Ольков_С_Г_Аналитическая юриспруденция
.pdf
|
λ |
|
|
|
|
|
|
|
|
|
|
|
|
|||
p1 = |
= (1−Q) =tS1 . |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|||||||||
λ +μ |
|
|
|
|
|
|||||||||||
3) А = |
λ×μ |
. |
|
|
|
|
|
|||||||||
|
|
λ + μ |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
об = |
|
|
||
Среднее время обслуживания |
μ , а интенсивность потока |
|||||||||||||||
|
|
|
||||||||||||||
обслуживаний μ = |
|
|
1 |
. |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
tоб |
|
|
|
|
|
Pотк = λ λ+μ - вероятность отказа.
Пусть детективу поступает 30 заявок в год или в среднем 2,5 заявок в месяц (λ=30 заявок/год или 2,5 заявок/месяц); среднее время удовлетворения одной заявки составляет 10 суток или в годах 10/365=0,027 года. Следовательно, полная занятость детектива, если бы он принял все заявки (без отказа) составила 0,81 года (0,027∙30) или 295 рабочих дней. Интенсивность обслуживания μ=1/0,027=37 (1/год).
Тогда:
А = |
|
λ×μ |
|
|
30 ×37 |
=16,567 . То есть в среднем за год детектив |
||||||||||||
|
|
= |
|
|
|
|
||||||||||||
λ +μ |
30 +37 |
|||||||||||||||||
обслужит 16,5 заявок из 30 (почти половину он отклонит). |
||||||||||||||||||
Pотк |
= |
λ |
|
|
= |
30 |
|
= |
0,448 |
- вероятность того, что детектив не |
||||||||
λ +μ |
|
30 +37 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
примет заказ. |
|
|
|
|
|
37 |
|
|
||||||||||
|
|
|
|
μ |
|
|
|
|
|
|
|
|
= 0,55 - вероятность простоя. |
|||||
p0 = |
|
|
= Q = tS0 |
= |
||||||||||||||
|
λ + μ |
67 |
||||||||||||||||
|
|
|
|
λ |
|
|
|
|
|
|
|
|
|
|
=1−0,55 = 0,45 - вероятность занятости. |
|||
p1 = |
|
|
= (1−Q) =tS1 |
|||||||||||||||
|
|
|||||||||||||||||
|
λ +μ |
Занятость детектива составит 16,5∙0,027=0,4455 года или 162,6 трудовых дня.
Задача №2. Многоканальная система массового обслуживания с отказами. Вместо одного частного детектива представим частное детективное агентство или бюро, в котором трудится несколько детективов, которые могут принимать и обслуживать входящий поток заявок. Также предположим, что каждый детектив работает только по одному делу, закончив его, переходит к другому. В этом случае получим:
|
0 |
æ |
|
λ |
|
λ2 |
2 |
|
λk |
|
ö−1 |
|
|
ç |
|
|
|
|
|
|
k ÷ |
, где члены разложения |
|||
p |
|
= ç1 |
+ |
μ |
+ |
2!μ |
|
+... + |
k!μ |
|
÷ |
|
|
|
è |
|
|
|
|
ø |
|
114
λ |
, |
λ2 |
и так далее являют собой коэффициенты при р0 в |
μ |
2 |
||
|
2!μ |
выражениях для предельных вероятностей р1, р2,… рn. Приведенная интенсивность потока заявок (интенсивность
загрузки канала) показывает среднее число заявок, приходящее за среднее время обслуживания одной заявки, находится по формуле:
|
λ |
|
|
|
. Отсюда |
|
|
|
|
|
æ |
ρ |
|
ρ |
2 |
|
|
|
ρ |
n ö−1 |
|
|
|
|
|
|
|
|
|||||
ρ = |
|
= λ×tоб |
|
|
|
0 |
|
ç |
|
|
|
|
|
÷ . |
|
|
|
|
|
|
|
||||||||||||
μ |
|
|
p |
|
|
= ç1+ |
|
+ |
2! |
|
+... + |
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
|
|
n! ø |
|
|
|
|
|
|
|
|
|||||||||
|
|
Соответственно |
|
|
|
p1 = ρp0 ; |
p2 |
= |
ρ2 |
|
p0 ; |
pn = |
ρn |
p0 . Это |
так |
||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||
называемые формулы Эрланга. |
|
|
|
|
|
2! |
|
|
|
|
|
n! |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
Вероятность отказа (предельная вероятность того, что все |
|||||||||||||||||||||||||||||||
каналы заняты) находится по формуле: P |
= |
ρn |
|
p . |
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
отк |
n! |
0 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
Относительная пропускная способность (вероятность того, что |
|||||||||||||||||||||||||||||||
заявка будет обслужена) находится по формуле: Q =1- Pотк =1- |
ρn |
ρ0 . |
|||||||||||||||||||||||||||||||
n! |
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Абсолютная |
пропускная |
способность |
|
вычисляется |
по |
||||||||||||||||||||||||||
формуле: |
æ |
|
|
ρ |
n |
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
ç |
- |
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
А = λQ = λç1 |
|
n! |
|
p0 ÷ . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
è |
|
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Среднее число занятых каналов можно найти по формуле:
k= A = ån kpk = ρ
μk =0
æ |
|
ρ |
n |
|
ö |
|
ç |
|
|
0 |
÷ , где k=0 – все каналы свободны, n – |
||
×ç1 |
- |
|
× p |
÷ |
||
n! |
||||||
è |
|
|
ø |
число каналов, n=k1+k2+…+kn. ki = kn .
Пусть для нашего примера с детективным агентством поток заявок (входящий поток) на 3 канала (в агентстве работают 3 детектива) имеет интенсивность λ=190, а исходящий поток обслуживания μ=170. Тогда имеем:
1) Интенсивность загрузки канала (среднее число заявок, приходящее за среднее время обслуживания одной заявки):
ρ = |
190 |
=1,12 . |
|
|
|
|
|
|
|
|
|
|
|||
|
|
170 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2) |
|
|
æ |
|
|
ρ |
2 |
|
|
|
ρ |
n |
ö−1 |
|
|
|
|
ç |
+ ρ + |
|
|
+... |
+ |
|
÷ |
|
|
||||
|
|
|
|
|
|
|
|
|
|||||||
p0 = ç1 |
2! |
|
n! |
÷ . |
|
||||||||||
|
|
|
è |
|
|
|
|
|
ø |
|
|
||||
p |
|
æ |
|
|
1,12 |
2 |
1,123 ö−1 |
=0,335 |
. |
||||||
=ç1+1,12 + |
|
|
|
|
+ |
|
|
|
÷ |
||||||
0 |
|
ç |
|
|
|
2! |
|
3! |
|
÷ |
|
||||
|
|
è |
|
|
|
|
|
ø |
|
|
115
3) |
|
p1 = ρp0 =1,12 ×0,335 = 0,375 ; |
|
|
|
|
|
|
|||||||||||||||||||||
|
p2 |
= |
ρ2 |
p0 = |
1,122 |
×0,335 = 0,21 |
; |
p3 = |
ρ3 |
p0 = |
1,123 |
×0,335 = 0,078 . |
|||||||||||||||||
|
1×2 |
|
6 |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
2! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3! |
|
|
||
4) |
|
Pотк |
= |
ρn |
p0 = |
1,123 |
|
×0,335 = 0,078 . |
|
|
|
|
|
||||||||||||||||
|
n! |
3! |
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
5) |
Q =1- Pотк =1- |
|
ρn |
|
ρ0 =1-0,078 = 0,922 . |
|
|
||||||||||||||||||||||
|
n! |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
æ |
|
|
|
ö |
|
|
|
|
|
|
|
|
|
|
|||||
6) |
|
|
|
|
|
|
|
|
ρ |
n |
|
|
=190 ×0,922 =175,18 . |
|
|
||||||||||||||
|
|
|
|
|
|
|
ç |
|
|
|
÷ |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
А = λQ = λç1- |
|
n! |
p0 ÷ |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
ø |
|
|
ö |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
A |
|
n |
|
æ |
|
|
|
|
ρ |
n |
|
|
175,18 |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
ç |
|
|
|
|
|
|
÷ |
|
|
|
|
|
||||||||
k = |
|
|
|
= åkpk = ρ ×ç1 |
- |
|
|
|
× p0 |
÷ |
= |
|
|
=1,03 . |
|
||||||||||||||
|
μ |
|
n! |
170 |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
k 0 |
|
è |
|
|
|
|
|
ø |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Одноканальная система с неограниченной очередью. Пусть детектив из нашего примера готов возложить на себя
обязанность работать по неограниченному кругу дел. Если в данный момент он трудится по какому-то делу и поступает новая заявка на обслуживание, детектив ставит её в очередь, где заявка может находится сколь угодно долго до момента её разрешения. То есть не ограничена ни длина очереди, ни время ожидания в ней. Система может находиться в состояниях S0 – детектив свободен
(канал обслуживания не занят), S1 – канал обслуживания |
занят, |
|||
заявок в очереди нет, то есть обслуживается одна заявка; |
S2 – канал |
|||
обслуживания |
занят, в очереди одна заявка; |
Sn |
– |
канал |
обслуживания |
занят, в очереди n-1 заявок, то есть обслуживается |
одна заявка, а остальные ожидают своей очереди.
Известно, что при ρ<1 (среднее число приходящих заявок меньше среднего числа обслуженных заявок, то предельные
вероятности существуют. Если |
ρ≥1, очередь неограниченно |
возрастает. |
|
p0 =1- ρ ; p1 = ρp0 ; p2 = ρ2 p0 … pn = ρn p0 .
Очевидно, если СМО справляется с потоком заявок, то наиболее вероятным будет отсутствие заявок в системе.
Среднее число заявок в системе вычисляется по формуле:
|
|
∞ |
∞ |
ρ |
|
|
L |
сист = åkpk =(1− ρ)åkρk = |
. |
||
|
1− ρ |
||||
|
|
k 1 |
k 1 |
|
|
= |
= |
|
|
Среднее число заявок в очереди:
116
Lоч = Lсист −Lоб =1ρ−2ρ .
Среднее число заявок, находящихся на обслуживании:
Lоб = Pзан =1- p0 = ρ .
Среднее время пребывания заявки в системе:
|
|
= |
1 |
|
× |
|
= |
ρ |
|
||
T |
L |
||||||||||
|
|
|
|||||||||
|
сист |
λ |
|
сист |
λ×(1 |
- ρ) . |
|||||
|
|
|
|
|
|
Среднее время пребывания заявки в очереди:
|
|
|
|
1 |
|
|
|
|
ρ2 |
|
|
T |
= |
× L |
= |
||||||||
|
λ×(1- ρ) . |
||||||||||
|
оч |
|
λ |
|
оч |
|
|||||
|
|
|
|
|
|
|
|
Многоканальная система с неограниченной очередью.
В дежурной части управления внутренних дел имеется несколько дежурных офицеров и ряд следственно-оперативных групп. Очевидно, что все поступающие заявления и сообщения о готовящихся и совершенных преступлениях должны быть зарегистрированы, и по ним будет начата предварительная проверка. Это и есть один из многочисленных примеров многоканальной СМО с неограниченной очередью. Также как и в других случаях входящий поток заявок на обслуживание имеет интенсивность λ, а исходящий поток обслуженных заявок интенсивность μ. СМО может находиться в одном из ряда состояний: S0 – система простаивает, все каналы обслуживания свободны; S1 – занят один канал обслуживания, остальные
свободны, |
|
заявок |
в |
|
очереди |
нет; |
S2 – заняты 2 канала |
|||||||||||||
обслуживания, остальные свободны, очереди нет; |
Sn – заняты все |
|||||||||||||||||||
каналы |
обслуживания, |
|
очереди нет; |
Sn +1 – заняты все каналы |
||||||||||||||||
обслуживания, в очереди одна заявка; |
Sn +k – заняты все n каналов |
|||||||||||||||||||
обслуживания, в очереди k заявок. |
|
|
||||||||||||||||||
Установлено, |
|
|
что |
|
при |
ρ <1предельные |
вероятности |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
существуют, а при |
ρ ³1 |
, очередь растет до бесконечности. |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
|
ρ |
|
ρ2 |
|
|
ρn |
|
|
ρn+1 |
ö−1 |
|
|
|||||
p |
= |
ç1 |
+ |
|
+ |
|
+... + |
|
|
+ |
|
|
|
÷ |
|
|
||||
|
|
|
|
|
|
|
|
|
||||||||||||
0 |
|
ç |
|
1! |
|
2! |
|
|
|
|
|
|
|
|
|
|
÷ . |
|
|
|
|
|
è |
|
|
|
|
|
n! n!(n - ρ) ø |
|
|
||||||||||
p1 |
= |
|
ρ |
× p0 ; |
p2 = |
ρ2 |
× p0 |
; |
|
pn = |
ρn |
× p0 ; |
|
|
||||||
1! |
|
|
|
|||||||||||||||||
2! |
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n! |
|
|
|
117
pn+1 |
= |
ρn+1 |
|
× p0 ; |
pn+k = |
ρn+k |
|
× p0 . |
n ×n! |
k |
|||||||
|
|
|
|
n × n! |
|
Вероятность того, что заявка будет находиться в очереди вычисляется по формуле:
ρn+1
Pоч = n!×(n -ρ) × p0 .
Среднее число заявок в очереди находим по формуле:
|
|
ρn+1 |
× p |
|
|
|
|
Lоч = |
|
|
|
||||
|
|
0 |
|
|
. |
||
|
|
|
|
|
|
||
|
|
n × n!×(1- |
ρ |
) |
2 |
||
|
|
n |
|
|
|||
|
|
|
|
|
|
|
Среднее число заявок в системе:
Lсист = Lоч +ρ .
Среднее время пребывания заявки в системе:
Tсист = λ1 × Lсист = Lсистλ .
Среднее время пребывания заявки в очереди:
Tоч = λ1 × Lоч = Lλоч .
Среднее число занятых каналов обслуживания:
k = ρ = λμ .
Учитывая тот факт, что для многоканальной СМО с неограниченной очередью любая заявка, пришедшая в систему, будет обслужена при ρ<1вероятность отказа равна нулю (Ротк=0). Относительная пропускная способность Q=1, а абсолютная пропускная способность А=λ.
Системы массового обслуживания с ограниченной очередью.
Задачи такого рода, по сути, являются частным случаем задач для одноканальных и многоканальных систем массового обслуживания с неограниченной очередью. Разница заключается лишь в том, что суммировать нужно не бесконечную прогрессию, а конечную.
118
Системы массового обслуживания с ограниченным временем ожидания или «нетерпеливыми» заявками. В данном случае заявка «уходит» из очереди, если время ожидания превышает некоторую критическую величину. Заявка находится в очереди случайное время, распределенное по закону Пуассона с параметром ν, отражающим интенсивность движения «нетерпеливых» заявок.
В настоящее время задачи теории массового обслуживания любой сложности с легкостью решаются специальными компьютерными программами, например, программой «Тора». Достаточно правильно сформулировать задачу и ввести исходные данные.
Дополнительные сведения о теории массового обслуживания.
Успехи в развитии теории массового обслуживания во многом связаны с системой дифференциальных уравнений Колмогорова, описывающих предельные вероятности соответствующих состояний СМО. В левой части каждого из таких уравнений стоит производная вероятности i-го состояния системы. В правой части – сумма произведений вероятности всех состояний (из которых на графе состояний идут стрелки в данное состояние) на интенсивности соответствующих потоков событий, минус суммарная интенсивность всех потоков, выводящих систему из данного состояния, умноженная на вероятность данного i-го состояния18.
§2. Выработка управленческого решения в условиях частичной определенности.
«Риск существует тогда, когда лицо, принимающее решение, не знает заранее его результатов, но способно установить объективное распределение вероятности возможных состояний внешней среды и связанных с ними отдач или результатов»19.
18Исследование операций в экономике: Учебн. Пособие для вузов/Н.Ш.Кремер, Б.А.Путко, И.М.Тришин, М.Н.Фридман; Под ред. проф. Н.Ш.Кремера. – М.: Банки и Биржи, ЮНИТИ, 1999. С. 342.
19Сио К.К. Управленческая экономика: Пер. с англ. – М.: ИНФРА-М, 2000. С. 88.
119
Например, вполне очевидно, что гражданско-правовой договор, скажем, купля-продажа, может принести продавцу прибыль, а может и убытки в зависимости от того с каким покупателем он будет иметь дело, в зависимости от того, каково будет состояние конкурентной среды, состояние дел в экономике страны и т.п. Ущерб от преступности в следующем году зависит от достаточно большого числа факторов и т.д. Но в подобных случаях, как правило, ЛПР имеет возможность вычислить вероятности соответствующих исходов, пользуясь методами априори или апостериори.
Суть метода априори заключается в том, что ЛПР без проведения экспериментов и изучения прошлого опыта, статистических данных или данных выборочных исследований, а лишь на основе каких-либо общетеоретических положений и интуиции способно оценить вероятность соответствующих исходов. Метод апостериори, напротив, основывается на прошлом опыте, результатах экспериментирования, статистических данных, данных выборочных исследований.
В условиях частичной определенности важным критерием решения выступает «предполагаемая стоимость» или «стоимость, взвешенная по вероятности», которую вычисляем по формуле:
N
Е(Х ) = åpi xi , где хi – стоимость i-ой отдачи; pi – вероятность
i=1
этой отдачи.
Рассмотрим учебный пример. Пусть нас интересует ущерб от преступной деятельности в энском регионе в будущем году. Мы предполагаем три возможных состояния преступности по итогам будущего года: низкий (Н), средний (С) и высокий (В), а также различные стратегии по борьбе с преступностью (S1, S2, S3, S4),что выражается в финансовых затратах (содержание сил и средств, ведущих борьбу с преступностью). Используя методы априори и апостериори, оцениваем вероятности: PН=0,3; PС=0,5; PВ=0,2.
Для решения задачи строится матрица (таблица) решения:
120
|
Состояние |
|
||
|
преступности |
|
||
Альтернативные |
Н |
С |
В |
|
стратегии |
(P=0,3) |
(P=0,5) |
(P=0,2) |
E(S) |
S1 |
-30 |
-50 |
-60 |
-46 |
S2 |
-25 |
-30 |
-35 |
-29,5 |
S3 |
-15 |
-40 |
-70 |
-38,5 |
S4 |
-10 |
-50 |
-80 |
-44 |
Очевидно, что оптимальной будет стратегия №2 (S2=-29,5), поскольку именно она обеспечивает наименьший предполагаемый ущерб от преступности в регионе. Данной стратегии и следует придерживаться законодательным, исполнительным и правоохранительным органам энского региона.
§3. Измерение риска (изменчивости) с помощью среднего квадратического отклонения (СКО) и выбор оптимальной стратегии
Существует простое правило – чем больше среднее квадратическое отклонение, тем больше риск. Например, если некто собирается заключить договор, и инвестировать свои средства в какую-то сферу деятельности, то следует изучить стандартное отклонение доходности разных фирм. Далее следует выбрать ту из них, доходность которой имеет наименьшее СКО. Когда мы изучали изменчивость юридических процессов, то вели речь о размахе, СКО, бета коэффициентах изменчивости, коэффициенте вариации, коэффициенте осцилляции и т.д. Все эти меры как раз и характеризуют риск (изменчивость). Так, высокое СКО преступности в каком то регионе свидетельствует о том, что прогноз преступности здесь будет менее надежен, чем в регионе с более низким СКО. Используя модель нормального распределения, легко показать суть этого правила графически. Пусть СКО в регионе А составляет 100 преступлений, а в регионе Б равняется
121
400. При равных средних значениях20, например, 1500 имеем следующую картину:
Рис. №. 1. Кривые норамального распределения преступности для регионов А и Б при равных средних и разных СКО.
При разных математических ожиданиях, например, в регионе А равном 800, а в регионе Б 1600 имеем:
Рис. №. 1. Кривые норамального распределения преступности для регионов А и Б при разных средних и разных СКО.
Построить вышеприведенные графики довольно просто. В программе Excel задаем значение переменной X, а в соседних
20 Это условие не обязательно. Средние могут быть разными.
122
справа столбцах параметры нормального распределения для функции НОРМРАСП, получая нижеследующие данные (в командной строке выбираем «Формулы», а в формулах команду «Показать формулы». Если этого не сделать, то в таблице будут представлены только цифровые значения, по которым и построены соответствующие графики).
|
A |
B |
C |
|
|
|
|
1 |
X |
А |
Б |
|
|
|
|
2 |
100 |
=НОРМРАСП(A2:A31;800;100;0) |
=НОРМРАСП(A2:A31;1600;400;0) |
|
|
|
|
3 |
200 |
=НОРМРАСП(A3:A32;800;100;0) |
=НОРМРАСП(A3:A32;1600;400;0) |
|
|
|
|
4 |
300 |
=НОРМРАСП(A4:A33;800;100;0) |
=НОРМРАСП(A4:A33;1600;400;0) |
|
|
|
|
5 |
400 |
=НОРМРАСП(A5:A34;800;100;0) |
=НОРМРАСП(A5:A34;1600;400;0) |
|
|
|
|
6 |
500 |
=НОРМРАСП(A6:A35;800;100;0) |
=НОРМРАСП(A6:A35;1600;400;0) |
|
|
|
|
7 |
600 |
=НОРМРАСП(A7:A36;800;100;0) |
=НОРМРАСП(A7:A36;1600;400;0) |
|
|
|
|
8 |
700 |
=НОРМРАСП(A8:A37;800;100;0) |
=НОРМРАСП(A8:A37;1600;400;0) |
|
|
|
|
9 |
800 |
=НОРМРАСП(A9:A38;800;100;0) |
=НОРМРАСП(A9:A38;1600;400;0) |
|
|
|
|
10 |
900 |
=НОРМРАСП(A10:A39;800;100;0) |
=НОРМРАСП(A10:A39;1600;400;0) |
|
|
|
|
11 |
1000 |
=НОРМРАСП(A11:A40;800;100;0) |
=НОРМРАСП(A11:A40;1600;400;0) |
|
|
|
|
12 |
1100 |
=НОРМРАСП(A12:A41;800;100;0) |
=НОРМРАСП(A12:A41;1600;400;0) |
|
|
|
|
13 |
1200 |
=НОРМРАСП(A13:A42;800;100;0) |
=НОРМРАСП(A13:A42;1600;400;0) |
|
|
|
|
14 |
1300 |
=НОРМРАСП(A14:A43;800;100;0) |
=НОРМРАСП(A14:A43;1600;400;0) |
|
|
|
|
15 |
1400 |
=НОРМРАСП(A15:A44;800;100;0) |
=НОРМРАСП(A15:A44;1600;400;0) |
|
|
|
|
16 |
1500 |
=НОРМРАСП(A16:A45;800;100;0) |
=НОРМРАСП(A16:A45;1600;400;0) |
|
|
|
|
17 |
1600 |
=НОРМРАСП(A17:A46;800;100;0) |
=НОРМРАСП(A17:A46;1600;400;0) |
|
|
|
|
18 |
1700 |
=НОРМРАСП(A18:A47;800;100;0) |
=НОРМРАСП(A18:A47;1600;400;0) |
|
|
|
|
19 |
1800 |
=НОРМРАСП(A19:A48;800;100;0) |
=НОРМРАСП(A19:A48;1600;400;0) |
|
|
|
|
20 |
1900 |
=НОРМРАСП(A20:A49;800;100;0) |
=НОРМРАСП(A20:A49;1600;400;0) |
|
|
|
|
21 |
2000 |
=НОРМРАСП(A21:A50;800;100;0) |
=НОРМРАСП(A21:A50;1600;400;0) |
|
|
|
|
22 |
2100 |
=НОРМРАСП(A22:A51;800;100;0) |
=НОРМРАСП(A22:A51;1600;400;0) |
|
|
|
|
23 |
2200 |
=НОРМРАСП(A23:A52;800;100;0) |
=НОРМРАСП(A23:A52;1600;400;0) |
|
|
|
|
24 |
2300 |
=НОРМРАСП(A24:A53;800;100;0) |
=НОРМРАСП(A24:A53;1600;400;0) |
|
|
|
|
25 |
2400 |
=НОРМРАСП(A25:A54;800;100;0) |
=НОРМРАСП(A25:A54;1600;400;0) |
|
|
|
|
26 |
2500 |
=НОРМРАСП(A26:A55;800;100;0) |
=НОРМРАСП(A26:A55;1600;400;0) |
|
|
|
|
27 |
2600 |
=НОРМРАСП(A27:A56;800;100;0) |
=НОРМРАСП(A27:A56;1600;400;0) |
|
|
|
|
28 |
2700 |
=НОРМРАСП(A28:A57;800;100;0) |
=НОРМРАСП(A28:A57;1600;400;0) |
|
|
|
|
29 |
2800 |
=НОРМРАСП(A29:A58;800;100;0) |
=НОРМРАСП(A29:A58;1600;400;0) |
|
|
|
|
30 |
2900 |
=НОРМРАСП(A30:A59;800;100;0) |
=НОРМРАСП(A30:A59;1600;400;0) |
|
|
|
|
31 |
3000 |
=НОРМРАСП(A31:A60;800;100;0) |
=НОРМРАСП(A31:A60;1600;400;0) |
|
|
|
|
32 |
3100 |
=НОРМРАСП(A32:A61;800;100;0) |
=НОРМРАСП(A32:A61;1600;400;0) |
|
|
|
|
33 |
3200 |
=НОРМРАСП(A33:A62;800;100;0) |
=НОРМРАСП(A33:A62;1600;400;0) |
|
|
|
|
34 |
3300 |
=НОРМРАСП(A34:A63;800;100;0) |
=НОРМРАСП(A34:A63;1600;400;0) |
|
|
|
|
35 |
3400 |
=НОРМРАСП(A35:A64;800;100;0) |
=НОРМРАСП(A35:A64;1600;400;0) |
|
|
|
|
36 |
3500 |
=НОРМРАСП(A36:A65;800;100;0) |
=НОРМРАСП(A36:A65;1600;400;0) |
|
|
|
|
123