8692

·аргументы должны быть доказаны независимо от тезиса, т.е. должно соблюдаться правило автономного обоснования;

·аргументы должны быть непротиворечивы;

·аргументы должны быть достаточны.

Аргументы в системе доказательств выполняют роль фундамента. Поэтому они должны быть такими, чтобы ни у кого не вызывала сомнения их бесспорность или чтобы они были доказаны ранее. Достаточно поставить под сомнение хотя бы один из аргументов, положенных в основу доказательства, чтобы поставить под угрозу весь его ход вообще.

Нарушение требования истинности аргумента приводит к двум ошибкам. Первая из них носит название "ложный аргумент", т.е. использование в качестве аргумента несуществующего факта, ссылки на событие, которого не было и т.п. Вторая ошибка – "предвосхищение основания" возникает тогда, когда истинность аргумента не устанавливается с несомненностью, а предполагается. В этом случае в качестве аргумента используются недоказанные положения, ссылки на расхожее мнение и т.п.

Требование автономности аргументов означает, что аргументы должны быть доказаны независимо от тезиса. Поэтому прежде чем доказывать тезис, следует проверить аргументы.

Требование непротиворечивости аргументов означает, что используемые в системе одного доказательства аргументы не должны противоречить друг другу.

Требование достаточности аргументов определяется тем условием, при котором из всей совокупности аргументов с необходимостью должен следовать доказываемый тезис. Нарушение этого требования часто заключается в том, что в ходе доказательства используются аргументы, логически не связанные с тезисом. При этом встречаются два вида ошибок:

·недостаточность аргументов. Эта ошибка возникает в том случае, когда отдельными фактами пытаются обосновать очень широкий тезис. В этом случае обобщение считается "слишком поспешным".

·чрезмерное доказательство. Эта ошибка возникает в том случае, когда, стремясь доказать свое предположение, увеличивают число аргументов. В этом случае обычно аргументация выглядит не логичной и малоубедительной. Поэтому достоверность аргументов следует понимать не в смысле их количества, а с учетом их весомости и существенности.

Очень часто допускаются ошибки в способах доказательства, т.е. ошибки в способах демонстрации, которые связаны с отсутствием логической связи между аргументами и тезисом. Эта ошибка называется ошибкой "мнимого следования". Одна из форм такого несоответствия

–неоправданный логический переход от узкой области к более широкой. Другая форма несоответствия – переход от сказанного с условием к сказанному безусловно. Эта ошибка возникает, например, тогда, когда при доказательстве используются аргументы, справедливые лишь при определенных условиях, в определенное время, в определенном месте, а их считают верными при любых обстоятельствах.

Софизмы (греч. – хитрая уловка, измышление) – это логически неправильное (мнимое) рассуждение (вывод, доказательство), выдаваемое за действительное. Основаны они на внешнем сходстве явлений, на двусмысленности слов, подмене понятия; на сознательно неправильном выборе исходных положений.

Софос – мудрец в Древней Греции, придумывал упражнения для тренировки ума своих учеников. Эти упражнения назывались софизмами и намеренно строились с нарушениями законов и правил логики.

Софистика – словесная виртуозность, видимая доказательность умозаключений, подмена одного понятия другим, введение в заблуждение.

Софизмы являются особым приемом интеллектуального мошенничества. Это явно ложные доводы, игра в слова, оторванная от содержания понятий. Поэтому считается, что "софист" – это человек, отстаивающий свои убеждения с помощью любых, в том числе и недозволенных, приемов, не считаясь с тем, верны эти убеждения на самом деле или нет.

Логические ошибки следует отличать от ошибок предметных (фактических). К предметным ошибкам относятся ошибки случайности, несоответствующее заключение; ложные причины; ошибки многих вопросов и др. Предметные ошибки относятся к содержанию умозаключения, они могут быть обнаружены и исправлены только тем, кто знаком с самим предметом.

4. Организационные и методические основы исследования

4.1. Общие вопросы методики

Научное исследование представляет собой целенаправленное производство новых знаний о природе и обществе в целях их использования в практической деятельности людей. Как система научное исследование включает три взаимосвязанные подсистемы:

·объект и предмет исследования;

·исследователя;

·язык исследования (система знаний и понятий, с помощью которых происходит отображение в сознании исследователя объекта исследования).

Как процесс производства знаний научное исследование включает следующие этапы:

·определение проблемы исследования и подготовки к исследованию;

·исследование и создание новой информации;

·заключительные работы.

Сложность научных исследований, комплексность их выполнения вызывает необходимость более четкого разделения этапов исследования на логически взаимообусловленные и взаимосвязанные процессы.

Первый этап (предварительное изучение проблемы):

·определение темы (проблемы) и ее конкретизация;

·предварительная разработка теоретических предпосылок;

·изучение истории и современного состояния проблемы;

·подготовка к исследованию;

·сбор, отбор и изучение информации; “ разработка гипотезы. Второй этап (разработка программы и проведение исследования):

·определение методики исследования; “ составление рабочей программы (плана);

·обработка информации (проведение наблюдений, экспериментов, измерений, их логическая обработка);

·построение предварительных выводов и предложений.

Третий этап (оформление и внедрение):

·литературное изложение материалов исследования, его хода и результатов;

·обсуждение, консультирование, рецензирование и оформление работы;

·внедрение результатов исследования.

Такая последовательность обусловлена логикой процесса исследования. Например, поиск новых знаний может проводиться после конкретизации темы, установления теоретических предпосылок и изучения истории проблемы, так как после этого можно четко определить объемы необходимого материала. Реальный рабочий план можно составить, лишь

ознакомившись предварительно с информацией, разработав гипотезу и определив методику исследования и т.п. Все этапы исследования тесно связаны и переплетаются между собой. Каждый из этапов состоит из ряда последовательно выполняемых работ. Последовательность работ и их взаимосвязь определяются сложностью проблемы, длительностью ее выполнения и т.д. Руководствуясь общей последовательностью этапов научной работы, каждый исследователь должен разработать свой вариант, учитывая особенности проводимого исследования.

Самым важным моментом первого этапа является формирование у исследователя максимально полного представления о том, что сделано до сих пор в исследуемой области до начала его исследования. Это предполагает знакомство с литературой по данному вопросу. Причем знакомство с литературой должно проводиться в ретроспективном плане, т.е. от последних по времени источников к более ранним. В каждом исследовании присутствует момент субъективного. Поэтому надо обязательно ознакомиться с работами разных авторов, в том числе зарубежных. Круг источников должен быть максимально полным, степень широты его ничем не ограничена. В этот период обязательны контакты с научным руководителем или специалистами, хорошо знающими данную проблему. С их помощью необходимо произвести классификацию библиографических источников по трем группам:

·источники, которые должны лежать в основе исследования;

·факты различного рода;

·источники, расширяющие круг информации.

Кроме того, литература систематизируется по следующим разделам:

·монографии научных исследований;

·специальные публикации научно-исследовательских институтов и т.п.;

·статистические данные.

Как отмечалось, исследовательская работа начинается с выбора проблемы, так как это является чрезвычайно важной задачей и началом исследования. Выбор проблемы исследования предполагает выполнение целого комплекса работ и реализуется в следующей последовательности:

·определение цели исследования;

·формулирование проблемы;

·разработка структуры проблемы, т.е. ее конкретизация;

·определение актуальности проблемы.

Определение цели и задач исследования является одним из важных этапов решения проблемы. Всякое исследование должно начинаться с их определения в виде требований или предполагаемых основных характеристик Цель и задачи исследований должны быть четко изложены, необходимо предусматривать разработку новых концепций (направлений) развития или совершенствования существующей методики или новых методик (рекомендаций) по отдельным разделам учета.

На основе тщательного ознакомления с отечественными и зарубежными публикациями по данному и смежным научным направлениям, анализа противоречий исследуемого направления формулируют основной вопрос-проблему и определяют в общих чертах ожидаемый результат.

Важным этапом при формулировании проблемы (темы) является изучение состояния научных разработок. Для этого необходимо выделить:

· знания, получившие общее признание научной общественности и проверенные на практике;

·вопросы, недостаточно разработанные и требующие научного обоснования (дискуссионные);

·нерешенные вопросы, содержащиеся в литературных источниках, предложенные практикой или возникшие при выборе темы или постановка проблемы.

Это позволяет уяснить содержание проблемы (темы), т.е. ее связь с общими тенденциями развития исследуемого объекта, его предметами, общими закономерностями изучающей его науки, а также является основанием для формулирования (определения) названия темы исследования, заголовков структурных глав и параграфов.

Разработка структуры проблемы предполагает выделение тем, подтем, вопросов. Следовательно, в каждой теме выявляется ориентировочная область исследования. Конкретизация темы исследования выражается в представлении ее в более наглядной форме, в уточнении отдельных позиций. Для конкретизации темы научного исследования необходимо провести внутренний причинно-следственный анализ ее, выявить все содержательные ее стороны, уяснить причины возникновения данной проблемы. В ходе анализа необходимо выделить частные подпроблемы. Каждая из них, в свою очередь, становится объектом детализации, и так до тех пор, пока не будут определены конкретные задачи, составляющие содержание анализируемой проблемы.

Последовательность конкретизации заключается в четком определении задач исследования

спомощью их постановок (вопросов), логически увязываемых основополагающих теоретических позиций с конкретными исследуемыми вопросами. При этом следует каждый раздел исследования (главу) увязывать с предыдущим и последующим с тем, чтобы достичь раскрытия конечной цели исследования. В процессе конкретизации темы исследования необходимо, во-первых, уяснить, какие явления, предметы, процессы, закономерности должна охватить проблема, а во-вторых, отделить данную тему от примыкающих к ней. Нельзя все охватить исследованием в одной теме, поэтому важным является ограничение (конкретизация) круга изучаемых предметов.

Наряду с уточнением (конкретизацией) объектов исследования, определяются и конкретизируются методы исследования. При этом устанавливается, должна ли работа выполняться только на основе наблюдений или с помощью эксперимента, только на основе литературных источников и нормативных материалов или также на базе изучения практики; только путем изучения современного состояния или с использованием исторического опыта; только на отечественном материале или с учетом зарубежных источников и международных норм; с использованием математических методов и ПЭВМ или нет и т.д.

Видение конечной цели исследования определяется также во многом широким кругозором исследователя, знанием проблем в смежных науках и дисциплинах, исторического аспекта проблемы. Например, исследование вопросов по учету затрат на производство тесно связано со знанием порядка налогообложения и формирования показателей налоговой базы, ценообразования, анализа и аудита.

Важным элементом поиска правильного решения является изучение истории возникновения и развития проблемы, результатов ранее проведенных в ней исследований. Это страхует от дублирования ранее выполненных работ и повторения допущенных ошибок, дает возможность определить свое место в общем русле исследований по этой проблеме, облегчает использование опыта предшественников, видеть исследуемую цель в динамике, уяснить тенденции и определить дальнейшие пути ее развития. Логическая увязка исторического аспекта исследуемой проблемы с анализом современного состояния вопроса позволяет выявить круг нерешенных позиций, которые будут определять направления и ход изучения проблемы.

Степень конкретизации темы в значительной степени определяет качество работы, своевременность ее выполнения, экономное расходование времени, труда, средств.

Одним из основных требований к исследовательской работе является наличие актуальности рассматриваемых вопросов: важность, злободневность, необходимость разрешения в настоящее время.

Четкого критерия для установления степени актуальности нет. Вместе с тем, при оценке прикладных научных разработок наиболее актуальной будет та тема, которая обеспечит наибольший экономический эффект.

При исследовании теоретических проблем основным критерием является не экономичность, а значимость разработки темы.

Тема исследования должна удовлетворять такому требованию, как научная новизна, способствовать развитию и получению новых знаний. Это означает, что тема в такой постановке никогда не разрабатывалась и не разрабатывается в настоящее время, т.е. дублирование исключается.

Таким образом, на первом этапе научного исследования, на стадии обоснования темы исследования изучаются все критерии ее выбора для принятия решения о целесообразности ее разработки.

4.2. Принципы и закономерности научного поиска

Научный поиск по конкретной проблеме реализуется на втором этапе проведения исследований, который носит ярко выраженный индивидуальный характер. И это в первую очередь относится к методике научного поиска, так как с ее помощью возможна техническая реализация различных методов. В исследовании является недостаточным составить перечень методов, необходимо их сконструировать и организовать в систему. Нет методик исследования вообще, есть конкретные методики.

Методика – это совокупность приемов, способов исследования, порядок их применения и интерпретации полученных с их помощью результатов. Она зависит от характера объекта изучения, методологии, цели исследования, разработанных методов, общего уровня квалификации исследователя.

Составить программу исследования, методику невозможно:

во-первых, без уяснения, в каких внешних явлениях проявляется изучаемое явление, каковы показатели, критерии его развития;

во-вторых, без соотнесения методов исследования с разнообразными проявлениями исследуемого явления. Только при соблюдении этих условий можно надеяться на достоверные научные выводы.

В ходе исследования составляется программа. В ней должно быть отражено:

·какое явление исследуется;

·по каким показателям;

·какие критерии исследования применяются; “ какие методы исследования используются;

“порядок применения тех или иных методов.

Таким образом, методика – это как бы модель исследования, причем развернутая во времени. Определенная совокупность методов продумывается для каждого этапа исследования.

При выборе методики учитывается много факторов, и прежде всего предмет, цель, задачи исследования.

Методика исследования, несмотря на свою индивидуальность, при решении конкретной задачи имеет определенную структуру.

Ее основные компоненты:

·теоретико-методологическая часть, концепция, на основании которой строится вся методика;

·исследуемые явления, процессы, признаки, параметры;

·субординационные и координационные связи и зависимости между ними;

·совокупность применяемых методов, их субординация и координация;

·порядок применения методов и методологических приемов;

·последовательность и техника обобщения результатов исследования;

·состав, роль и место исследователей в процессе реализации исследовательского замысла. Умелое определение содержания каждого структурного элемента методики, их

соотношения и есть искусство исследования.

Хорошо продуманная методика организует исследование, обеспечивает получение необходимого фактического материала, на основе анализа которого и делаются научные выводы.

Реализация методики исследования позволяет получить предварительные теоретические и практические выводы, содержащие ответы на решаемые в исследовании задачи.

Эти выводы должны отвечать следующим методическим требованиям:

·быть всесторонне аргументированными, обобщающими основные итоги исследования;

·вытекать из накопленного материала, являясь логическим следствием его анализа и обобщения.

При формулировании важно избежать двух нередко встречающихся ошибок:

·своеобразного топтания на месте, когда из большого и емкого эмпирического материала делаются весьма поверхностные, частичного порядка ограниченные выводы;

·непомерно широкого обобщения, когда из незначительного фактического материала делаются неправомерно широкие выводы.

5. Обработка и обобщение результатов исследования

5.1. Использование статистических оценок достоверности результатов. Регрессионный и кореляционный анализ. Графическое и табличное представление результатов эксперимента

Обработка статистических данных уже давно применяется в самых разнообразных видах человеческой деятельности. Вообще говоря, трудно назвать ту сферу, в которой она бы не использовалась. Всесторонний и глубокий анализ информации, так называемых статистических данных, предполагает использование различных специальных методов, важное место среди которых занимает корреляционный и регрессионный анализы обработки статистических данных.

В научных исследованиях часто решают задачу выявления факторов, определяющих уровень и динамику какого-либо процесса. Такая задача чаще всего решается методами корреляционного и регрессионного анализа. Для достоверного отображения объективно существующих в процессов необходимо выявить существенные взаимосвязи и не только выявить, но и дать им количественную оценку. Этот подход требует вскрытия причинных зависимостей. Под причинной зависимостью понимается такая связь между процессами, когда изменение одного из них является следствием изменения другого.

Основными задачами корреляционного анализа являются оценка силы связи и проверка статистических гипотез о наличии и силе корреляционной связи. Не все факторы, влияющие на процессы, являются случайными величинами, поэтому при анализе каких-либо явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий,

называется регрессионным анализом.

Использование возможностей современной вычислительной техники, оснащенной пакетами программ машинной обработки статистической информации на ПК, делает практически осуществимым оперативное решение задач изучения взаимосвязи необходимых показателей методами корреляционно-регрессионного анализа.

При машинной обработке исходной информации на ПК, оснащенных пакетами стандартных программ ведения анализов, вычисление параметров применяемых математических функций является быстро выполняемой счетной операцией.

Роль корреляцонно-регрессионного анализа в обработке данных Корреляционный анализ и регрессионный анализ являются смежными разделами

математической статистики, и предназначаются для изучения по выборочным данным статистической зависимости ряда величин; некоторые из которых являются случайными. При статистической зависимости величины не связаны функционально, но как случайные величины заданы совместным распределением вероятностей. Исследование взаимосвязи случайных величин приводит к теории корреляции, а как разделу теории вероятностей и корреляционному анализу – к разделу математической статистики. Исследование зависимости случайных величин приводит к моделям регрессии и регрессионному анализу на базе выборочных данных. Теория вероятностей и математическая статистика представляют лишь инструмент для изучения статистической зависимости, но не ставят своей целью установление причинной связи. Представления и гипотезы о причинной связи должны быть привнесены из некоторой другой теории, которая позволяет содержательно объяснить изучаемое явление.

Формально корреляционная модель взаимосвязи системы случайных

величин может быть представлена в следующем виде: , где Z – набор случайных величин, оказывающих влияние на изучаемые случайные величины.

Экономические данные почти всегда представлены в виде таблиц. Числовые данные, содержащиеся в таблицах, обычно имеют между собой явные (известные) или неявные (скрытые) связи.

Явно связаны показатели, которые получены методами прямого счета, т. е. вычислены по заранее известным формулам. Например, проценты выполнения плана, уровни, удельные веса, отклонения в сумме, отклонения в процентах, темпы роста, темпы прироста, индексы и т. д.

Связи же второго типа (неявные) заранее неизвестны. Однако необходимо уметь объяснять и предсказывать (прогнозировать) сложные явления для того, чтобы управлять ими. Поэтому специалисты с помощью наблюдений стремятся выявить скрытые зависимости и выразить их в виде формул, т. е. математически смоделировать явления или процессы. Одну из таких возможностей предоставляет корреляционно-регрессионный анализ.

Математические модели строятся и используются для трех обобщенных целей:

•для объяснения;

•для предсказания;

•для управления.

Представление экономических и других данных в электронных таблицах в наши дни стало простым и естественным. Оснащение же электронных таблиц средствами корреляционнорегрессионного анализа способствует тому, что из группы сложных, глубоко научных и потому редко используемых, почти экзотических методов, корреляционно-регрессионный анализ превращается для специалиста в повседневный, эффективный и оперативный аналитический инструмент. Однако, в силу его сложности, освоение его требует значительно больших знаний и усилий, чем освоение простых электронных таблиц.

Пользуясь методами корреляционно-регрессионного анализа, аналитики измеряют тесноту связей показателей с помощью коэффициента корреляции. При этом обнаруживаются связи, различные по силе (сильные, слабые, умеренные и др.) и различные по направлению (прямые, обратные). Если связи окажутся существенными, то целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели.

Регрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений. Электронные таблицы делают такой анализ легко доступным. Таким образом, регрессионные вычисления и подбор хороших уравнений – это ценный, универсальный исследовательский инструмент в самых разнообразных отраслях деловой и научной деятельности (маркетинг, торговля, медицина и т. д.). Усвоив технологию использования этого инструмента, можно применять его по мере необходимости, получая знание о скрытых связях, улучшая аналитическую поддержку принятия решений и повышая их обоснованность.

Корреляционно-регрессионный анализ и его возможности Корреляционный анализ является одним из методов статистического анализа взаимосвязи

нескольких признаков.

Он определяется как метод, применяемый тогда, когда данные наблюдения можно считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа (являющаяся основной и в регрессионном анализе) состоит в оценке уравнения регрессии.

Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.

Парная корреляция – связь между двумя признаками (результативным и факторным или двумя факторными).

Частная корреляция – зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков.

Множественная корреляция – зависимость результативного и двух или более факторных признаков, включенных в исследование.

Корреляционный анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным признаком и множеством факторных признаков (при многофакторной связи).

Теснота связи количественно выражается величиной коэффициентов корреляции. Коэффициенты корреляции, представляя количественную характеристику тесноты связи между признаками, дают возможность определить “полезность” факторных признаков при построении уравнений множественной регрессии. Величина коэффициентов корреляции служит также оценкой соответствия уравнению регрессии выявленным причинноследственным связям.

Первоначально исследования корреляции проводились в биологии, а позднее распространились и на другие области, в том числе на социально-экономическую. Одновременно с корреляцией начала использоваться и регрессия. Корреляция и регрессия тесно связаны между собой: первая оценивает силу (тесноту) статистической связи, вторая исследует ее форму. И корреляция, и регрессия служат для установления соотношений между явлениями и для определения наличия или отсутствия связи между ними.

Предпосылки корреляционного и регрессионного анализа Перед рассмотрением предпосылок корреляционного и регрессионного анализа, следует

сказать, что общим условием, позволяющим получить более стабильные результаты при построении корреляционных и регрессионных моделей, является требование однородности исходной информации. Эта информация должна быть обработана на предмет аномальных, т.е. резко выделяющихся из массива данных, наблюдений. Эта процедура выполняется за счет количественной оценки однородности совокупности по какому-либо одномерному или многомерному критерию (в зависимости от исходной информации) и имеет цель тех объектов наблюдения, у которых наилучшее (или наихудшее) условия функционирования по не зависящим или слабо зависящим причинам.

После обработки данных на предмет “аномальности” следует провести проверку, насколько оставшаяся информация удовлетворяет предпосылкам для использования статического аппарата при построении моделей, так как даже незначительные отступления от этих предпосылок часто сводят к нулю получаемый эффект. Следует иметь ввиду, что вероятностное или статистическое решение любой экономической задачи должно основываться на подробном осмыслении исходных математических понятий и предпосылок, корректности и объективности сбора исходной информации, в постоянном сочетании с теснотой связи математико-статистического анализа.

Для применения корреляционного анализа необходимо, чтобы все рассматриваемые переменные были случайными и имели нормальный закон распределения. Причем выполнение этих условий необходимо только при вероятностной оценке выявленной тесноты связи.

Рассмотрим простейшие случай выявления тесноты связи – двумерную модель корреляционного анализа.

Для характеристики тесноты связи между двумя переменными обычно пользуются парным коэффициентом корреляции , если рассматривать генеральную совокупность, или его оценкой – выборочным парным коэффициентом , если изучается выборочная совокупность. Парный коэффициент корреляции в случае линейной формы связи вычисляют по формуле

формуле При малом числе наблюдений выборочный коэффициент корреляции удобно вычислять по

следующей формуле:

Величина коэффициента корреляции изменяется в интервале .

прямая функциональная связь. Если , то значение Х и У в выборке некоррелированы; в

случае, если система случайных величин имеет двумерное нормальное распределение, то величины Х и У будут и независимыми.

Если коэффициент корреляции находится в интервале , то между величинами Х и У существует обратная корреляционная связь. Это находит подтверждение и при визуальном анализе исходной информации. В этом случае отклонение величины У от среднего значения взяты с обратным знаком.

Если каждая пара значений величин Х и У чаще всего одновременно оказывается выше (ниже) соответствующих средних значений, то между величинами существует прямая

корреляционная связь и коэффициент корреляции находится в интервале .

Если же отклонение величины Х от среднего значения одинаково часто вызывают отклонения величины У вниз от среднего значения и при этом отклонения оказываются все время различными, то можно предполагать, что значение коэффициента корреляции стремится к нулю.

Следует отметить, что значение коэффициента корреляции не зависит от единиц измерения и выбора начала отсчета. Это означает, что если переменные Х и У уменьшить (увеличить) в К раз либо на одно и то же число С, то коэффициент корреляции не изменится.

Пакет анализа Microsoft Excel

В состав Microsoft Excel входит набор средств анализа данных (так называемый пакет анализа), предназначенный для решения сложных статистических и инженерных задач. Для проведения анализа данных с помощью этих инструментов следует указать входные данные и выбрать параметры; анализ будет проведен с помощью подходящей статистической или инженерной макрофункции, а результат будет помещен в выходной диапазон. Другие средства позволяют представить результаты анализа в графическом виде.

Таблица 5.1 Выборка биржевых ставок относительно времени совершения сделки и цены сделки в

рублях за один день работы биржи