книги из ГПНТБ / Баженов, Ю. М. Перспективы применения математических методов в технологии сборного железобетона
.pdfп /(=10 величина Fтабл ~ 1,3). Однако ее ценность в тех
нологических задачах мала, так как |
снижение ошибки |
л |
_ |
прогноза по сравнению с моделью У=г/ составит всего
ри(%) = 100 ( У 7 ^ - 1 ) = 11,4%. |
(1Ѵ.20) |
Трудно указать минимальную величину ри, при кото рой следует считать проверяемую модель полезной, но разумно не пользоваться [23] моделями при рм>30— 50% (в зависимости от постановки задачи). Следует еще раз отметить, что проверки по (ІѴ.19) и (IV.20) не взаимозаменяемы и адекватность модели ие гарантиру ет ее информационной способности (и наоборот).
Пример IV.1. Оцепить адекватность п информационную полез
ность модели зависимости коэффициента раздвижки зерен |
У = а |
от |
|||
расхода |
цементного теста |
Л' — ЦТ (л/м3) |
по данным примера |
1.1 |
|
( S S o c t = |
115,02-10-4), если |
sai, = 0,04 при |
числе степенен |
свободы |
|
|
А |
|
|
|
|
Рэг = оо. В этом случае К= 0,7052+0,002416.Y.
Дисперсия воспроизводимости s~v =0,0016. Остаточная днспер-
, |
0,011502 |
сия 5ңД — S'ct ~ |
------------ =0,001917 (при /ост = 8—1—1 = 6 ). |
Общая дисперсия выхода по данным табл. 1.2 составляет
S- (К) = " ^ ~ 'f ' = °»01608C (при/ {К} = 8 — 1 = 7 ) .
Проверка адекватности (/7та0л=2,1 при ct= 5%, /і = 6, f2— oo)
чтд |
0,001917 |
= 1,198 |
F-тзбп |
|
0,0016 |
||
|
|
|
|
Проверка информационной полезности |
(^табл=4,21 при а = |
||
= 5%,А = 7 ,/2= 6 ) |
|
|
|
= |
0,016086 |
—8,391 > Дтпбл. |
|
s]2[A |
0,001917 |
|
|
Расчеты показывают, что модель адекватна и обладает доста точной информационной полезностью (Рн=190%)
Рп = 100 [ Ѵ 7 [ - 1) = юо ( / Ш |
- 1) 1^ 190 0/»- |
Ошибки в определении коэффициентов регрессии, ха рактеризуемые дисперсией о2{6;}, определяются [55] по ковариационной матрице [Д], исходя из соотношения:
120
С00 С01 С0К
[ Д К |
“ 11 |
'IK |
а -= |
-'ll) |
|
|
ско СК1 ' ’' скк
Q о
соѵ (6Д )
CW A ) ■ • cov i w .
W ) ■•• c o v { W . (IV.21)
cov{ftK&u) СОѴ {ÖK ö,}• • • CT'2(ök1
Из (IV.21) следует, что дисперсия а2{6;} и коэффи циент корреляции р{bibj} между коэффициентами ре грессии Ьі и bj соответственно равны:
W |
! = W |
(IV.22) |
Р А ь,} |
= с, 1 : У Сц Cjj. . |
(IV.23) |
По (IV.22) с помощью t-критерия, значение которого связано с числом опытов при определении s2, можно кор
ректно оценивать доверительные интервалы для ß,, если все оценки независимы (корреляция p{bibj} = 0):
P|ö,. — if|/c(Is3< ß i < ö i + / y ‘cn s3}= 1—a. (IV.24)
С доверительными интервалами связано то критиче ское значение коэффициента регрессии Ькр, ниже кото рого при заданной вероятности а следует допустить нульгипотезу H q : ßi = 0 и считать, что оценка коэффициента регрессии Ьі статистически неотличима от нуля:
bKp t )' CiI s3. |
(IV.25) |
Если коэффициенты корреляции р{bibj} отличны от нуля, т. е. коэффициенты регрессии корреляционно взаимосвязаны, то корректно найти доверительный ин тервал для коэффициента регрессии ß* можно только после того, как выбраны для всех остальных ß* некото рые фиксированные значения. Однако иногда допускает ся [73] применение ^-критерия для удаления «незначи мых» Ьі с последующим полным пересчетом оставшихся коэффициентов в модели. Несмотря на статистическую неточность, этот подход (называемый последовательным регрессионным анализом) дает нередко удовлетворитель-
121
пые результаты при построении интерполяционных мо
делей.
л
Для однофакторной линейной модели F= 0оЧ-6іЛ"і доверительные интервалы находят по простым соотно шениям [4] при числе степеней свободы f = N—2:
К — tafl s3: У N < [і)0 < b0 + ta/ 2 s3y N ; |
(IV.26) |
||||
bL— ta/-2 S3 : (s {X} У N ) < |
ß!<A + |
|
|
||
+ /a/2:(s { X } y ¥ ) . |
|
(IV.27) |
|||
Пример IV.2. По данным примеров 1.1 |
и IV. 1 |
определить дове |
|||
рительные интервалы для коэффициентов модели |
(ІѴ=8, |
so = |
0,04, |
||
s{A'}=52, а = 5 % ), У = 0,7052+0,002416X. |
|
|
|
|
|
По соотношению (IV.27) |
найдем величину полуинтервала |
(при |
|||
f = 6 /,.5=2,45) |
|
|
|
|
|
ta/2 s3 : (s {A ')]/^ )= 2 ,4 |
5 -0 ,0 4 :(5 2 |
) = |
0,000665. |
|
|
0,002416— 0,000665<ßi < 0,002416 -|- 0,000665,
T . e. 0,001751 < ß x< 0,003081.
Значение ßi находится в интервале, не накрывающем ноль, по этому ßt статистически значим.
Подробный анализ методов построения доверительных интервалов однофакторных линейных моделей для сред
них значений выхода ут при_фикснроваииом Х= /?і и для индивидуальных значений ут при тех же условиях, а также методов построения доверительной зоны истинной линии регрессии дан в работе [4]. В частности, для ве
личин ут при каждом фиксированном X доверительный полуинтервал определяется соотношением (с вероятно стью 1—а при f = N—2):
А ІУт} = taps. |
1 + |
{т — X ) 2 |
V |
І |
s* № |
ta/2S3^ y . |
(IV.28) |
|
|
У N |
|
Из этого соотношения также видно, что чем дальше
от среднего значения фактора X будет отстоять прове ряемая точка Х = т, тем менее надежными оказываются предсказания, основанные на этой модели. Сделать их более надежными, т. е. сузить доверительный интервал,
122
можно при увеличении числа единиц исходной информа ции N или при повышении точности измерений.
Пример ІѴ.З. По данным примеров 1.1 и ІѴ.1 построить довери
тельные интервалы для //„, при фиксированных Х — т от Л'=200 кг/м3 до А'=400 л/м3 (дискретность 20 л/м3). Расчеты целесообразно вы
полнить в табличной форме |
(табл. ІѴ.1) |
при А =270 |
л/м3\ s2{/Y} = |
|||
=2729; s0 = 0,04; N = 8; ci= |
5%. |
|
|
|||
Т а б л и ц а ІѴ.І. Расчет доверительных интервалов (1 = 2,45) |
||||||
|
для ijm при фиксированных Х — т |
|
||||
Л' — т т — X |
(т - х )2 |
Кт |
Кт |
ЧУщ) |
||
200 |
—70 |
4 900 |
|
2,7955 |
1,67 |
0,058 |
220 |
—50 |
2 500 |
|
1,9169 |
1,382 |
0,048 |
240 |
—30 |
900 |
|
1,3298 |
1,153 |
0,040 |
260 |
—10 |
100 |
|
1,0366 |
1,018 |
0,035 |
280 |
+10 |
100 |
|
1,0366 |
1,018 |
0,035 |
300 |
+30 |
900 |
|
1,3298 |
1,153 |
0,040 |
320 |
+ 50 |
2 500 |
|
1,9169 |
1,382 |
0,048 |
340 |
+70 |
4 900 |
|
2,7955 |
1,67 |
0,058 |
360 |
+90 |
8 100 |
|
3,2968 |
1,813 |
0,063 |
380 |
+ 110 |
12 100 |
|
5,4339 |
2,337 |
0,081 |
400 |
+130 |
16 900 |
|
7,1928 |
2,68 |
0,093 |
Доверительные |
интервалы |
для у т показаны на |
рис. IV.2; оші |
|||
образуют |
«коридор |
ошибок», |
расширяющийся при удалении от X. |
Рис. ІѴ.2. «Коридор ошибок» для модели Яр = ф{ДУ} (при фиксированных ЦТ)
В бетоноведении и технологии весьма часто возникает задача об определении с помощью модели значения X (неслучайная переменная!) по заданному значению У
123
(случайная переменная!). При такой постановке задачи имеется только одна линия или поверхность регрессии (см. гл. II о корреляционной связи, при которой всегда возникает отдельная регрессия X по У). Учитывая слу чайный характер У, нельзя указать единственное зна чение аргумента Хі, н о можно установить его доверитель ный интервал. Так, для линейной модели с одним фак тором
Y = bm + b1( X - X ) , |
(IV.29) |
границы доверительного интервала ЛГМШІ и Хьш;с опре деляются при фиксированном ут — >п [4, 74] по соотно шению
X |
__ / |
V" _і_ т |
Л макс (мнн) |
I |
' |
^00 |
- ^ х |
Во |
Вв |
|
(т— 600)2 |
X |
(IV.30) |
|
ьоо N s * ( Л ') b \ ’ |
где t взято при а/2 |
и f = N—2 и |
|
(IV.31) |
Если окажется, что величина В0 незначительно от клоняется от boa, то можно пользоваться приближенным соотношением
X.макс(мни) |
х + гп-Ьы j + |
|
bi |
|
|
|
|
|
+ - % ] / |
1 -f-N -f- (т— 600)2 |
(IV.32) |
ь У м У |
s2 ( X ) Ь] |
' |
Если в качеству заданной величины ут используется
среднее значение ут из п параллельных наблюдений ве личины У, снятых при фиксированном значении фактора X, то в формулах (IV.30) и (ІѴ.32) величина т заменя
ется на ут и вместо множителя ^1 + — j под корнем ис
пользуется множитель |
. |
Изложенные положения весьма важны в практике ре-
124
цептурпо-технологических расчетов, потому что нередко, проведя преобразование (IV.33) в (IV.34):
Y - Ьо + ^Х-, |
(ІѴ.ЗЗ) |
X = (Y — b0):b1, |
(IV.34) |
не обращают внимания на случайный характер всех трех величин, стоящих в правой части выражения (ІѴ.34). Пренебрежение тем, что X в (ІѴ.34) как функция слу чайных величин есть величина случайная, приводит к нежелательным технологическим ошибкам.
Пример ІѴ.4. По данным примеров ІѴ.1 и ІѴ.З определить зна
чение Х(ЦТ, л/м3) при коэффициенте раздвижки зерен y m = |
t n = 1,43 |
||||||||||||
(s3=0,04, |
s2{X}=2729, |
X= 270, |
а = |
|
5%), |
используя |
модель У = |
||||||
=0,7052+0,002416 X. Преобразуем эту модель в форму (іѴ.29) |
|||||||||||||
Л |
|
0,7052 + 0,002416 X + |
|
|
|
_ |
|
|
|||||
Y = |
0,002416 (X — X) = 1,3575 + |
||||||||||||
|
|
|
|
+ |
0,002416 (Х — Х); |
* |
|
|
|||||
значение |
Х т найдем |
алгебраическим |
преобразованием |
модели |
|||||||||
|
X т— |
Y — 1,3575 |
1,43— 1,3575 |
|
|
||||||||
|
0,002416 |
|
|
0,002416 |
30 л / м 3. |
|
|||||||
|
|
|
|
|
|
|
|
||||||
Определим параметр В0 (ІѴ.З 1) |
при t = 2 ,447 |
|
|
|
|||||||||
В0 = |
1,3575 |
2,447--0,042 |
|
= 1,3575 — 0,00019 = |
1,3573. |
||||||||
0,002416-8-2729 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|||||
Поскольку В о мало отличается от 60о, воспользуемся формулой |
|||||||||||||
(IV.32) |
с учетом того, что Х т= { п і —b0о) : 6|= 3 0 . |
|
|
||||||||||
|
|
макс (мин) |
= |
(270 + |
30) + |
|
2,447-0,04 |
|
|
||||
|
|
|
0,002416 |/g" |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
X |
1+8- |
302 |
= |
300 ± 43. |
|
|
||||
|
|
|
|
|
2729 |
|
|
|
|
|
|||
Следовательно, для обеспечения коэффициента раздвижки зерен |
|||||||||||||
У =1,43 |
объем цементного теста |
может (с |
доверительной |
вероят |
|||||||||
ностью |
95%) находиться |
в интервале 257—343 л/м3. Отказ |
от уче |
||||||||||
та такого |
диапазона |
может повлечь |
(при |
использовании |
Ц Т = |
||||||||
= 300 л/м3) серьезные технологические ошибки. |
|
|
На основании анализа соотношений (ІѴ.22) —(ІѴ.23) можно сделать важные методологические выводы.
125
1.При обработке информации классическим регрес сионным анализом может наблюдаться такая ситуация, при которой коэффициенты регрессии оказываются взаи мосвязанными (p{bibj} фО ). Избежать этого можно лишь
втом случае, если в матрице [Д] все внеднагоиальиые элементы c;j = 0, что достигается специальным разме щением уровней факторов Х і в матрице [X], т. е. пла нированием эксперимента.
2.При иедиагоналыюй матрице ошибок [Д] всякое изменение в порядке полинома (IV. 1), добавление или удаление некоторого члена в модели приводят к изме нению числового значения остающихся оценок Ьі. Э то затрудняет технологическую оценку роли факторов и приводит к необходимости после каждого изменения чис ла членов полинома полностью повторять вычислитель ную процедуру.
ІѴ.4. Интерполяционные статистические модели как
средство концентрации технологической информации. В задачах анализа и регулирования качества материа лов перед технологом весьма часто возникает необхо димость использовать для принятия решения журналы контрольных испытании, дневники экспериментальных работ, технико-экономические отчеты и др. Представлен ная в виде многовходовых таблиц информация не всегда позволяет количественно оценить взаимосвязь между зарегистрированными факторами іг качеством продук ции для оперативного принятия решений. Если же тех нологу необходимо найти количественную оценку свя зей или дать описание многофакторной ситуации, то инструментом для обозримого представления информа ции является статистическое моделирование.
При построении интерполяционных моделей (градиуровочиых, информационных, прогнозирующих и т. п.) изложенные в п. ІѴ.З особенности регрессионного ана лиза вызывают трудности скорее вычислительного ха рактера, чем принципиальные. Действительно, если перед исследователем не стоят задачи технологической интер претации модели или оценки роли в системе каждого
из факторов, то удовлетворительное решение можно по-
л
лучить, если по модели предсказывать значение Yu в
результате изменения Х і (і—1, |
..., К) в ц-том опыте. При |
|
этом, естественно, не должно |
нарушаться |
соотношение |
(*,)«„„ < ^ < ( * ) „ . к с |
аѵ.35) |
126
где (Л ' и |
(А,-)мак с— соответственно минимальное и максималь |
ное значения |
А',-, по которым рассчитывалась модель. |
Трудоемкость вычислительных операций при пост роении статистических моделей по данным пассивного эксперимента в значительной степени уменьшается при использовании ЭЦВМ, реализующих по типовым про граммам процедуру регрессионного анализа. При реше нии интерполяционных задач рассматриваются все воз можные в данной ситуации модели и выбирается та из них, которая при проверке гипотезы Н0 : а2{У) = ЦңА дает
максимум /щ-критерия или минимум s|IA (IV. 14 и IV. 19).
Весьма широк в бетоноведепни и технологии класс задач, для решения которых удобно привлекать интер поляционные прогнозирующие модели. Они позволяют ориентировочно оценить значение некоторого свойства через длительный срок (например, через 28 или 180 су ток) по данным ранних или ускоренных испытаний (в течение I—3 суток или даже нескольких часов). Такой подход оказался достаточно эффективным для прогнози рования активности цемента некоторых заводов по дан ным одно- и трехдневных лабораторных испытаний [27] и, по-видимому, возможен на заводах сборного железо бетона и товарного бетона.
Пример 1V.5. По результатам испытаний, выполненных Цен тральной лабораторией КиевГЭСстроя, была сделана попытка [62] получить регрессионную модель прочности бетона Т?18о, аргументами которой служили бы только характеристики материалов и бетонной смеси.
Для этого было решено включить в модель факторы, числовые оценки которых или известны до приготовления смеси (Л — актив ность цемента в кгс/см2, Ц — расход цемента в кг/м3), или опреде
ляются сразу после изготовления смеси, но до ее укладки в массив: Убс — объемная масса смеси в кг/м3, ОК — подвижность по осадке конуса в см, ВЩ — фактическое водоцементное отношение н г —
фактическая процентная доля песка в смеси заполнителя, опреде ляемая при мокром рассеве смеси.
По 84 пятифакторным точкам были рассчитаны линейные мо
дели для всех |
возможных |
комбинаций входов (при выходе ѵ. — |
|
= /?18о:Л ). Коэффициенты |
регрессии |
а также статистические |
|
оценки информационной ценности моделей Fп, среднеквадратичного |
|||
отклонения s HA |
и ^-отношения для |
проверки значимости коэффи |
|
циентов 6,- приведены в табл. IV.2. Равноценные по числовому зна |
|||
чению минимума дисперсии |
ЗңА= (0,302)2 модели № 22, 27, 29 и 31. |
Наилучшей является модель № 22, поскольку ома содержит коэф фициенты, значимо отличающиеся от нуля (Ц6,-) > / Кр=1,99 при а = 5 % ):
и23 = — 5,892 + 0 ,3 7 Ц/В + 2 ,55 убс + 0 .015 О К .
127
|
X |
V) |
|
|
_ |
Ь, |
|
П ОК |
|
Ц; у бсі |
|
У?,80 от ЩВ; |
|
зависимости |
|
для |
|
модели |
„ |
|
|
линейные |
•сГ |
|
|
Возможные |
-е |
|
|
|
э |
а |
я |
я |
ü |
* |
2 |
|
|
|
со |
i n |
CD |
оо |
CM |
оо |
см |
со |
ю |
со |
оо |
*ф |
СО |
СО |
СО |
со |
СО |
с о |
о |
•—< |
—Ч |
см |
см |
|
СО |
ю |
|
СО |
СО |
со |
со |
со |
со |
со |
|
со |
со |
|||||
о о О |
о о о о о о о о о |
|
о о о* |
|||||||||||
h - |
0 0 |
t*- |
г— |
с о |
<м |
со |
(М |
СО |
Tt* |
ю |
оо |
|
со |
СО |
ю |
п о |
|
ю |
|
см |
0 0 |
оо |
ю |
см |
с о |
ю |
|||
СО |
со |
|
о |
о |
|
|
|
|
со |
со |
см |
|
||
|
|
—1 |
|
” * |
|
|
|
|
|
|
• |
—1 |
|
|
|
|
|
|
п о |
|
|
|
см |
|
|
CD |
|
г о |
|
|
|
|
|
ю |
|
|
|
0 0 |
|
|
t"- |
|
ю |
|
|
|
|
|
см |
|
|
|
— |
|
|
о |
|
см |
см |
|
|
|
ю |
|
|
|
CD |
|
|
со |
|
оо |
|
ю |
|
|
|
|
|
|
|
|
см |
|
ю |
|
см |
||
|
|
|
см |
|
|
|
о |
|
|
—* |
|
— |
|
см |
|
|
СМ |
|
|
|
ю |
|
|
CD |
|
|
см |
CD |
|
|
|
|
|
|
|
о |
|
|
|
|
|
со |
|
|
|
|
СО |
|
|
|
со |
|
|
см |
|
|
со |
со |
|
|
со |
|
|
|
|
|
|
|
1П |
|
со |
|
|
|
|
|
|
|
|
|
|
|
см |
|
|
|
|
||
|
ю |
|
|
|
— |
|
|
|
ю |
|
|
|
|
|
LO |
|
|
|
|
со |
ю |
СО |
|
|
|
|
|
|
|
ю |
|
|
|
|
о |
о |
CD |
|
|
|
|
|
|
|
о |
|
|
|
|
(М |
LO |
|
ю |
|
|
|
|
|
|
|
|
|
|
ю |
|
|
|
LO |
|
|
со |
|
со |
см |
|
|
|
|
см |
|
|
|
о |
|
|
о |
|
см |
см |
|
|
|
|
о |
|
|
|
|
|
о |
|
о |
о |
|
|
|
|
|
о |
|
|
|
о |
|
|
о |
|
о |
о |
|
|
|
04 |
|
|
|
со |
|
|
см |
|
СО |
|
см |
|
|
|
ю |
|
|
|
с-- |
|
|
t"- |
|
CD |
|
со |
|
|
|
|
|
|
|
о |
|
|
о |
|
о |
|
|
|
|
|
т |
|
|
|
1 |
|
|
1 |
|
1 |
|
т |
|
|
О |
|
|
|
ю |
|
|
ю |
|
|
|
|
|
|
|
Ю |
|
|
|
LO |
|
|
|
|
|
со |
|
|
|
|
СО |
|
|
|
<м |
|
|
см |
|
|
со |
|
|
|
rt^ |
|
|
|
см |
|
|
|
, , |
см |
со |
|
|
|
|
СМ |
|
|
|
о |
|
|
|
см |
см |
см |
|
|
|
|
о |
|
|
о |
|
|
о о |
о |
о |
|
|
|
||
|
о |
|
|
|
|
|
|
о |
|
|
|
|||
|
о |
|
|
о |
|
|
|
|
о |
о |
о |
|
|
|
ю |
|
|
|
|
|>. |
, |
см |
см |
|
|
|
|
|
|
|
|
|
|
|
см |
со |
|
о |
|
|
|
|
|
|
о |
|
|
|
|
о |
о |
о |
|
|
|
|
|
|
|
см |
см |
со |
со |
, |
, |
CD |
см |
со |
со |
t '- |
|
|
со |
ОО |
ю |
c d |
со |
о |
Г-. |
СО |
см |
см |
см |
|
со |
||||
|
СМ |
ю |
Ю |
|
оо |
|
|
СО |
СО |
|
со |
|||
о О с^. |
•—н о о u o |
о о Ю о о СО |
|
|
||||||||||
|
|
1 |
|
|
|
1 |
|
|
і |
|
|
1 |
1 |
" |
«—і |
СМ |
со |
|
ю |
со |
t"- |
00 |
CD |
о |
•—и |
см |
со |
|
ю |
128
Продолжение
|
ю |
с о |
|
о |
|
X |
с о |
с о |
|
о |
о |
|
с о |
Mt- |
к . |
■4h |
|
ю |
мі- |
СП
СМ
|
о з |
— |
|
с о |
|
|
—* |
— |
|
с о |
00 |
•С |
о |
о з |
|
СМ |
— |
с о |
|
|
0 0 |
см |
LO |
см |
UO |
о |
см |
Mt- |
|
ГП |
|
с о |
с о |
с о |
С 3 |
о |
с о |
см |
со |
с о со с о |
с о с о |
||||
с о |
с о |
СО |
СО |
с о |
|||||||||
о |
о |
о |
о |
о |
о |
о |
о |
о |
о |
о |
о |
о |
о |
Mt- |
СО |
Mt- 0 0 |
ІО ю |
Mf< |
|
|
—г |
ю |
СП |
см |
Оз |
F—< |
о |
Mtсм
юс о
оо
|
ю |
с о |
|
с о |
03 |
|
см |
см O l |
п*. |
г - |
00 |
СП |
||
о |
с о |
с о |
СП |
|
о - |
см |
|
с о |
см |
|
Mt- |
00
о
оо
оо
см |
Mt- |
ю |
с о |
ю |
см |
ОЗ |
|
со |
|
оо |
LO |
00 |
00 |
с о |
ап |
СО |
ю |
LO |
ю |
ю |
мг |
с о |
см |
оо |
ю |
Mt- |
|||
|
|
|
|
|
*“ ' |
|
1 |
|
— |
|
|
г - • |
|
|
Mt- |
ю |
0 0 |
ГП |
ю |
|
|
|
|
Mt- |
см |
с о |
ОЗ |
||
ОІ |
|
о |
см |
|
|
|
|
о |
|
|
T f |
Mt- |
СП |
с о |
|
MfІО М+- |
п - |
||
|
см |
см |
LO |
|
|
и з |
с о |
Mt- |
|
|
—' |
— |
о |
о |
|
— |
о |
о |
о |
СО |
|
|
см |
о о |
Г - |
|
, |
ГП |
0 3 |
о |
|
|
|
со |
СП |
|
|
СО |
см |
с о |
|
|
СО |
см |
см |
|
см |
см |
см |
|
|
|
|
СО |
оо |
00 |
|
п - |
о з |
|
|
|
|
со |
с о |
|
а з |
с о |
|
|
|
|
|
— |
о |
о |
|
см |
о |
ОЗ |
с о |
см |
|
LO |
о о |
см |
о о |
|
С-- |
ю |
с о |
|
см |
см |
l '- |
|
о |
||
Mt- |
|
Mt- |
|
— |
см |
см |
см |
|
см |
Ю |
|
СО |
см |
|
см |
|
ю |
00 |
см |
о |
о |
о |
см |
|
о |
о |
о |
о |
о |
о |
о |
|
о |
||||||
о |
о |
о |
о |
|
о |
о |
о |
о |
о |
|
|
с о |
|
0 0 |
|
Mt- |
|
о з |
см |
|
|
с о |
|
с о |
|
|
с о |
Г". |
|
|
|
о |
|
о |
|
о |
|
о |
о |
|
|
1 |
|
|
|
1 |
|
|
1 |
|
СМ |
|
|
ю |
Mf |
0 3 |
i n |
|
|
*сГ |
•4t* |
|
|
с о |
ю |
с о |
ю |
|
|
|
|
|
|
|
|
|
|
|
|
|
СМ |
|
|
см |
см |
см |
CM |
|
|
|
|
. |
с о |
|
03 |
|
|
|
|
|
|
•—* |
см |
|
|
|
см |
||
|
о |
03 |
о |
|
|
|
|||
|
о |
03 |
о |
|
|
|
о |
||
|
о |
о |
о |
о |
о |
|
|
|
о |
|
о ’ |
о |
о |
о |
о |
|
|
|
о |
|
ю |
с о |
_ |
‘ |
|
г л |
п - |
Mt- |
|
л " |
СМ |
см |
с о |
|
|
с о |
со |
|
|
|
|
|
|
|
|
|
|
|
|
|
О |
о |
о |
|
|
о |
о |
о |
|
с о |
см |
|
Mt- |
см |
с о |
о з |
с - |
с о |
|
с о |
с о с о |
см |
|
о |
о |
|
о |
о |
о |
о |
1 |
1 |
|
1 |
1 |
I |
! |
00 |
СП |
1П |
|
с о |
, |
f - |
о |
см |
ю |
|
Mt- |
Mf |
с о |
СО |
см |
см |
|
см |
см |
см |
|
|
ю |
со |
|
ОЗ |
LO |
|
о |
С 3 |
г - |
|
ГП |
о |
|
г з |
о |
|
о |
||
|
о |
о |
о |
|
о |
о |
|
о |
о |
о |
|
о |
о |
|
ю |
ГП |
СП |
СП |
|
LO |
|
см |
см |
с о |
|
см |
|
|
о |
о |
о |
о |
|
о |
|
|
0 0 |
ГГ) |
, |
СО |
|
с о |
|
|
|
|
СП |
|
|
п - |
со |
|
-С) |
|
on |
|
|
с о |
|||
ю |
о |
о |
ю |
ю |
ю |
|||
|
|
|||||||
|
|
|
|
|
1 |
1 |
1 |
|
О. Е |
|
|
|
|
|
_, |
||
§ 5 |
с о |
h - |
00 |
СП |
о |
|||
о |
5 |
|
|
|
|
см |
см |
|
£ |
і |
|
|
|
|
|
|
CM |
ю |
оо |
с о |
со |
СП |
|
ю |
со |
СО |
<х> |
со |
оо |
с о |
Mf- |
н - |
|
|
см |
|
а ) |
Mt- |
Ю |
|
|
|
|
см |
СО |
|
ю |
о |
о |
СО |
LO |
Ю |
о |
LO |
LO |
ю |
1 |
|
|
1 |
1 |
і |
|
1 |
і |
1 |
см |
с о |
чтй |
ю |
с о |
г - |
с о |
Оз |
о |
со |
см |
см |
см |
см |
см |
см |
см |
CM |
а з |
9— 1023 |
129 |