Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги / Статистический анализ временных рядов

..pdf
Скачиваний:
16
Добавлен:
19.11.2023
Размер:
47.02 Mб
Скачать

«.8.

 

АППРОКСИМАЦИЯ РАСПРЕДЕЛЕНИЙ

 

 

373

(5)

%Х3 =

а3 + За2 (Ь — а)

р + я

1

За (Ь — а)2

 

р (Р + О

+

 

 

 

 

 

 

 

“7 (р + я) ( р + я + Ъ

 

 

4- < Ь ~ а)3

 

р ( р + 1 ) ( р

+

2)

 

 

 

 

 

 

 

р к р -г ч у р

-г у

____________

 

 

 

 

 

v

'

+ Я) ( р + я + 1) + я + 2) ’

 

 

(6)

ЪХ* = а* + 4а3ф — а ) - ^

+ Ъа3ф — а)2 -----

 

+

 

 

 

 

 

Р +

Я

'

 

 

 

(Р + Я) (Р + Я +

1)

 

 

+ 4аф — а)3

 

Р ( Р +

1) (Р + 2)

 

 

' +

 

 

 

 

Я) (Р +

Я + 1) +

Я +

2)

 

 

 

 

 

(Р +

 

 

 

+ Ф — а)4

 

 

Р (Р +

1) +

2)

+

3)

 

 

 

 

+

Я) (Р +

Я +

1) (Р + Я +

2) +

Я + 3)

 

 

 

 

 

 

 

Если а =

b и

q — р,

то

указанная

плотность симметрична

и имеет вид

 

 

 

 

 

 

 

 

 

 

 

 

 

(7)

 

f ( x ) -

г (2р)

(Ь +

х)р~ 1 (Ь — х)р~ 1

 

 

 

 

 

 

Щ 2р~ 1

 

 

 

 

 

 

1 W

Г» (р)

 

 

 

 

 

 

 

 

 

Г

(2р)

_

— л:2)р~ 1

— 6 < . *

< 6 .

 

 

 

 

Г 2 (Р)

(26)2р—1

 

 

 

 

 

 

 

 

 

 

Моменты нечетного порядка равны нулю, а моменты четных поряд­ ков

ь

 

 

 

ь

 

 

 

(8) j: x’i <*) dx _

 

 

|

(6- -

д Т -

M x -

_

 

f

( ,

_

J,)»-!

_

Г 2 (p ) 22p—1

0J

V

 

'

 

 

g.»

Г (2p) Г

(fe +

V 2)

 

f t _

 

22p—'Г

(p) Г

(p +

6 +

V 2)

*

Замечая, что при k = 0 интеграл в левой части (8) равен 1 , полу­ чаем отсюда формулу удвоения для гамма-функции

(9)

Г (2 р ) =

22р~ ‘ Г (р) Г (р + Уд)

Г Ш

 

 

Используя этот факт, выражения (7) и (8) для плотности и четных моментов можно записать соответственно в виде

(10)

f

l x \

^

~Ь Vs)

(6* _ *2)Р-1

62р- ‘

 

П

)

~

Г

(V 2) Г (р)

(И)

ъх2к= ь,2k

' ( ’ + т М ' + - т )

г ( т ) г ( ' + ‘ + т ) ’

374 СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ Гл. 6.

В частности, Ъ>Х =

= О,

( 12)

ь2

S x a =

 

2р + 1

(13)

g v - 4 _____________________

(2р+1> (2р + 3) •

Подобного рода плотность имеет обычный пирсоновский коэффи­ циент корреляции г, построенный по остаткам от выборочных сред­ них N пар независимых наблюдений, выбираемых из двумерной нормальной совокупности с нулевой корреляцией. Плотность его распределения равна

П4)

П ( * ~ 0 / 2 ]

( 1 - г

2)

1

( 1

Г (Va) Г [(7V— 2)/2]

а момент порядка 2k есть

 

 

 

(15)

§г2* =

т ^ -

' Ф

К т )

 

 

 

г ( т ) г [ т ," - 1 | + ‘

Заметим теперь, что моменты нечетного порядка у гх равны нулю. Само распределение для гх симметрично, если Т четное. Четные мо­ менты низших порядков коэффициента гг имеют вид

г ( т г + |) г (* + т )

(16)

г( т 7’+ ‘ + 1;г(т) '

0 < 2 * < Г 1, Т = 2, 3 , ____

Ввиду этого плотность гг можно аппроксимировать плотностью (14) пирсоновского коэффициента корреляции с N = Т + 3. При этом точное и аппроксимирующее распределения будут иметь совпадаю­ щие моменты вплоть до моментов порядка Т — 1.

Один из путей получения этих моментов и распределений состоит в аппроксимации производящей функции моментов квадратичной формы Qx:

(17)

= П (l — 28 cos

*=

 

 

= exp [— -j- S log (1

20 cos

] •

Показатель экспоненты в правой части (17), равный

( 18)

АППРОКСИМАЦИЯ РАСПРЕДЕЛЕНИЙ

375

является интегральной суммой для интеграла

2я . ' .

(19)

-

] log (1 -

20 cos u)du = - ^ -

log (-- +- \ ~

4~2

 

 

0

 

 

v

7

(По поводу

последнего равенства см. упр.

69.) Это приводит к ап­

проксимации производящей функции

моментов выражением

(20)

ехр ( -

-§- log [(1

+ / i ^ r W ) / 2]|

= (

у

т'\

уже

встречавшимся

в разд. 6.7.7. Купменс (1942), используя эту

идею, нашел выражение для аппроксимирующей плотности, а Рубин (1945) показал, что оно совпадает с (14) при N — Т + 3.

Перейдем теперь к рассмотрению г\ — циклического сериаль­

ного коэффициента корреляции, использующего остатки от сред­ него. Поскольку четные моменты г* совпадают с соответствующими

моментами гь если брать для построения гх на единицу меньшее число наблюдений, то здесь для аппроксимации можно было бы попытаться использовать распределение пирсоновского коэффи­ циента корреляции г с N — Т + 2. При этом четные моменты точ­ ного и аппроксимирующего распределений будут совпадать до по­ рядка Т — 1, однако моменты нечетных порядков не будут сЬвпадать.

Другой путь использования бета-распределений состоит в том,

что полагают b = —а = 1 и подбирают р

и q в (1) таким образом,

чтобы выполнялись в (3)

Sr* ~ —1 / 1) и в (4) Sr*2 = \1{Т + 1),

Т = 3, 4........ (г\ == — 1

д Л Я т =

2 .) Тогда для р и q получаются

следующие выражения:

 

 

 

(21)

(7 — 1) (7 ■— 2)

 

Г (Г - ~ 1 )

2 (Г — 3)

4

2 (Т — 3)

 

Диксон (1944) сравнил такую аппроксимацию с точным распределе­ нием. (См. табл. 6.2.)

Еще один способ использования бета-распределения связан с учетом множества значений циклического сериального коэффициен­ та корреляции. Приравнивая правые части (3) и (4) соответственно Sr* и Srj2, получаем

(22)

р + q =

[— — 1) а — 1] [(Г — 1) 6 + 1] — 1,

(23)

р =

(7 _ !) ф— а) (Р

(24)

Я =

+ ?)•

376 СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ Гл. 6.

Таблица 6.2

ТОЧНОЕ И ПРИБЛИЖЕННОЕ РАСПРЕДЕЛЕНИЯ ЦИКЛИЧЕСКОГО СЕРИАЛЬНОГО КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ, СТРОЯЩЕГОСЯ ПО ОСТАТКАМ ОТ ВЫБОРОЧНОГО

 

 

 

 

СРЕДНЕГО *)

 

 

 

 

 

0.01

 

 

0.05

 

т

точное

бета

нормальное

точное

бета

г

нормальное

 

Р Ф Я

г

 

Р Ф Я

 

5

—0.798 —0.858 —0.989

—1.000

—0.753 —0.742

—0.821

—0.781

10

—0.705

—0.702

—0.734 —0.763

—0.564 —0.562

—0.576 —0.572

15

—0.597 —0.596 —0.609 —0.629

—0.462

—0.461

—0.467 —0.466

20

—0.524 —0.524 —0.532 —0.545

—0.399 —0.399 —0.402 —0.401

25

-0.473 —0.473 —0.477 -0.487

—0.356 —0.356 —0.357 —0.357

30

—0.433 —0.433 —0.436 —0.444

—0.324 —0.324

—0.324 —0.324

45

—0.35

—0.356 —0.357 —0.362

—0.262 —0.262 —0.262 -0.262

75

—0.276 —0.276 —0.277 —0.278

-0.201 -0.201 -0.201 —0.201

 

 

0.95

 

 

0.99

 

т

точное

бета

нормальное

точное

бета

г

нормальное

 

Р Ф Я

г

 

Р Ф Q

 

5

0.253

0.317

0.421

0.281

0.297

0.527

0.589

0.501

10

0.360

0.362

0.376

0.350

0.525

0.533

0.534

0.541

15

0.328

0.329

0.333

0.323

0.475

0.477

0.476

0.486

20

0.299

0.299

0.302

0.296

0.432

0.433

0.432

0.440

25

0.276

0.276

0.277

0.274

0.398

0.398

0.397

0.404

30

0.257

0.257

0.258

0.255

0.370

0.371

0.370

0.375

45

0.218

0.218

0.218

0.217

0.313

0.313

0.313

0.316

75

0.174

0.174

0.175

0.174

0.250

0.250

0.250

0.251

*) Значения, соответствующие «бета р 4я q», получены Диксоном (1944) для бета-распределе­

ния, подобранного по формуле (21). Значения, соответствующие «г»,

подсчитаны с использо­

ванием г х + 1/Г как пирсоновского коэффициента корреляции с N =

Т

3; см. (28).

Если Т четное, то г\ изменяется в

пределах —1 с г\ <

cos IT,

так, что можно взять а = —1 и b =

cos 2я/7\

Если же Т нечетное,

то cos л 1)/Т <./■*•< cos IT и можно

взять а =

—cos я /Г,

b = cos 2я/7\

Хеннан (1960) предложил использовать для аппроксимации тот факт, что величина г\ + \/Т распределена приближенно как пирса

нрвский коэффициент корреляции г, построенный цо Т + 3 наблю-

6.8. АППРОКСИМАЦИЯ РАСПРЕДЕЛЕНИЙ 377

дениям. Действительно, если взять

(25)

 

 

а — — 1

 

 

 

1

 

т

 

 

 

 

 

 

Г — 1

 

Т -

1

 

 

 

 

 

 

 

 

 

(26)

 

 

Ь = 1

 

 

1

~

7 — 2

 

 

 

 

Т 1

Г —1 ’

 

 

ТО

 

 

 

 

 

 

 

 

 

 

 

(27)

 

 

Р — Q —

1

( г

, ,

I

5Т +

1 '

 

 

 

2

у

"Г * "Г fa _ з f

 

Округляя все эти значения до значений

 

 

 

(28)

а. =

1

jr ,

b = 1 - - L ,

р — q =

~ Y ~~ >

получаем, что

вместо исследования

г\, построенного по Т наблю­

дениям, можно исследовать г,

построенный по Т +

3 наблюдениям.

Предельным распределением для

 

 

 

 

/от

 

 

(г* \

1

 

\

( T - D V T + 1

 

(29)

 

 

(г, + T =

T J —

 

 

 

 

является N (0,

 

(Асимптотически

 

 

 

1).

г\ эквивалентен —P i из гл. 5 .)

Если использовать г-преобразование Фишера

 

 

(30)

 

 

2 =

 

 

 

1+ (Г? +

1IT)

 

 

 

 

 

 

 

1 -

(г,* +

1/Г)

 

 

 

 

 

 

 

 

 

 

 

то величина У~Т z асимптотически распределена по закону N (0, 1).

(Предложенная аппроксимация могла бы, по-видимому, быть

обо­

снована заменой величины г\ + ИТ величиной f (Т) [г* -f

1 /Т],

где f (Т) — достаточно просто вычисляемая функция, незначитель­ но превышающая единицу.)

Численное сравнение некоторых указанных аппроксимаций при­ ведено в табл. 6.2. Следует отметить, что бета-аппроксимация оказы­ вается здесь весьма точной для значений Т, начиная с 15 или 20. Использование г дает значительно меньшую точность аппроксима­ ции; для большинства целей ее можно считать хорошей лишь при Г > 30.

6.8.2 . Аппроксимация распределений сериальных корреляций, основанных на последовательных разностях

Точное распределение коэффициента г*{, основанного на после­

довательных разностях, было выписано в явном виде Хартом и фон Нейманом (1942) для Т = 3, 4 и 5. Для значений Т = 6 и 7 были численными методами найдены необходимые интегралы и получены

378

СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ

Гл. 6.

соответствующие таблицы. Для Т 8,9,... плотность распределения г* аппроксимировалась несколькими членами ряда

 

,

 

Г /2-2+/

(31)

2

а/ cosV

~

гч

'

 

/=о

'

 

 

Последний был выбран по той причине, что коэффициент г\ имеет

симметричное распределение, принимает значения в интервале (—cos п/Т, cos л,IT) и его плотность в точках ±cos п/Т имеет поря­ док убывания 772 — 2. Из этого ряда были взяты первые четыре члена (/ = 0, 1, 2, 3). При этом коэффициенты выбирались таким образом, чтобы с точными моментами rj совпали первые три четных

момента аппроксимирующего распределения. Для Т = 7 получает­ ся хорошее согласие с точным распределением. На множестве зна­ чений функции распределения от 0.00678 до 0.07020 ошибка не пре­ восходит 1.7%. Восьмые моменты точного и аппроксимирующего

распределений равны

соответствейно 0.00413

и 0.00412,

а десятые

моменты — 0.00202

и

0.00201.

Процентные

точки

приведены

в

табл. 6.3.

аппроксимацию

плотности

г\

симметричным бета-

Рассмотрим

распределением

с

b = — а =

 

cos п/Т. При

этом

<1г*2=

$Х2 для

(32)

 

 

Г2 — 1

-

i

 

 

 

Р ^ Ч * = - т Г

Г — 2 COS т

 

 

 

Если приблизить cos п/Т величиной 1 — (п/Т)2/2, cos2 п/Т

ве­

личиной 1 — (п/Т)2

и последнюю — величиной 1 — 9/Т2, то по­

лучим

1 Гт2 - 1 Т 2 — 9

 

 

 

 

 

(33)

Т + 1

3 (2Я — 3)

 

2 [ Т — 2

f t

 

2

2 ( Т 3— 2Г2) •

 

 

Янг (1941) рассмотрел подбор симметричного бета-распределе­ ния по второму и четвертому моментам г*. В этом случае

(34)

_

_

Г + 1

18

Р

Я ~

2

Т 3 — 13Г + 24 ’

 

(35)

а2— Ь2— \ _______ зг

24 *

 

и

и

1

Т 3 — 13Г +

(36)

 

1

2 ( Т 3 — 13Г + 24)

Следует отметить, что b соответствует здесь cos п/Т ~ 1 — 9/(2Т2). Таблицы, насчитанные Янгом (с использованием для определения b выражения (35)) для 5- и 10-процентных точек, согласуются в пре­ делах трех знаков после запятой со значениями, приведенными в табл. 6.3 (за исключением одного) для Т 8. Следующее правило

Таблица 6.3

ВЕРХНИЕ IOOs-ПРОЦЕНТНЫЕ ТОЧКИ РАСПРЕДЕЛЕНИЯ СЕРИАЛЬНОГО КОЭФФИЦИЕНТА КОРРЕЛЛЯЦИИ, ОСНОВАННОГО НА ПОСЛЕДОВАТЕЛЬНЫХ

РАЗНОСТЯХ *)

Уровни значимости е

т

0.05

0.01

0.001

4

0.610

0.687

0.705

5

0.590

0.731

0.792

6

0.555

0.719

0.818

7

0.532

0.693

0.815

8

0.509

0.669

0.798

9

0.488

0.646

0.779

10

0.469

0.624

0.759

11

0.452

0.604

0.740

12

0.436

0.586

0.722

13

0.422

0.569

0.705

14

0.409

0.553

0.689

15

0.397

0.539

0.673

16

0.386

0.525

0.659

17

0.376

0.513

0.645

18

0.367

0.501

0.632

19

0.358

0.490

0.619

20

0.350

0.480

0.607

21

0.343

0.470

0.596

22

0.335

0.461

0.586

23

0.329

0.452

0.576

24

0.322

0.444

0.567

25

0.316

0.436

0.558

26

0.311

0.429

0.549

27

0.305

0.422

0.541

28

0.300

0.415

0.533

29

0.295

0.409

0.525

30

0.291

0.402'

0.518

31

0.287

0.397

0.511

Т

0.05

0.01

0.001

32

0.282

0.391

0.504

33

0.278

0.386

0.497

34

0.274

0.381

0.491

35

0.271

0.376

0.485

36

0.267

0.371

0.479

37

0.264

0.366

0.474

38

0.260

0.362

0.468

39

0.257

0.358

0,463

40

0.254

0.353

0.458

41

0.251

0.349

0.452

42

0.248

0.345

0.448

43

0.245

0.341

0.443

44

0.242

0.338

0.438

45

0.240

0.334

0.434

46

0.237

0.331

0.430

47

0.235

0.327

0.426

48

0.232

0.324

0.422

49

0.230

0.321

0.418

50

0.228

0.319

0.415

51

0.226

0.316

0.411

52

0.224

0.313

0.408

53

0.222

0.310

0.404

54

0.220

0.308

0.401

55

- 0.218

0.305

0.398

56

0.216

0.303

0.395

57

0.215

0.300

0.392

58 '

0.213

0.298

0.389

59

0.211

0.295

0.386

60

0.209

0.293

0.383

*) Модификация Т. Андерсона (1948) таблицы Харта (1942), построенной по точному распр делению для Г = 4 , 5, б, 7 и приближенному распределению для Т > 8.

380

СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ

Г л . 6.

аппроксимации

вытекает из того, что

вместо rj/[ 1 — 9/(2Т2)\

можно рассматривать пирсоновский коэффициент корреляции г, построенный по N = Т + 3 наблюдениям. Тогда, чтобы получить ЮОе-процентную точку для г\, достаточно умножить ЮОе-процент-

ную точку для г на [1 — 9/(2Т2)]. При Г > 15 значения, получае­ мые с помощью этого правила, отличаются от значений, указанных в табл. 6.3 для уровней 0.05 и 0.1, лишь в третьем десятичном знаке. Замена {1 — 9 /(2 Т2) 1 на cos л/Т приводит к еще меньшему раз­ личию.

Еще одна аппроксимация состоит в том, что полагают b = —а =

(37)

p = ^ J L ± l + _ t _ .

Отсюда вытекает, что вместо г\ можно рассматривать пирсоновский

коэффициент корреляции г, соответствующий N = Т + 3 наблю­ дениям. О степени приближения можно в какой-то мере судить по табл. 6.4.

Таблица 6.4

ПРИБЛИЖЕНИЯ 100е-ПРОЦЕНТНЫХ

ТОЧЕК РАСПРЕДЕЛЕНИЙ

СЕРИАЛЬНОГО КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ,

ОСНОВАННОГО

 

НА ПОСЛЕДОВАТЕЛЬНЫХ РАЗНОСТЯХ

 

т

 

0.05

Уровни зна1ЧИМОСТИв

0.01

 

Харт

 

Харт

 

 

г

Ьг

г

Ьг

10

0.469

0.476

0.455

0.624

0.634

0.605

15

0.397

0.400

0.392

0.539

0.542

0.532

20

0.350

0.352

0.348

0.480

0.482

0.477

25

0.316

0.317

0.315

0.436

0.437

0.434

30

0.291

0.291

0.290

0.402

0.403

0.401

45

0.240

0.240

0.239

0.334

0.334

0.334

Указанный сериальный коэффициент корреляции также распре­ делен асимптотически нормально. Следует отметить, что об исполь­ зовании г здесь можно сказать то же, что и об использовании г ИТ в циклическом случае.

Колонки табл. 6.4, обозначенные «Харт», взяты из табл. 6.3. Значения в колонке, помеченной буквой г, подсчитаны заменой г*

пирсоновским коэффициентом корреляции с N = Т + 3. Числа в колонке, обозначенной Ьг, получены умножением соответствующих им чисел в соседней колонке (неокругленных) на b — 1 — 9/(2Т2).

В качестве примера рассмотрим данные табл. 6.5, представляю­ щие собой отношений общего числа голосов, поданных за кандида-

&9.

СОВМЕСТНЫЕ И УСЛОВНЫЕ РАСПРЕДЕЛЕНИЯ

381

Т&В от республиканской партии, к общему числу голосов, поданных за кандидатов от демократической партии, на выборах в палату представителей в 1920—1954 гг.

Таблица 6>5

ОТНОШЕНИЕ ОБЩЕГО ЧИСЛА ГОЛОСОВ, ПОДАННЫХ ЗА РЕСПУБЛИКАНЦЕВ, К ОБЩЕМУ ЧИСЛУ ГОЛОСОВ, ПОДАННЫХ ЗА ДЕМОКРАТОВ, НА ВЫБОРАХ В ПАЛАТУ ПРЕДСТАВИТЕЛЕЙ

В 1920—1954 гг. *

Год

Отношение

Год

Отношение

1920

1.65

1938

0.97

1922

1.16

1940

0.89

1924

1.38

1942

1.10

1926

1.41

1944

0.93

1928

1.33

1946

1.21

1930

1.18

1948

0.88

1932

0.76

1950

1.00

1934

0.78

1952

1.00

1936

0.71

1954

0.90

* Statistical Abstract of the United States [Бюро переписей США (1955, табл. 390, стр. 330)].

Соответствующие статистики равны здесь

(38)

у — 1.06 (8),

(39)

Q5 =

1.1029(7),

(40)

Qj =

0.67362 (7),

(41)

г\ =

0.6107.

Наблюдаемое значение г* значимо отличается от 0, с уровнем значимости 0.0 1 .

6.9.СОВМЕСТНЫЕ И УСЛОВНЫЕ РАСПРЕДЕЛЕНИЯ СЕРИАЛЬНЫХ КОЭФФИЦИЕНТОВ КОРРЕЛЯЦИИ

6.9.1.Совместные распределения

Совместное распределение р сериальных коэффициентов корре­ ляции г\, ..., г* можно найти, в принципе, из характеристической

функции. Как и в случае отдельного коэффициента, распределение

382 СЕРИАЛЬНАЯ КОРРЕЛЯЦИЯ Гл. 6.

может быть найдено точно, если характеристические корни матри­ цы образуют пары, за исключением, возможно, одного корня.

Пусть

 

 

 

 

( 1)

г’ _

(у — уе)' А/(у— уе)

Р у

'

 

/ “

 

(У — уг)' (у — уе)

 

(2)

 

У

У'е

 

 

е'е ’

 

где е = (1,

1,

1)'. Пусть характеристические корни А/ равны

Х/и ...,XjT.

Допустим, что матрицы Ах, ..., Ар имеют одну и ту же

совокупность характеристических векторов и что е является харак­ теристическим вектором матрицы А;, соответствующим корню Х/т= = 1, j — 1, .... р. Если вектор у распределен по закону N (ре, а 21),

то rj,

.... г* распределены как отношения

 

 

 

 

 

Г -1

 

 

 

 

 

 

 

 

2

Xjttf

 

 

 

 

(3)

г1 = ~Щг1----- »

/ = 1 ,

 

 

 

 

 

2

*?

 

 

 

 

 

 

 

г=1

 

 

 

 

где zlt

..., ZT-i — независимые

случайные

величины, каждая из ко­

торых

распределена

по закону N (0, 1). Пусть

Т — нечетное, ска­

жем Т = 2Н + 1,

и корни образуют пары. Положим

(4)

k j f2 h ^ =

^/,2Л =

V/ft,

A = l ,

 

я,

и

 

 

 

 

 

 

 

 

(5)

Z 2 h ^ \

+

?21г =

 

h — 1,

,, . ,

я .

Тогда хх.......хн — независимые случайные величины, каждая из ко­ торых имеет распределение X2 с двумя степенями свободы. Если за-

н

хн будут рав-

фиксировать условие ^ x h = 1 , то величины xv

номерно распределены на части этой гиперплоскости, расположен­ ной в положительном ортанте:

н

(6)

2

= 1.

xh > 0,

A = I , . . . , я .

 

hsat\

 

 

 

При этом распределение г* совпадает с распределением

н

(7) f/ = 2 v r t , / = 1, h=*\

И

(8)

р г {/-г > я г .............

г ; > / $