Проверка гипотезы о законе распределения генеральной совокупности с использованием функции Лапласа

2.3 Проверка гипотезы о законе распределения генеральной совокупности с использованием функции Лапласа

Пример. Экономический анализ труда предприятий отрасли позволил выдвинуто гипотезу о наличии 2 типов предприятий с различной средней величиной показателя производительности труда. Выборочное обследование 42 предприятий 1-й группы дало следующие результаты: средняя производительность труда X – 119 деталей. По данным выборочного обследования, на 35 предприятиях 2-й группы средняя производительность труда Y – 107 деталей. Генеральные дисперсии известны: D(Х) = 126,91 (дет.²); D(Y) = 136,1 (дет.²).

Считая, что выборки извлечены из нормально распределенных генеральных совокупностей X и Y, на уровне значимости 0,05, проверьте, случайно ли полученное различие средних показателей производительности труда в группах или же имеются 2 типа предприятий с различной средней величиной производительности труда.

Решение. Для решения данной задачи необходимо сравнить 2 средние нормально распределенных генеральных совокупностей, генеральные дисперсии которых известны (большие независимые выборки). В данной задаче речь идет о больших выборках, так как n_х = 42 и n_у = 35 больше 30. Выборки – независимые, так как из контекста задачи видно, что они извлечены из непересекающихся генеральных совокупностей.

Сформулируем нулевую и конкурирующую гипотезы согласно условию задачи.

Н₀: X = Y – генеральные средние 2 нормально распределенных совокупностей с известными дисперсиями равны (применительно к условию данной задачи – предприятия 2 групп относятся к одному типу предприятий: средняя производительность труда в 2 группах – одинакова).

Н₁: X≠ Y- генеральные средние 2 нормально распределенных совокупностей с известными дисперсиями неравны (применительно к условию данной задачи - предприятия 2 групп относятся к разному типу предприятий: средняя производительность труда в 2 группах – неодинакова).

Выдвигаем двустороннюю конкурирующую гипотезу, так как из условия задачи не следует, что необходимо выяснить больше или меньше производительность труда в одной из групп предприятий по сравнению с другой.

Поскольку конкурирующая гипотеза – двусторонняя, то и критическая область – двусторонняя.

В качестве критерия для сравнения 2 средних генеральных совокупностей, дисперсии которых известны (большие независимые выборки), используется случайная величина Z.

Его наблюдаемое значение (Z_набл) рассчитывается по формуле

где X – выборочная средняя для X; Y – выборочная средняя для Y; 1>(Х) – генеральная дисперсия для X; D(Y) – генеральная дисперсия для Y; пх – объем выборки для X; пу – объем выборки для Y.

Найдем наблюдаемое значение (z_набл):

Так как конкурирующая гипотеза - двусторонняя, критическое значение (z_кр) следует находить по таблице функции Лапласа (приложение 3) из равенства

Ф(z_кр)= (1)

По условию = 0,05.

Отсюда

Ф₀(z_кр)=(1-0,05) /2 = 0,475.

По таблице функции Лапласа (приложение 3) найдем, при каком (z_кр) Ф₀(z_кр)=0,475.

Ф₀(1,96) = 0,475.

Учитывая, что конкурирующая гипотеза - двусторонняя, находим две критические точки:

z_кр(n) = 1,96; z_кр(л) = -1,96

Заметим, что при левосторонней конкурирующей гипотезе Н₁: X < Yz_кр следует находить по таблице функции Лапласа (приложение 3) из равенства Ф₀(z_кр) = (1 - 2)/2 и присваивать ему знак «минус».

При правосторонней конкурирующей гипотезе Н₁: X > Yz_кр находим по таблице функции Лапласа (приложение 3) из равенства Ф₀(z_кр) = (1 - 2)/2.

Z_набл > z_кр, следовательно, на данном уровне значимости нулевая гипотеза отвергается в пользу конкурирующей. На уровне значимости = 0,05 можно утверждать, что полученное различие средних показателей производительности труда в группах неслучайно, имеются 2 типа предприятий с различной средней величиной производительности труда.

Наблюдаемое значение критерия попадает в критическую область (рисунок 5), следовательно, нулевая гипотеза отклоняется в пользу конкурирующей.

Рисунок 5

Ответ. На уровне значимости = 0,05 можно утверждать, что полученное различие средних показателей производительности труда в группах неслучайно, имеются 2 типа предприятий с различной средней величиной производительности труда.

2.4 Проверка гипотезы о законе распределения генеральной совокупности с использованием критерия Фишера-Снедекора

Пример. Предполагается, что применение нового типа резца сократит время обработки некоторой детали. Хронометраж времени обработки 9 деталей, обработанных старым типом резцов, дал следующие результаты: среднее время обработки детали X – 57 мин, исправленная выборочная дисперсия s²_х = 186,2 (мин²). Среднее время обработки 15 деталей, обработанных новым типом резцов, - Y по данным хронометражных измерений - 52 мин, а исправленная выборочная дисперсия s²_х = 166,4 (мин²). На уровне значимости = 0,01 ответьте на вопрос, позволило ли использование нового типа резцов сократить время обработки детали?

Решение. Для решения данной задачи необходимо сравнить 2 средние нормально распределенных генеральных совокупностей, генеральные дисперсии которых неизвестны, но предполагаются одинаковыми (малые независимые выборки). В этой задаче речь идет о малых выборках, так как n_х = 9 и n_у = 15 меньше 30. Выборки - независимые, поскольку из контекста задачи видно, что они извлечены из непересекающихся генеральных совокупностей.

Сформулируем нулевую и конкурирующую гипотезы согласно условию задачи.

Н₀:X = Y - генеральные средние 2 нормально распределенных совокупностей с неизвестными дисперсиями (но предполагаемыми одинаковыми) равны (применительно к условию данной задачи -среднее время, затрачиваемое на обработку детали резцами нового и старого типа, - одинаково, т. е. использование нового типа резца не позволяет снизить время на обработку детали).

Н₁: X > Y - генеральная средняя для X больше, чем генеральная средняя для Y (применительно к условию данной задачи - среднее время, затрачиваемое на обработку детали резцами старого типа, больше, чем - нового, т. е. использование нового типа резца позволяет снизить время на обработку детали).

Так как конкурирующая гипотеза - правосторонняя, то и критическая область - правосторонняя.

Приступать к проверке гипотезы о равенстве генеральных средних 2 нормально – распределенных совокупностей с неизвестными дисперсиями можно лишь в том случае, если генеральные дисперсии равны. В противном случае, данная задача в теории неразрешима.

Поэтому, прежде чем проверять эту гипотезу, проверим гипотезу о равенстве генеральных дисперсий нормальных совокупностей.

Сформулируем нулевую и конкурирующую гипотезы, согласно условию задачи.

Н₀: D(Х)=D(Y) - генеральные дисперсии 2 нормально распределенных совокупностей равны.

Н₀: D(Х) >D(Y) - генеральная дисперсия для X больше генеральной дисперсии для У. Выдвигаем правостороннюю конкурирующую гипотезу, так как исправленная выборочная дисперсия для X значительно больше, чем исправленная выборочная дисперсия для Y.

Так как конкурирующая гипотеза - правосторонняя, то и критическая область - правосторонняя.

В качестве критерия для сравнения 2 дисперсий нормальных генеральных совокупностей используется случайная величина Р - критерий Фишера-Снедекора (приложение 4).

Его наблюдаемое значение (f_набл) рассчитывается по формуле

где s - большая (по величине) исправленная выборочная дисперсия; s² - меньшая (по величине) исправленная выборочная дисперсия.

Найдем f_набл

Критическое значение (f_кр) следует находить с помощью таблицы распределения Фишера-Снедекора (приложение 4) по уровню значимости и числу степеней свободы k и k₂.

По условию а = 0,01; число степеней свободы найдем по формуле

k₁ = n₁- 1; k ₂ = n₂ - 1,

где k₁ - число степеней свободы большей (по величине) исправленной дисперсии; k ₂ - число степеней свободы меньшей (по величине) исправленной дисперсии; n₁ - объем выборки большей (по величине) исправленной дисперсии; n₂- объем выборки меньшей (по величине) исправленной дисперсии.

Найдем k₁ и k ₂

k₁ = 10 - 1 = 9;

k ₂ = 15 - 1 = 14.

Определяем f_кр по уровню значимости = 0,01 и числу степеней свободы k₁=9 и k ₂ =14:

f_{кр( = 0,01; k1=9; k 2 =14)}

f_набл< f_кр следовательно, на данном уровне значимости нет оснований отвергнуть нулевую гипотезу о равенстве генеральных дисперсий нормальных совокупностей.

Следовательно, Можно приступить к проверке гипотезы о равенстве генеральных средних двух нормально распределенных совокупностей.

Найдем t_набл

Критическое значение (t_кр) следует находить по таблице распределения Стьюдента (приложение 2) по уровню значимости и числу степеней свободы k.

По условию = 0,01; число степеней свободы найдем по формуле

 

k = n_х + n_y - 2,

г

де k - число степеней свободы; n_х - объем выборки для X; n_y - объем выборки для Y.

k = 9 + 15 - 2 = 22.

Найдем t_кр по уровню значимости = 0,01 (для односторонней критической области) и числу степеней свободы k = 22

Заметим, что при левосторонней конкурирующей гипотезе X < Y t_кр следует находить по таблицам распределения Стьюдента (приложение 2) по уровню значимости (для односторонней критической области) и числу степеней свободы k = n_х + n_y – 2 и присваивать ему знак «минус».

При двусторонней конкурирующей гипотезе Х≠Y t_кр находим по таблицам распределения Стьюдента (приложение 3) по уровню значимости (для двусторонней критической области) и числу степеней свободы k = n_х + n_y – 2.

t_набл < t_кр следовательно, на этом уровне значимости нет оснований отвергнуть нулевую гипотезу.

По имеющимся хронометрическим данным на уровне значимости а = 0,01 нельзя отклонить гипотезу о том, что генеральные средние равны, т. е. среднее время, затрачиваемое на обработку детали старым и новым типом резцов, отличается незначимо, расхождения между средними - случайны, использование нового типа резцов не позволяет снизить время обработки детали.

Наблюдаемое значение критерия попадает в область допустимых значений (рисунок 6), следовательно, нулевую гипотезу нельзя отклонить.

Рисунок 6

Ответ. На уровне значимости = 0,01 нельзя утверждать, что использование нового типа резцов позволило сократить время обработки детали.

Заключение

Проверка статистических гипотез – необходимая методика, используемая для получения данных в статистике.

Проведенная работа позволила сделать следующие выводы:

- Под статистической гипотезой понимаются различного рода предположения относительно характера или параметров распределения случайной переменной, которые можно проверить, опираясь на результаты наблюдений в случайной выборке.

- Смысл проверки статистической гипотезы состоит в том, чтобы по имеющимся статистическим данным принять или отклонить статистическую гипотезу с минимальным рисков ошибки. Эта проверка осуществляется по определенным правилам.

- Гипотезы классифицируются на: простые и сложные; параметрические и непараметрические; основные (высказанные) и альтернативные (конкурирующие).

- Проверка гипотезы осуществляется на основе выявления согласованности эмпирических данных с гипотетическими (теоретическими).

- Особенно часто процедура проверки статистических гипотез проводится для оценки существенности расхождений сводных характеристик отдельных совокупностей (групп): средних, относительных величин. Такого рода задачи, как правило, возникают в социальной статистике.

- Проверка статистических гипотез осуществляется с помощью статистического критерия (назовем его в общем виде К), являющегося функцией от результатов наблюдения.

- В статистике в настоящее время имеется большое число критериев для проверки практически любых гипотез.

- Выбор критерия для проверки статистических гипотез может осуществляться на основании различных принципов. Чаще всего для этого пользуются принципом отношения правдоподобия, который позволяет построить критерий, наиболее мощный среди всех возможных критериев.

- Для каждой проверки статистических гипотез существует определенный алгоритм.

Список литературы

 

1.  Аллен Р. Статистика. – М., 2005.

2.  Богородская, Н.А. Статистика финансов. - М., 2005.

3.  Виноградова Н.М. Общая теория статистики. – М., 2000.

4.  Гинзбург А.И. Статистика. – СПб., 2003.

5.  Голуб Л.А. Социально-экономческая статистика – М., 2001.

6.  Гусаров В.М. Теория статистики. – М., 2008.

7.  Джессен Л.Статистические методы. – СПб., 2001.

8.  Елисеева И.И,. Юзбашев М.М Общая теория статистики. - М., 1995.

9.  Елисеева И.И. Обработка статистических данных. – М., 2001.

10.  Ефимова М.Р., Петрова Е.В., Румянцева В.Н. Общая теория статистики. - М., 1996.

11.  Курс социально-экономической статистики / Под ред. М.Г. Назарова. – Киев, 2005.

12.  Льюис К.Д. Методы прогнозирования статистических данных. – М., 2009.

13.  Милс Ф. Статистические методы. – М., 1996.

14.  Ниворожкина Л.И. Основы статистики. - М., 2000.

15.  Общая теория статистики [Текст]: учебник / Под ред. П.Р. Куликова. - М., 2002.

16.  Переяслова И.Г. Основы статистики. – Ростов н/Д, 2007.

17.  Практикум по социально-экономической статистике/ Под ред..М.Южина. – СПб., 2001.

18.  Рябушкин Т.В. Финансы и статистика. – М., 2002.

19.  Салин В.М. Социально-экономическая статистика. – М., 2004.

20.  Сиденко, А.В. Статистика. - М., 2000.

21.  Статистика Л.П. Харченко, В.Г. Долженкова, В.Г. Ионин [и др.]; под ред. В.Г. Ионина. – М., 2001.

22.  Статистика / Под ред. И.И. Егорова, С.В. Курышева. - М., 2005.

23.  Статистика финансов /Под ред. М.В. Вахрамеева, - М., 2003.

24.  Шабалин О.П. Социально-экономическая статистика. – М., 2003.

25.  Четыркин Е.М. Статистические методы прогнозирования. – М., 2005.

26.  Экономическая статистика / Под ред. Ю.Н. Иванова. – Мн., 1996.

27.  Яковлев С.В. Статистика. – М., 2005.

Приложение 1

 

Таблица критерия Пирсона

 

Число степеней свободы k	Уровень значимости
	0,01	0,025	0,05	0,95	0,975	0,99
1	6,6	5,0	3,8	0,0039	0,00098	0,00016
2	9,2	7,4	6,0	0,103	0,051	0,020
3	11,3	9,4	7,8	0,352	0,216	0,115
4	13,3	ПД	9,5	0,711	0,484	0,297
5	15,1	12,8	ПД	1,15	0,831	0,554
6	16,8	14,4	12,6	1,64	1,24	0,872
7	18,5	16,0	14,1	2,17	1,69	1,24
8	20,1	17,5	15,5	2,73	2,18	1,65
9	21,7	19,0	16,9	3,33	2,70	2,09
10	23,2	20,5	18,3	3,94	3,25	2,56
11	24,7	21,9	19,7	4,57	3,82	3,05
12	26,2	23,3	21,0	5,23	4,40	3,57
13	27,7	24,7	22,4	5,89	5,01	4,11
14	29,1	26,1	23,7	6,57	5,63	4,66
15	30,6	27,5	25,0	7,26	6,26	5,23
16	32,0	28,8	26,3	7,96	6,91	5,81
17	33,4	30,2	27,6	8,67	7,56	6,41
18	34,8	31,5	28,9	9,39	8,23	7,01
19	36,2	32,9	30,1	10,1	8,91	7,63
20	37,6	34,2	31,4	10,9	9,59	8,26
21	38,9	35,5	32,7	11,6	10,3	8,90
22	40,3	36,8	33,9	12,3	11,0	9,54
23	41,6	38,1	35,2	13,1	11,7	10,2
24	43,0	39,4	36,4	13,8	12,4	10,9
25	44,3	40,6	37,7	14,6	13,1	11,5
26	45,6	41,9	38,9	15,4	13,8	12,2
27	47,0	43,2	40,1	16,2	14,6	12,9
28	48,3	44,5	41,3	16,9	15,3	13,6
29	49,6	45,7	42,6	17,7	16,0	14,3
30	50,9	47,0	43,8	18,5	16,8	15,0

Приложение 2

 

Критические точки распределения Стьюдента

 

Число степеней свободы k	Уровень значимости (двусторонняя критическая значимость)
	0,10	0,05	0,02	0,01	0,002	0,001
1	6,31	12,7	31,82	63,7	318,3	637,0
2	2,92	4,30	6,97	9,92	22,33	31,6
3	2,35	3,18	4,54	5,84	10,22	12,9
4	2ДЗ	2,78	3,75	4,00	7,17	8,61
5	2,01	2,57	3,37	4,03	5,89	6,86
6	1,94	2,45	3,14	3,71	5,21	5,96
7	1,89	2,36	3,00	3,50	4,79	5,40
8	1,86	2,31	2,90	3,36	4,50	5,04
9	1,83	2,26	2,82	3,25	4,30	4,70
10	1,81	2,23	2,76	3,17	4,14	4,59
11	1,80	2,28	2,72	3,11	4,03	4,44
12	1,78	2,18	2,68	3,05	3,93	4,32
13	1,77	2,16	2,65	3,01	3,85	4,22
14	1,76	2,14	2,62	2,98	3,79	4,14
15	1,75	2,13	2,60	2,95	3,73	4,07
16	1,75	2,12	2,58	2,92	3,69	4,01
17	1,74	2,11	2,57	2,90	3,65	3,96
18	1,73	2,10	2,55	2,88	3,61	3,92
19	1,73	2,09	2,54	2,86	3,58	3,88
20	1,73	2,09	2,53	2,85	3,55	3,85
21	1,72	2,08	2,52	2,83	3,53	3,82
22	1,72	2,07	2,51	2,82	3,51	3,79.
23	1,71	2,07	2,50	2,81	3,49	3,77
24	1,71	2,06	2,49	2,80	3,47	3,74
25	1,71	2,06	2,49	2,79	3,45	3,72
26	1,71	2,06	2,48	2,78	3,44	3,71
27	1,71	2,05	2,47	2,77	3,42	3,69
28	1,70	2,05	2,46	2,76	3,40	3,66
29	1,70	2,05	2,46	2,76	3,40	3,66
30	1,70	2,04	2,46	2,75	3,39	3,65
40	1,68	2,02	2,42	2,70	3,31	3,55
60	1,07	2,00	2,39	2,66	3,23	3,46
120	1,66	1,98	2,36	2,62	3,17	3,37

Приложение 3

 

Таблица функции Лапласа

z	0	1	2	3	4	5	6	7	8	9
0,0	0,00000	0,00399	0,00798	0,01197	0,01595	0,01994	0,02392	0,02790	0,03188	0,03586
0,1.	0,03983	0,04380	0,04776	0,05172	0,05567	0,05962	0,06356	0,06749	0,07142	0,07535
0,2	0,07926	0,08317	0,08706	0,09095	0,09483	0,09871	0,10257	0,10642	0,11026	0,11409
0,3	0,11791	0,12172	0,12552	0,12930	0,13307	0,13683	0,14058	0,14431	0,14803	ОП5173
0,4	0,15542	0,15910	0,16276	0,16640	0,17003	0,17364	0,17724	0,18082	0,18439	0,18793
0,5	0,19146	0,19497	0,19847	0,20194	0,20540	0,20884	0,21226	0,21566	0,21904	0,22240
0,6	0,22575	0,22907	0,23237	0,23565	0,23891	0,24215	0,24537	0,24857	0,25175	0,25490
0,7	0,25804	0,26115	0,26424	0,26730	0,27035	0,27337	0,27637	0,27935	0,28230	0,28524
0,8	0,28814	0,29103	0,29389	0,29673	0,29955	0,30234	0,30511	0,30785	0,31057	0,31327
0,9	0,31594	0,31859	0,32121	0,32381	0,32639	0,32894	0,33147	0,33398	0,33646	0,33891
1,0	0,34134	0,34375	0,34614	0,34849	0,35083	0,35314	0,35543	0,35769	0,35993	0,36214
1,1	0,36433	0,36650	0,36864	0,37076	0,37286	0,37493	0,37698	0,37900	0,38100	0,38298
1,2	0,38493	0,38686	0,38877	0,39065	0,39251	0,39435	0,39617	0,39796	0,39973	0,40147
1,3	0,40320	0,40490	0,40658	0,40824	0,40988	0,41149	0,41308	0,41466	0,41621	0,41774
1,4	0,41924	0,42073	0,42220	0,42364	0,42507	0,42647	0,42785	0,42922	0,43056	0,43189
1,5	0,43319	0,43448	0,43574	0,43699	0,43822	0,43943	0,44062	0,44179	0,44295	0,44408
1,6	0,44520	0,44630	0,44738	0,44845	0,44950	0,45053	0,45154	0,45254	0,45352	0,45449
1,7	0,45543	0,45637	0,45728	0,45818	0,45907	0,45994	0,46080	0,46164	0,46246	0,46327
1,8	0,46407	0,46485	0,46562	0,46638	0,46712	0,46784	0,46856	0,46926	0,46995	0,47062
1,9	0,47128	0,47193	0,47257	0,47320	0,47381	0,47441	0,47500	0,47558	0,47615	0,47670
2,0	0,47725	0,47778	0,47831	0,47882	0,47932	0,47982	0,48030	0,48077	0,48124	0,48169
2,1	0,48214	0,48257	0,48300	0,48341	0,48382	0,48422	0,48461	0,48500	0,48537	0,48574
2,2	0,48610	0,48645	0,48679	0,48713	0,48745	0,48778	0,48809	0,48840	0,48870	0,48899
2,3	0,48928	0,48956	0,48983	0,49010	0,49036	0,49061	0,49086	0,49111	0,49134	0,49158
2,4	0,49180	0,49202	0,49224	0,49245	0,49266	0,49286	0,49305	0,49324	0,49343	0,49361
2,5	0,49379	0,49396	0,49413	0,49430	0,49446	0,49461	0,49477	0,49492	0,49506	0,49520
2,6	0,49534	0,49547	0,49560	0,49573	0,49585	0,49598	0,49609	0,49621	0,49632	0,49643
2,7	0,49653	0,49664	0,49674	0,49683	0,49693	0,49702	0,49711	0,49720	0,49728	0,49736
2,8	0,49744	0,49752	0,49760	0,49767	0,49774	0,49781	0,49788	0,49795	0,49801	0,49807
2,9	0,49813	0,49819	0,49825	0,49831	0,49836	0,49841	0,49846	0,49851	0,49856	0,49861
3,0	0,49865	0,49869	0,49874	0,49878	0,49882	0,49886	0,49889	0,49893	0,49896	0,49900
3,1	0,49903	0,49906	0,49910	0,49913	0,49916	0,49918	0,49921	0,49924	0,49926	0,49929
3,2	0,49931	0,49934	0,49936	0,49938	0,49940	0,49942	0,49944	0,49946	0,49948	0,49950
3,3	0,49952	0,49953	0,49955	0,49957	0,49958	0,49960	0,49961	0,49962	0,49964	0,49965
3,4	0,49966	0,49968	0,49969	0,49970	0,49971	0,49972	0,49973	0,49974	0,49975	0,49976
3,5	0,49977	0,49978	0,49978	0,49979	0,49980	0,49981	0,49981	0,49982	0,49983	0,49983
3,6	0,49984	0,49985	0,49985	0,49986	0,49986	0,49987	0,49987	0,49988	0,49988	0,49989
3,7	0,49989	0,49990	0,49990	0,49990	0,49991	0,49991	0,49992	0,49992	0,49992	0,49992
3,8	0,49993	0,49993	0,49993	0,49994	0,49994	0,49994	0,49994	0,49995	0,49995	0,49995
3,9	0,49995	0,49995	0,49996	0,49996	0,49996	0,49996	0,49996	0,49996	0,49997	0,49997
4,0	0,499968
4,5	0,49997
5,0	0,4999997

Приложение 4

 

Критические точки распределения Фишера-Снедекора

 

Уровень значимости а = 0,01
1	161	200	216	225	230	234	237	239	241	242	243	244
2	18,51	19,00	19,16	19,25	19,30	19,33	19,36	19,37	19,38	19,39	19,40	19,41
3	10,13	9,55	9,28	9,12	9,01	8,94	8,88	8,84	8,81	8,78	8,76	8,74
4	7,71	6,94	6,59	6,39	6,26	6,16	6,09	6,04	6,00	5,96	5,93	5,91
5	6,61	5,79	5,41	5,19	5,05	4,95	4,88	4,82	4,78	4,74	4,70	4,68
6	5,99	5,14	4,76	4,53	4,39	4,28	4,21	4,15	4,10	4,06	4,03	4,00
7	5,59	4,74	4,35	4,12	3,97	3,87	3,79	3,73	3,68	3,63	3,60	3,57
8	5,32	4,46	4,07	3,84	3,69	3,58	3,50	3,44	3,39	3,34	3,31	3,28
9	5,12	4,26	3,86	3,63	3,48	3,37	3,29	3,23	3,18	3,13	3,10	3,07
10	4,96	4,10	3,71	3,48	3,33	3,22	3,14	3,07	3,02	2,97	2,94	2,91
11	4,84	3,98	3,59	3,36	3,20	3,09	3,01	2,95	2,90	2,86	2,82	2,79
12	4,75	3,88	3,49	3,26	3,11	3,00	2,92	2,85	2,80	2,76	2,72	2,69
13	4,67	3,80	3,41	3,18	3,02	2,92	2,84	2,77	2,72	2,67	2,63	2,60
14	4,60	3,74	3,34	3,11	2,96	2,85	2,77	2,70	2,65	2,60	2,56	2,53
15	4,54	3,68	3,29	3,06	2,90	2,79	2,70	2,64	2,59	2,55	2,51	2,48
16	4,49	3,63	3,24	3,01	2,85	2,74	2,66	2,59	2,54	2,49	2,45	2,42
17	4,45	3,59	3,20	2,96	2,81	2,70	2,62	2,55	2,50	2,45	2,41	2,38