовательных реформ в Европе и странах бывшего СССР"

Заучивание наизусть и долговременная память

Незнание таблицы умножения имеет и более серьезные последствия, чем неспособность обнаружить ошибки в расчетах на калькуляторе. Наша долговременная память работает по принципу ассоциативной базы данных, то есть, одни элементы информации при запоминании оказываются связанными с другими на основе ассоциаций, установленных в момент знакомства с ними. Поэтому, чтобы в голове образовалась база знаний в какой-либо предметной области, например, в арифметике, нужно для начала выучить хоть что-то наизусть. Далее, вновь поступающая информация попадет из кратковременной памяти в долговременную, если в течение короткого промежутка времени (несколько дней) мы столкнемся с нею многократно, и, желательно, в разных обстоятельствах (что способствует созданию полезных ассоциаций). Однако при отсутствии в постоянной памяти знаний из арифметики, вновь поступающие элементы информации связываются с элементами, которые к арифметике никакого отношения не имеют – например, личностью преподавателя, погодой на улице и т.п. Очевидно, такое запоминание никакой реальной пользы учащемуся не принесет – поскольку ассоциации уводят из данной предметной области, то никаких знаний, относящихся к арифметике, учащийся вспомнить не сможет, кроме смутных идей о том, что он вроде бы что-то когда-то об этом должен был слышать. Для таких учащихся роль недостающих ассоциаций обычно выполняют разного рода подсказки – списать у коллеги, воспользоваться наводящими вопросами в самой контрольной, формулами из списка формул, которым пользоваться разрешено, и т.п. В реальной жизни, без подсказок, такой человек оказывается совершенно беспомощным и неспособным применить имеющиеся у него в голове знания.

Формирование математического аппарата, при котором формулы не заучиваются, происходит медленнее, нежели в противном случае. Почему? Во-первых, новые свойства, теоремы, взаимосвязи между математическими объектами почти всегда используют какие-то особенности ранее изученных формул и понятий. Концентрировать внимание ученика на новом материале будет сложнее, если эти особенности не смогут извлекаться из памяти за короткий промежуток времени. Во-вторых, незнание формул наизусть препятствует поиску решения содержательных задач с большим количеством мелких операций, в которых требуется не только провести определенные преобразования, но и выявить последовательность этих ходов, анализируя применение нескольких формул на два-три шага вперед.

Практика показывает, что интеллектуальное и математическое развитие ребенка, формирование его базы знаний и навыков, происходит значительно быстрее, если большая часть используемой информации (свойства и формулы) находиться в голове. И чем прочнее и дольше она там удерживается, тем лучше.

Сессия приближается, и пора нам переходить от теории к практике. На выходных мы сели и подумали о том, что многим студентам было бы неплохо иметь под рукой подборку основных физических формул. Сухие формулы с объяснением: кратко, лаконично, ничего лишнего. Очень полезная штука при решении задач, знаете ли. Да и на экзамене, когда из головы может «выскочить» именно то, что накануне было жесточайше вызубрено, такая подборка сослужит отличную службу.

Больше всего задач обычно задают по трем самым популярным разделам физики. Это механика , термодинамика и молекулярная физика , электричество . Их и возьмем!

Основные формулы по физике динамика, кинематика, статика

Начнем с самого простого. Старое-доброе любимое прямолинейное и равномерное движение.

Формулы кинематики:

Конечно, не будем забывать про движение по кругу, и затем перейдем к динамике и законам Ньютона.

После динамики самое время рассмотреть условия равновесия тел и жидкостей, т.е. статику и гидростатику

Теперь приведем основные формулы по теме «Работа и энергия». Куда же нам без них!

Основные формулы молекулярной физики и термодинамики

Закончим раздел механики формулами по колебаниям и волнам и перейдем к молекулярной физике и термодинамике.

Коэффициент полезного действия, закон Гей-Люссака, уравнение Клапейрона-Менделеева - все эти милые сердцу формулы собраны ниже.

Кстати! Для всех наших читателей сейчас действует скидка 10% на .

Основные формулы по физике: электричество

Пора переходить к электричеству, хоть его и любят меньше термодинамики. Начинаем с электростатики.

И, под барабанную дробь, заканчиваем формулами для закона Ома, электромагнитной индукции и электромагнитных колебаний.

На этом все. Конечно, можно было бы привести еще целую гору формул, но это ни к чему. Когда формул становится слишком много, можно легко запутаться, а там и вовсе расплавить мозг. Надеемся, наша шпаргалка основных формул по физике поможет решать любимые задачи быстрее и эффективнее. А если хотите уточнить что-то или не нашли нужной формулы: спросите у экспертов студенческого сервиса . Наши авторы держат в голове сотни формул и щелкают задачи, как орешки. Обращайтесь, и вскоре любая задача будет вам «по зубам».