Теперь, построив три модели, необходимо выбрать одну наиболее адекватную. Для этого последовательно проведём попарное сравнение моделей:

1. Тест Вальда применяется для пары pooled модель и модель с фиксированными переменными, как было описано ранее при подтверждении нулевой гипотезы оценка pooled-модели является более адекватной по сравнению с рассматриваемой моделью c фиксированными переменными. Статистический пакет «Gretl» проводит тест автоматически при построении модели с фиксированными эффектами, который имеет название «Тест на различие констант в группах» (рис. 3.6).

Рисунок 3.6. Тест Вальда

Так как р-значение меньше 0,05, то на 5 % уровне значимости применяется первая гипотеза, а значит модель с фиксированными эффектами дает более хорошую оценку данных.

2. Далее обратимся к тесту Бреуша-Пагана для выявления более адекватной модели среди pooled-модели и модели с случайными эффектами. В рамках данного теста проверяется возможность сведения модели с случайными эффектами к pooled модели. Соответственно, нулевая гипотеза гласит о том, что pooled модель лучше. Тест Бреуша-Пагана проводится автоматически при построении модели с случайными эффектами (рис 3.7).

Рисунок 3.7. Тест Бреуша-Пагана

В результате теста р-значение получилось меньше 0,05, таким образом, первая гипотеза подтверждается и модель с случайными эффектами является более адекватной.

3. Для сравнения модели с фиксированными эффектами и модели с случайными эффектами применяется тест Хаусмана, в котором при подтверждении нулевой гипотезы оценка модели с случайными эффектами признаётся более хорошей (см. рис 3.8).

Рисунок 3.8. Тест Хаусмана

После проведённого теста Хаусмана р-значение получилось меньше 0,05, то есть на 5 % уровне значимости можно утверждать, что модель с фиксированными эффектами является наилучшей по сравнению с моделью с случайными эффектами.

По итогам трёх проведенных тестов в качестве наиболее адекватной была выбрана модель с фиксированными эффектами, которая для данного конкретного случая имеет вид:

	(3.1)

3.3 Тестирование модели

Тестирование модели проводится для детального анализа качества модели. Модель с фиксированными эффектами необходимо протестировать на гетероскедастичность, а также провести анализ нормальности распределения остатков [31].

Для начала проверим модель на гетероскедастичность с помощью теста «groupwise». В данном тесте:

Н0: модель гомоскедастична;

Н1: модель гетероскедастична.

Результат тестирования представлен на рисунке 3.9.

Рисунок 3.9. Тест на гетероскедастичность

Так как р-значение меньше 0,01, то подтверждается первая гипотеза, которая гласит, что модель гетероскедастична, то есть наблюдения неоднородны. Однако, наличие гетероскедастичности при использование панельных данных не является критическим.

Далее необходимо проверить нормальность распределения остатков с помощью соответствующего теста, где:

Н0: ошибки распределены по нормальному закону;

Н1: ошибки распределены не по нормальному закону.

В результате получили график остатков, а также р-значение больше 0,05 (рис. 3.10 и рис. 3.11). Следовательно, можно утверждать, что ошибки распределены по нормальному закону.

Рисунок 3.10. График распределения остатков

Рисунок 3.11 Результат теста на нормальность остатков

На данном этапе для оценки качества построенной модели можно спрогнозировать уровень счастья для России на основе данных за 2017 год, после чего сравнить полученное прогнозное значение с фактическим уровнем счастья. Для этого возьмём значения всех независимых детерминант для России за 2017 год и подставим в полученную модель (см. формула 12).

По итогам расчета уровня счастья с помощью построенной эконометрической модели получилось значение равное 5,36 условных единиц. В то же время фактическое значение уровня счастья за 2017 год составляет 5,58 условных единиц. Таким образом, можно утверждать, что получаемые расчётные значения уровня удовлетворённости жизни являются адекватными.

Глава 4. Проектирование и разработка веб-приложения для прогнозирования уровня счастья

В данной главе проанализированы функциональные и нефункциональные требования к приложению. После чего выполнено проектирование, а также разработка приложения. На завершающем этапе было проведено тестирование системы по технологии черного ящика.

4.1 Анализ требований

В рамках данной работы необходимо разработать web-приложение, используя локальный сервер WampServer, а также веб-интерфейс для администрирования СУБД phpMyAdmin, на языках программирования - html, css, php и структурированный язык запросов SQL, с помощью которого пользователь сможет на основе введённых входных параметров получить прогнозируемое значение уровня счастья.

Приложение должно работать без сбоев, быть удобным и надёжным в использовании, а также иметь дружественный и интуитивно понятный интерфейс.

Функциональные требования к приложению:

· выполнять вход в систему;

· регистрировать нового пользователя;

· просмотр результатов опроса;

· рассчитывать прогнозируемое значение уровня счастья.

Нефункциональные требования к приложению:

· дружественный интерфейс;

· надёжность работы с данными;

· стабильность работы и отсутствие сбоев.

Кроме того, на этапе анализа требований к системе необходимо построить диаграмму вариантов использования (use case diagram), с помощью которой можно отобразить взаимодействие пользователя с компонентами и требованиями. Данный вид диаграммы состоит из актеров, необходимым количеством вариантов использования системы, а также различных типов связей между ними. Диаграмма вариантов использования для разрабатываемого приложения представлена на рисунке 4.1.

Рисунок 4.1. Диаграмма вариантов использования

Диаграмма содержит один актер, в качестве которого выступает пользователь системы, также отображено какие действия он может производить в системе.

4.2 Проектирование приложения

На данном этапе необходимо выполнить проектирование базы данных, которая в последующем будет использоваться программным продуктом для обработки данных, а также разработать интерфейсные макеты.

Для начала нужно определить перечень данных, которые должны храниться и обрабатываться системой. Таким образом, было выявлено, что в базе данных должны содержаться следующие сущности:

· «имя» - имя пользователя в любом формате;

· «возраст» - возраст пользователя;

· «страна» - наименование страны;

· «ВВП» - логарифм ВВП на душу населения;

· «социальная поддержка» - показатель социальной поддержки конкретного пользователя;

· «ожидаемая продолжительность жизни» - предположительная продолжительность жизни конкретного пользователя;

· «свобода принятия жизненных решений» - показатель свободы принятия жизненных решений конкретного пользователя;

· «уровень щедрости» - показатель уровня щедрости конкретного пользователя;

· «уровень восприятия коррупции» - показатель уровня восприятия коррупции конкретного пользователя;

· «уровень доверия правительству» - показатель уровня доверия правительству конкретного пользователя;

· «доход» - ежемесячный доход конкретного пользователя;

· «уровень счастья» - расчетное значение уровня счастья конкретного пользователя.

На основании вышеизложенной информации можно составить таблицу типов атрибутов для каждого раздела (таблица 4.1).

Таблица 4.1 Таблица атрибутов

Атрибуты	Тип атрибута	Макс. длина	Единицы измерения	Маска ввода	Пример
Имя	Текстовый	50 символов	-	-	Иванов Иван Иванович
Возраст	Числовой	-	Года		35
Страна	Текстовый	50 символов	-	-	США
ВВП	Числовой	-	Международные доллары	-	45 000
Социальная поддержка	Логический	-	-	-	Да/Нет
Ожидаемая продолжительность жизни	Числовой	-	Года	-	80
Свобода принятия жизненных решений	Логический	-	-	-	Да/Нет
Уровень щедрости	Логический	-	-	-	Да/Нет
Уровень восприятия коррупции	Логический	-	-	-	Да/Нет
Уровень доверия правительству	Логический	-	-	-	Да/Нет
Доход	Числовой	-	Международные доллары	-	2 000
Уровень счастья	Числовой	-	-	-	7,5

Данная информация является основой для проектирования схемы базы данных. На данном этапе необходимо провести нормализацию базы данных и привести её к третьей нормальной форме. Отношение находится в третьей нормальной форме, если оно находится во второй нормальной форме, и каждый неключевой атрибут не является транзитивно зависимым от первичного ключа. Транзитивная зависимость - это зависимость между неключевыми объектами. Схема базы данных представлена на рисунке 4.1.

Рисунок 4.2 Схема базы данных

В нормализованной базе данных было исключено дублирование данных, которые являются причиной аномалий, возникающих при удалении, добавлении или редактировании. Также были выполнены все условия, которым должна соответствовать база данных, чтобы она считалась нормализованной.

После разработки базы данных необходимо приступить к проектированию интерфейса системы. В приложении планируется реализовать три страницы:

1. Страница входа для ввода пользовательских данных, то есть его имя и возраст;

2. Страница с анкетными вопросами;

3. Страница для вывода результатов.

Для сбора анкетных данных и последующего расчета прогнозируемого уровня счастья были составлены вопросы, которые перечислены в таблице 4.2.

Таблица 4.2. Список вопросов для анкеты

Вопрос	Варианты ответа
В какой стране вы проживаете?	Страна из представленного списка
В случае если вы попадете в беду, есть ли у вас родственники или друзья, на которых вы можете положиться несмотря ни на что?	Да/Нет
Сколько вы планируете прожить?	Числовое значение, вводимое пользователем
Вы удовлетворены степенью свободы принятия жизненных решений?	Да/Нет
Участвовали ли вы в благотворительности за последние три месяца?	Да/Нет
Вы считаете, что в правительстве и бизнесе распространена коррупция?	Да/Нет
Вы доверяете национальному правительству?	Да/Нет
Сколько в среднем вы зарабатываете в месяц?	Числовое значение, вводимое пользователем

С помощью сервиса «Balsamiq Mockups» были спроектированы все страницы приложения, которые представлены на рисунках 4.3-4.5.

Рисунок 4.3. Макет стартовой страницы

Рисунок 4.4. Макет страницы с анкетой

Рисунок 4.5. Макет страницы с результатом

4.3 Разработка приложения

Разработка приложения подразумевает под собой непосредственное создание программного продукта. На первом шаге на основе ранее разработанных макетов необходимо реализовать HTML-вёрстку, то есть преобразовать нарисованные макеты страниц в html-код, который уже модно просматривать на веб-странице.

Кроме того, для сверстанных с помощью html элементов нужно добавить описание внешнего вида с помощью формального языка CSS. Результаты вёрстки представлены на рисунках 4.6-4.8.

Рисунок 4.6 Стартовая страница

Рисунок 4.7 Страница с анкетой

Рисунок 4.8. Страница с результатами

После этого создадим базу данных в phpMyAdmin и выполним её подключение к разрабатываемому приложению (см. рис.4.9).

Рисунок 4.9 Схема базы данных в phpMyAdmin

Для взаимодействия с базой данной было выбрано расширение PHP Data Objects (PDO), которое представляет собой простой унифицированный интерфейс. Таким образом, для подключения базы данных phpMyAdmin к программному продукту был написан следующий код PHP:

<?php

$pdo = new PDO('mysql:host=localhost;dbname=happinessdb;charset=utf8', 'root', '', [PDO::ATTR_ERRMODE => PDO::ERRMODE_EXCEPTION]);

?>

На текущий момент интерфейс системы полностью проработан и база данных подключена, таким образом можно приступить к написанию кода на языке php, с помощью которого реализуется логика расчета уровня счастья, а также взаимодействие с базой данных.

Для расчета прогнозного уровня счастья конкретного пользователя приложения сначала все введённые значения записываются в базу данных, после чего производится расчет по формуле, которая основана на ранее полученной наилучшей эконометрической модели.

<?php

$score = 0,4+0,8*$lnGDPpc+1,69*$SS-0,06*$HLE+0,44*$FtMLC+0,35*$Gen-0,3*$PoC+0,44*$CiNG-0,31*$Gini;

?>

Таким образом, пользователь с помощью разработанной системы, заполнив анкету, получает свой прогнозный уровень счастья. Дружественный интерфейс позволяет легко ориентироваться по системе и быстро получить желаемый результат.

4.4 Тестирование приложения

В рамках тестирования веб приложения для расчета прогнозного уровня счастья была выбрана методика черного ящика, так как функционал программного продукта является достаточно простым и не требует детального анализа на работоспособность и устойчивость к сбоям. Результаты тестирования по методу черного ящика представлены в таблице 4.3.



Таблица 4.3. Тестирование по черному ящику

Входные данные	Ожидаемый результат	Фактический результат
Стартовая страница
Нажатие на кнопку «GO» без заполненных/не верно заполненных полей имя и возраст	Сообщение: «Заполните корректно все поля!»	+
Нажатие на кнопку «GO» с правильно заполненными полями имя и возраст	Переход на страницу с анкетой	+
Страница с анкетой
Нажатие на кнопку «Отправить» при не полностью заполненных полях	Сообщение: «Заполните корректно все поля!»	+
Нажатие на кнопку «Отправить» при некорректно заполненных полях	Сообщение: «Заполните корректно все поля!»	+
Нажатие на кнопку «Отправить» при верно заполненных полях	Переход на страницу с результатами	+
Страница с результатами расчета
Нажатие на кнопку «Пройти тест ещё раз»	Переход на стартовую страницу	+



Заключение

В данной работе была разработана модели для определения уровня счастья в странах мира. Набирающая популярность у аналитиков и исследователей сфера экономики счастья обусловлена необходимостью создания показателя для более качественного измерения уровня жизни и благополучия страны, чем использовались ранее, например, уровень ВВП [1, 2]. Именно поэтому можно утверждать, что моделирование уровня счастья является актуальным и востребованным на текущий момент.

В теоретической части работы были рассмотрены имеющиеся модели с зависимой переменной уровень счастья и различными объясняющими переменными из многих сфер жизнедеятельности общества. Данный обзор литературы впоследствии помог определится с детерминантами, а также верно собрать и обработать данные. Кроме того, были разобраны некоторые теоретические аспекты, посвящённые методам построения модели, оценки её качества и способам тестирования.

Далее были проанализированы 6 программных продуктов, направленные на работу со статистическими данными. Каждому из них было дано краткое описание, а также приведены достоинства и недостатки. Впоследствии с помощью сравнительной таблицы был выбран пакет «Gretl».

Моделирование счастья было произведено при помощи множественной линейной регрессии с одной зависимой переменной, которой выступал уровень счастья, и пятью объясняющими переменными. В качестве независимых переменных были отобраны значения ожидаемой продолжительности жизни, индекс коррумпированности, индекс экономической свободы, уровень безработицы, процент государственный долг от ВВП, а также ВВП на душу населения. Данные детерминанты относятся к разным сферам, например, экономическая, социальная и политическая.

Конечная модель имеет хорошие качественные показатели. Остатки, или ошибки модели, имеют нормальное распределение, а гетероскедастичность не оказывает критического влияния на адекватность модели.

Таким образом, можно утверждать, что построенная модель пригодна для использования, с помощью неё, имея исходные данные, можно получить прогнозный уровень счастья. В действительности уровень удовлетворённости жизнью, конечно, может измениться, но только в пределах стандартного отклонения. Тем не менее модель даёт адекватную оценку, с помощью которой можно получить представление о качестве жизни в рассматриваемой стране.

На основе построенной наилучшей модели было разработано веб-приложение с применением языков html, css, php. Кроме того, была спроектирована база данных на сервисе phpMyAdmin, взаимодействие с которой производиться с помощью структурированного языка SQL. Разрабатываемое приложение позволяет пользователю рассчитывать уровень счастья на основе входных данных.



Библиографический список

1. Sekulova F., Jeroen C.J.M. van den Bergh. Climate change, income and happiness: An empirical study for Barcelona // Global Environmental Change. 2013. № 6 (23). C. 1467-1475.

2. MacKerron G., Mourato S. Happiness is greater in natural environments // Global Environmental Change. 2013. № 5 (23). C. 992-1000.

3. Balaceanu C., Apostol D.M. GDP as a Measuring Instrument for the Human Development // Ann. “Constantin Brвncuєi”, Econ. Ser. 2014. № 6. С. 138-142.

4. Brinkman R.L., Brinkman J.E. GDP as a Measure of Progress and Human Development: A Process of Conceptual Evolution // J. Econ. Issues. 2011. Vol. 0, № 2. С. 447-456.

5. Proto E., Rustichini A. A reassessment of the relationship between GDP and life satisfaction // PLoS ONE. 2013. № 11 (8).

6. Proto E., Rustichini A. Life satisfaction, income and personality // J. Econ. Psychol. Elsevier B.V., 2015. Vol. 48. С. 17-32.

7. Ardahan F., Mert M. Impacts of Outdoor Activities, Demographic Variables and Emotional Intelligence on Life Satisfaction: An Econometric Application of a Case in Turkey // Social Indicators Research. 2013. № 3 (113). C. 887-901.

8. Veklich O.A., Shlapak N.Y. Environmentally adjusted GDP as an indicator of economic development // Stud. Russ. Econ. Dev. 2012. Vol. 23, № 3. С. 244-248.

9. Волобуева. Е.А. Эконометрическое моделирование влияния ВВП на уровень счастья в России // Научные записки молодых исследователей. 2017. №2. С. 67-73.

10. Latif E. Happiness and Comparison Income: Evidence from Canada // Social Indicators Research. 2016. № 1 (128). C. 161-177.

11. Блам И.Ю., Мкртчян Г.М. Качество окружающей среды и удовлетворенность жизнью в России // Вестник НГУ. Серия: Социально-экономические науки. 2009. Т. 9 - 4. С. 56-66.

12. Weziak-Biaіowolska D. Quality of life in cities - Empirical evidence in comparative European perspective // Cities. 2016. (58). C. 87-96.

13. Арженовский С.В. Эконометрическое моделирование влияния семейного статуса на субъективное благополучие // Учёт и статистика. 2015. № 4 (40) С. 92-104.

14. Арженовский С.В. Эконометрическое моделирование влияния семейного статуса на субъективное благополучие часть 2 // Учёт и статистика. 2016. № 1 (41) С. 79-87.

15. Stolarski M., Jasielska D., Zajenkowski M. Are all smart nations happier? Country aggregate IQ predicts happiness, but the relationship is moderated by individualism-collectivism // Intelligence. 2015. (50). C. 153-158.

16. Nikolaev B., Salahodjaev R. The role of intelligence in the distribution of national happiness // Intelligence. Elsevier Inc. 2016. Vol. 56. С. 38-45.

17. Agarwal, R., Animesh, A., Prasad, K. Social interactions and the digital divide:

18. explaining regional variations in Internet use // Information System Research. 2009. Vol. 20, № 2. С. 277-294.

19. Thierry Pйnarda, Nicolas Poussingb, Raphaлl Suire. Does the internet make people happier? // The Journal of Socio-Economics. 2013. Vol. 46. С. 105-116.

20. Adi Cilik Pierewan, Gindo Tampubolon. Internt Use and Well-Being Before and During the Crisis in Europe // Social Indicators Research. 2014. Vol. 119. С. 647-662.

21. Judy Drennan, Mark R. Brown, Gillian Sullivan Mort. Phone bullying: impact on self-esteem and well-being // Young Consumers. 2011. Vol. 12, № 4. С. 295-309.

22. Носко В.П. Эконометрика для начинающих // Институт экономики переходного периода, 2000, Москва.

23. Носко В.П. Эконометрика. Книга первая // Издательский дом «Дело», 2011, Москва.

24. Носко В.П. Эконометрика. Книга вторая // Издательский дом «Дело», 2011, Москва.

25. Сайт программного продукта «Gretl» [Электронный ресурс] // gretl.sourceforge.net, 2018 URL: http://gretl.sourceforge.net/ (дата обращения 24.03.2018).

26. IBM Marketplace [Электронный ресурс] // ibm.com/ru-ru/marketplace, 2018 URL: https://www.ibm.com/ru-ru/marketplace/spss-statistics (дата обращения 24.03.2018).

27. Сайт программного продукта «Stata» [Электронный ресурс] // stata.com, 2018 URL: https://www.stata.com/ (дата обращения 24.03.2018).

28. Сайт программного продукта «EViews» [Электронный ресурс] // eviews.com, 2018 URL: http://www.eviews.com/home.html (дата обращения 24.03.2018).

29. Products of TIBCO Software inc. [Электронный ресурс] // tibco.com, 2018 URL: https://www.tibco.com/products/tibco-statistica (дата обращения 24.03.2018).

30. Сайт программного продукта «Prognoz Platform» [Электронный ресурс] // fsight.ru, 2018 URL: https://www.fsight.ru/platform/ (дата обращения 24.03.2018).

31. Ратникова Т.А. Анализ панельных данных в пакете «stata» // ГУ Высшая школа экономики. 2004.

32. Ратникова Т.А. Введение в анализ панельных данных // ГУ Высшая школа экономики. 2004.



Приложение А. Описательная статистика переменных

Таблица А.1. Описательная статистика переменной HL

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной HappinessLevel (840 наблюдений)
Среднее	Медиана	Минимум	Максимум
5,5688	5,5736	2,6617	7,7883
Ст. откл.	Вариация	Асимметрия	Эксцесс
1,0746	0,19297	-0,010070	-0,81812
5% Проц.	95% Проц.	IQ range	Пропущенные набл.
3,8102	7,3215	1,6363	0

Таблица А.2. Описательная статистика переменной GDPpc

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной GDPpc (830 наблюдений)
Среднее	Медиана	Минимум	Максимум
19266,	14029,	801,60	95342,
Ст. откл.	Вариация	Асимметрия	Эксцесс
17307,	0,89834	1,4297	2,4853
5% Проц.	95% Проц.	IQ range	Пропущенные набл.
1792,7	49348,	23990,	10

Таблица А.4. Описательная статистика переменной SS

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной SS (836 наблюдений)
Среднее	Медиана	Минимум	Максимум
0,82527	0,84636	0,48355	0,98734
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,10299	0,12479	-0,98008	0,54681
5% Проц.	95% Проц.	IQ range	Пропущенные набл.
0,60911	0,94787	0,14031	4

Таблица А.5. Описательная статистика переменной HLE

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной HLE (840 наблюдений)
Среднее	Медиана	Минимум	Максимум
64,070	65,140	43,315	75,317
Ст. откл.	Вариация	Асимметрия	Эксцесс
6,7798	0,10582	-0,81801	0,085650
5% Проц.	95% Проц.	IQ range	Пропущенные набл.
50,206	72,454	8,3347	0

Таблица А.6. Описательная статистика для переменной FtMLC

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной FtMLC (829 наблюдений)
Среднее	Медиана	Минимум	Максимум
0,73717	0,75504	0,30354	0,98518
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,14394	0,19526	-0,50477	-0,48462
5% Проц.	95% Проц.	IQ range	Пропущенные наблюдения
0,47616	0,93436	0,22083	11

Таблица А.7. Описательная статистика переменной Gen

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной Gen (816 наблюдений)
Среднее	Медиана	Минимум	Максимум
-0,011975	-0,038466	-0,32295	0,54221
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,16077	13,425	0,72609	0,20155
5% Проц.	95% Проц.	IQ range	Пропущенные наблюдения
-0,23353	0,30985	0,21769	24

Таблица А.8. Описательная статистика для переменной PoC

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной PoC (786 наблюдений)
Среднее	Медиана	Минимум	Максимум
0,76314	0,81451	0,17004	0,98328
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,17604	0,23067	-1,4311	1,5738
5% Проц.	95% Проц.	IQ range	Пропущенные наблюдения
0,35755	0,95178	0,18349	54

Таблица А.9. Описательная статистика для переменной CiNG

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной CiNG (761 наблюдений)
Среднее	Медиана	Минимум	Максимум
0,45276	0,43543	0,084061	0,97805
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,18271	0,40355	0,39446	-0,43385
5% Проц.	95% Проц.	IQ range	Пропущенные наблюдения
0,18138	0,77163	0,27590	79

Таблица А.10. Описательная статистика для переменной Gini

Описательная статистика, использованы наблюдения 1:1 - 105:8 для переменной Gini (838 наблюдений)
Среднее	Медиана	Минимум	Максимум
0,42827	0,41239	0,24481	0,76401
Ст. откл.	Вариация	Асимметрия	Эксцесс
0,093406	0,21810	0,78418	0,43067
5% Проц.	95% Проц.	IQ range	Пропущенные наблюдения
0,29377	0,61089	0,11882	2

Размещено на Allbest.ru

...