Вход

Разработка экспертной базы данных для агентства по организации свадеб с возможностью прогнозирования рынка услуг

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 244610
Дата создания 22 февраля 2016
Страниц 69
Мы сможем обработать ваш заказ (!) 29 марта в 18:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
5 110руб.
КУПИТЬ

Описание

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРИБОРОСТРОЕНИЯ И ИНФОРМАТИКИ, 2015 год. Защищен на 4. В дипломе рассмотрены основные вопросы статистики и их программной реализации. Уникальность 80%. ВКР. ...

Содержание

Оглавление
АННОТАЦИЯ 5
Введение 6
1. Исследовательский раздел 8
1.1 Особенности организации свадеб 8
1.2 Обзор современных методов прогнозирования 8
1.2.1 Обзор основных методов прогнозирования 9
1.2.2 Обзор основных подходов к процессам прогнозирования рынка услуг. 12
1.3 Обзор программных средств, реализующих прогнозирование с учетом особенностей конкретного рынка услуг 14
1.3.1 Обзор бесплатных программных продуктов 14
1.3.2 Обзор коммерческих программных продуктов 14
1.4 Выводы 15
2. Специальный раздел 16
2.1 Модель рынка услуг 16
2.2 Метод прогнозирования сезонных колебаний 17
2.3 Метод прогнозирования с учетом ограничений рынка услуг 19
Выводы 20
3. Технологический раздел 21
3.1 Общая структура программных средств для работы с базами данных 21
3.1.1 Выбор модели данных 21
3.2 Алгоритм отбора данных для прогнозирования 21
3.3 Алгоритм прогнозирования рынка услуг 23
3.3.1 Разработка БД для агентства по организации свадеб 27
3.3.2 Разработка алгоритмов прогнозирования рынка услуг на основе содержимого БД 31
3.4 Написание, отладка и тестирование кода 31
3.4.1 Выбор программных инструментов для эффективной реализации методов прогнозирования в БД 31
3.4.2 Разработка архитектуры программного обеспечения 33
3.4.3 Разработка пользовательского интерфейса. 34
3.5 Проведение эксперимента с реальными данными агентства по организации свадеб 34
3.5.1 Реализация изъятия информации из БД для построения прогноза 35
3.5.2 Реализация прогнозирования рынка услуг 37
3.5.2 Создание пользовательского интерфейса 38
Выводы 39
4. Другие разделы проекта 40
4.1 Руководство пользователя 41
4.2 Руководство программиста 42
4.3 Руководство системного администратора 44
5. Практическая значимость работы 46
Список литературы 47
Приложение 48
Приложение А. Техническое задание на выпускную квалификационную работу 48
Приложение Б. Листинг основных модулей 49
Приложение В. Графический материал 56
Приложение Г. Лист спецификации программного и информационного обеспечения 57
ЛИСТ-СПЕЦИФИКАЦИЯ 63

Введение

В настоящее время в России свадебный бизнес находится в стадии интенсив-ного развития. В настоящий момент, например, на Московском рынке свадебных услуг присутствует более тысячи свадебных салонов и более 300 агентств по организации свадеб. Специалисты в данной области предсказывают повышение объема рынка в ближайшие два года, по крайней мере, вдвое[1].
Разработка экспертной базы данных для агентства по организации свадеб с возможностью прогнозирования рынка услуг является актуальной темой, так как автоматизированных средств планирования с учетом особенностей рынка свадебных услуг практически не существует.
Целью работы является разработка автоматизированной экспертной системы для агентства по организации свадеб с возможностью построения прогноза поведения рынка услуг.
Объектом исследован ия выступает алгоритм прогнозирования рынка свадебных услуг.

Фрагмент работы для ознакомления

(2.1)Для получения значений сезонных колебаний вычисляются индексы сезонности (Isi). В общем виде формула расчета индексов сезонности определяется отношением исходных уровней ряда динамики yi, к теоретическим уровням yti, выступающим в качестве базы для сравнения:Isi=yiyti,где yi - исходные уровни ряда;yti - расчетные уровни ряда.Расчет сезонных колебаний производят на основе соответствующих теоретических уровней тренда yti, в рассчитываемых при этом индивидуальных индексах сезонности влияние основной тенденции развития удаляется. На сезонные колебания могут влиять случайные отклонения, для их устранения проводится усреднение индивидуальных индексов внутригодовых периодов анализируемого ряда динамики. Для каждого периода цикла определяют общие показатели в виде средних индексов сезонности (Is): (2.2)Is=Isin,где Isi - индекс сезонности;n - количество уровней ряда.Вычисленные таким образом средние индексы сезонности не зависят от влияния основной тенденции развития и случайных отклонений.В зависимости от характера тренда формула (2.2) может принимать следующие формы:(2.3)Для рядов с внутригодовой динамикой, ярко выраженной основной тенденцией развития:Isi=yi∙nyti,где yi - исходные уровни ряда;yti - расчетные уровни ряда;n - количество уровней ряда.Выступающие при этом в качестве переменной базы сравнения теоретические уровни yti представляют своего рода “среднюю ось кривой”, т.к. их вычисление основано на положениях метода наименьших квадратов. Поэтому измерение сезонных колебаний на базе переменных уровней тренда называется способом переменной средней;(2.4)Для рядов с внутригодовой динамикой, где повышающийся или снижающийся тренд отсутствует, или является незначительным:Isi=ysiy,где ysi - расчетные уровни ряда;y - исходные уровни ряда.В этой формуле базой сравнения является общий для анализируемого ряда динамики средний уровень. Поскольку для всех полученных значений уровней исследуемого ряда динамики этот общий средний уровень является постоянной величиной, то применение формулы (2.4) называют способом постоянной средней.2.3 Метод прогнозирования с учетом ограничений рынка услугРасчет прогноза на основе сезонных колебаний проведем по формуле (2.3), в приводимых в нашем примере данных есть значительная тенденция роста. Рассмотрим прогноз, который сводится к тому, что объем предоставляемых услуг в следующем году будет равен объему продаж в текущем году. Рынок свадебных услуг развивается динамично и из в года в год увеличивает объемы предоставляемых услуг, значительные колебания объемов продаж из года в год, приведут могут привести к ошибкам в прогнозировании. Для того, что бы избежать ошибок, необходимо произвести расчет среднего значения нескольких показателей объемов продаж за определенные периоды времени, то есть, провести усреднение объемов продаж за три, пять, семь последних лет или за другое количество расчетных периодов. При таком подходе прогноз предоставляемого объема услуг окажется обычным средним значением объемов сбыта. Количество расчетных периодов, используемых в вычислении, определяется экспериментальным путем. В результате количество периодов, которое обеспечит наиболее точные прогнозы поддающихся проверке данных, будет использоваться для построения модели прогноза. Термин «скользящее среднее» используется потому, что вычисленное новое среднее значение служит прогнозом на каждом этапе наблюдения при появлении новых данных. ВыводыСпециалисты в области свадебных услуг предсказывают увеличение объема рынка в ближайшие два года, как минимум, в два раза.  Растет бизнес, растут объемы услуг, увеличивается сложность работы, появляются новые виды деятельности. В таких условиях необходима действенная и функциональная информационно-автоматизированная система, которая позволит проводить анализ работы компании и рынка в целом, прогнозировать объем продаж и доход компании. Для достижения этой цели наиболее подходит метод сезонных колебаний. Система должна обладать обширным и качественным функционалом. Руководитель получит разнообразные возможности для ведения учета, анализа и планирования финансов и прочих активов (включая взаимоотношения с контрагентами), планирования поставок и закупок, выявления скрытых резервов бизнеса. Разные настройки формируемых отчетов позволят отображать необходимую именно в данный момент информацию, оперативно выявить и устранить слабые места в работе организации. Использование метода статистического прогнозирования - скользящей средней обоснованно в данном случае: существующее данные динамического ряда не позволяют обнаружить тенденцию развития (тренд) того или иного процесса, из-за случайных и периодических колебаний исходных данных.3. Технологический раздел3.1 Общая структура программных средств для работы с базами данныхПрикладные системы, предназначенные для работы с базами данных, наиболее часто имеют модель, основанную на двух взаимодействующих компонентах - клиенте, отвечающем за организацию диалога с пользователем и несущем на себе бизнес-логику, и сервере, обеспечивающем многопользовательскую работу с данными и их целостность. Описанная таким образом архитектура клиент-сервер является более фундаментальным, чем просто способ построения приложений[10] рисунок 3.1. Рисунок 3.1 - Общая структура клиент-серверного приложения3.1.1 Выбор модели данныхДля разрабатываемой информационной системы наиболее подходит реляционная модель данных. 3.2 Алгоритм отбора данных для прогнозированияИсходными данными являются массивы содержащие значения объемов продаж соответствующие временному ряду. На первом этапе выполняются процедуры предварительной подготовки данных: при помощи запросов получаем выборку данных по объему продаж по необходимым услугам за рассматриваемый период, устраняется асинхронность рядов (сглаживание ряда методом скользящей средней). Для построения прогноза рассматриваются значения объемов продаж за предыдущее время работы организации. Временной интервал для реализации алгоритма необходимо брать нечетным. В разрабатываемом алгоритме если прогноз строиться краткосрочный, помесячный, то в качестве исходных данных берется массив со значениями за предыдущее 25 месяцев, работы организации, содержащие данные об объеме предоставленных услуг за каждый предыдущий месяц. В случае построение прогноза на следующий год, в качестве входных данных берется массив со значениями за предыдущее 7 лет, работы организации, содержащие данные об объеме предоставленных услуг за каждый предыдущий год. Такого объема данных вполне достаточно, для получения достаточно точного прогноза (точностью около 75%) и сохранения более мелких волн колебаний. Алгоритм отбора данных представлен на рисунке 3.2.Рисунок 3.2 - Алгоритм отбора данных для прогнозирования3.3 Алгоритм прогнозирования рынка услуг(3.1)Для мультипликативной модели фактическое значение(Y) рассчитывается по формуле:Y=T∙S∙E, гдеT - трендовая компонента; S - сезонная компонента;E - ошибка прогноза.Общий алгоритм построения мультипликативной модели методом скользящей средней представлен на рисунке 3.3.(3.2)Первым шагом необходимо рассчитать сезонные компоненты Si. Общая форма для вычисления Si:Si=1ni=1nP(i),гдеn - период усреднения; P(i) - усредняемый объем продаж.Для расчета сезонной компоненты Si, период усреднения равен трем месяца или один квартал.(3.3)Центрированная скользящая средняя Yti: Yti=12i=12Si(3.4)Индекс сезонности Isi:Isi=YYti, гдеY - фактическое значение; Yti - центрированная скользящая средняя.Рисунок 3.3- Алгоритм построения модели, методом скользящей средней.Блок-схема алгоритма расчета индекса сезонности представлена на рисунке 3.4, при выполнении алгоритма первые и последние пары уровней ряда теряются (не сглаживаются).Для расчета значений сезонной компоненты Sj находим средние за каждый квартал оценки сезонной компоненты.(3.5)Корректирующий коэффициент(k):k=12Sj(3.6)Скорректированная сезонная компонента, Si: Si=Sj∙k(3.7)Следующим этапом необходимо исключить сезонную компоненту из фактических данных - провести десезонализация данных:T∙E=YSi,гдеT - трендовая компонента; E - ошибка прогноза;Y - фактическое значение;Si - cкорректированная сезонная компонента.(3.8)Следующим этапом происходит аналитическое выравнивание уровней, расчет коэффициентов(a, b) для уравнения выполняется по следующим формулам:b=Y∙(t-t)(n-1)∙t2;a=Y-b∙t)n,гдеa, b - коэффициенты уравнения; Y - фактическое значение;t - временной период;n - количество временных периодов.(3.9)Для построения мультипликативной модели подставляем значения t=1, 2 ...N, в уравнение:T=a+b∙t,где T - трендовый компонент;a, b - коэффициенты уравнения; t - временной период.Рисунок 3.4- Алгоритм расчета центрированной среднейВ результате выполнения алгоритма получаем массив трендовых компонент в соответствие с заданными и прогнозируемыми временными промежутками.(3.10)Расчет ошибки(E) в мультипликативной модели, для оценки точности сформированной модели, производится по формуле:E=YT∙S, гдеY - фактическое значение;T - трендовая компонента;S - сезонная компонента.3.3.1 Разработка БД для агентства по организации свадеб3.3.1.1 Выявление сущностей, их атрибутов и ключейПосле анализа предметной области были выявлены следующие сущности:Клиенты – сущность, содержащая информацию о клиентах компании.Заявка на обслуживание свадьбы – сущность, содержащая информацию о предстоящем мероприятии.Услуга – сущность, содержащая информацию о возможных услугах.Цена – сущность, содержащая информацию о стоимости услуг.Сотрудник – сущность, содержащая информацию о сотруднике компании.Контрагент – сущность, содержащая информацию о партнерах и поставщиках компании.Платеж – сущность, содержащая информацию движении денежных средств в компании.Имеющие следующие связи (схемы представлены на рисунках 3.5-3.10):Клиент - Заявка: Клиент оставляет заявку на обслуживание торжества.Рисунок 3.5- Связь Клиент - ЗаявкаСотрудник-заявка: Сотрудник обслуживает заявку.Рисунок 3.6 - Связь Сотрудник-ЗаявкаКонтрагент - Услуга: Контрагент предоставляет услугу.Рисунок 3.7 - Связь Контрагент - УслугаЗаявка -Услуга: В заявку включают необходимые услуги.Заявка - Контрагент: Заявку обслуживают контрагенты.Рисунок 3.8 - Связь Заявка - КонтрагентЗаявка-Платеж: Заявка хранит платежи.Рисунок 3.9 – Связь Заявка-ПлатежКонтрагент-Платеж: Контрагент получает платеж.Рисунок 3.10 – Связь Контрагент-Платеж3.3.1.2 Построение ER-диаграммыВ результате выявления сущностей и связей между ними, была спроектирована ER-диаграмма. Общая ER-диаграмма представлена на рисунке 3.11.Рисунок 3.11- Общая ER – диаграмма3.3.1.3 Разработка логической модели данныхПри преобразовании модели ER-диаграммы в реляционную модель данных используются правила преобразования, на основании этих правил были сформированы следующие отношения:Клиенты (Код клиента);Сотрудники (Код сотрудника);Заявки (Код заявки, код клиента, код сотрудника);Услуга (Код услуги);Контрагент (Код контрагента);Услуга_Контрагент(код услуги, код контрагента);Тип платежа (код типа платежа);Платеж (Код платежа, код типа платежа);Заявка_платеж (Код заявки, код платежа); Контрагент_платеж (Код контрагента, код платежа).На основании проведенного в пункте 2.1 исследовании информационных потребностей пользователей в отношениях необходимо включить следующие атрибуты:Ф.И.О. клиента;Контактные данные клиента;Контактное лицо;Пароль сотрудника;Логин сотрудника;Ф.И.О. сотрудника;Права доступа;Комментарии к заявке;Название услуг.Распределим эти атрибуты между полученными отношениями:Клиенты (Код клиента, фамилия, имя, отчество);Тип контакта (код типа контакта, наименование);Контакты (код контакта, код клиента, код типа контакта, контакт);Роль (код роли, права доступа)Сотрудники (Код сотрудника, фамилия, имя, отчество, логин, пароль, контактный телефон, код роли);Заявки (Код заявки, код клиента, код сотрудника);Услуга (Код услуги, наименование);Контрагент (Код контрагента, фамилия, имя, отчество, наименование юридического лица, юридический адрес, фактический адрес, ИНН, КПП, ОКПО, ОГРН, ОКТМО, корреспондентский счет, наименование банка, БИК, расчетный счет);Услуга Контрагент(код услуги, код контрагента, стоимость);Тип платежа (код типа платежа);Платеж (Код платежа, код типа платежа);Заявка Платеж (Код заявки, код платежа); Контрагент Платеж (Код контрагента, код платежа).Существует несколько нормальных форм, каждой из которых соответствует определенный набор ограничений, и отношение находится в нормальной форме, если оно удовлетворяет свойственному ей набору ограничений.В проектируемой базе данных все таблицы (отношения) находятся в нормальной форме Бойса-Кодда.3.3.1.4 Диаграмма базы данныхДиаграмма полученной базы данных представлена на рисунке 3.12.3.3.2 Разработка алгоритмов прогнозирования рынка услуг на основе содержимого БДТребуется разработать автоматизированную информационную систему с возможностью прогнозирования объема услуг за счёт реализации математического аппарата анализа и прогноза развития рынка услуг.3.4 Написание, отладка и тестирование кода3.4.1 Выбор программных инструментов для эффективной реализации методов прогнозирования в БДВ работе требуется разработать клиент-серверное приложение, поэтому в качестве СУБД была выбрана MS SQL Server - система управления реляционными базами данных (СУРБД), разработанная корпорацией Microsoft. Основной используемый язык запросов — Transact-SQL. В процессе разработки приложения использовались среда Microsoft Visual Studio 2010. Основным языком программирования являлся C#.Рисунок 3.12- Диаграмма базы данных3.4.2 Разработка архитектуры программного обеспеченияРисунок 3.13 - Архитектура информационно - автоматизированной экспертной системыДоступ к данным в системе организован с применением технологии LINQ to SQL, являющейся компонентой .NET Framework версии 3.5. Технология предоставляет инфраструктуру для управления реляционными данными как объектами. В LINQ to SQL модель данных реляционной базы данных сопоставляется объектной модели, выраженной в языке программирования разработчика. При запуске приложения LINQ to SQL преобразует запросы LINQ из объектной модели в SQL-запросы и отправляет их в базу данных для выполнения. Когда база данных возвращает результаты, LINQ to SQL преобразует их обратно в объекты, которые можно обрабатывать на используемом языке программирования. Linq To SQL обеспечивает быстрое вхождение и скорость разработки, при правильном использовании LINQ (Language INtegrated Query) может повысить декларативность кода и, соответственно, упростить его понимание и сопровождение.3.4.3 Разработка пользовательского интерфейса.Интерфейс имеет важное значение для любой программной системы и является неотъемлемой ее составляющей, ориентированной, прежде всего, на конечного пользователя. Интерфейс должен быть ориентирован на конечного пользователя, т.е. интерфейс должен иметь возможности для представления исходных данных и результатов в виде, общепринятом в данной предметной области, либо в зависимости от категорий пользователей и их пожеланий: графическом, табличном, вербальном, причем каждое из них также может иметь несколько видов представлений. Аналитики редко работают с неподготовленными данными из транзакционных баз данных, предпочитая получать уже обработанную и корректно представленную информацию. Исходя из этого Информационная система включает также инструмент предварительной обработки информации для последующего использования, что обеспечивает законченность и полноту предлагаемого решения. Особое внимание необходимо обратить на визуализацию данных, графическая информация в отличие от текстовой гораздо быстрее воспринимается человеком[8]. В блоке визуализации данных и выявления приоритетов необходимо, в процессе просмотра и анализа выделить из большого объема данных лишь ключевую информацию и сделать на ней акцент. Основным инструментом для визуализации данных и выявления приоритетов является построение отчетности. Результаты, полученные в процессе визуализации данных и выявления приоритетов, являются основой для принятия эффективных решений [7]. Разработанный интерфейс представлен на рисунке 3.14.3.5 Проведение эксперимента с реальными данными агентства по организации свадебВ ходе тестирования программного обеспечения методом «черного» и «белого» ящика было выявлено, что программа правильно работает с базой данных, позволяя должным образом оперировать данными. В процессе тестирования программы объекты как просматривались, так создавались и удалялись, а также производились изменения в существующих объектах, были выполнены различные запросы. Программа выполнила все эти операции и не дала в процессе выполнения сбоев. При построении отчета планирования объема фактические результаты программы не отличались от расчетных, отчет представлен на рисунке 3.15.Рисунок 3.14- Интерфейс главного окна приложения3.5.1 Реализация изъятия информации из БД для построения прогнозаДля примера рассмотрим прогноз объема предоставленных услуг компании на ближайшие три месяца. Соответственно из БД необходимо получить данные по всем услугам за последние 25 месяцев, разместив их в списке в соответствие с месяцами. Результат запроса представлен в таблице 4.Найдем скользящие средние (таблица 5). Полученные таким образом выровненные значения уже не содержат сезонной компоненты.Рисунок 3.15 - Отчет "Помесячное планирование"Таблица 4- Результаты запроса на выборку 3.5.2 Реализация прогнозирования рынка услугРассчитаем по алгоритму прогнозируемые значения, результаты расчета приведены в таблице 5:Рассчитаем Скользящая средняя за три месяца;Рассчитаем центрированную скользящую среднюю, для чего найдем средние значения из двух последовательных скользящих средних;Оценки сезонной компоненты рассчитываются как частное от деления фактических уровней ряда на центрированные скользящие средние;Для расчета значений сезонной компоненты Sj найдем средние за каждый квартал оценки сезонной компоненты Sj(таблица 5).Рассчитаем корректирующий коэффициент: k=1212,218=0,982;Рассчитаем скорректированные значения сезонной компоненты, умножив ее средние оценки на корректирующий коэффициент k(таблица 5);Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. Получим: T-Е=Y/S (таблица 6), которые содержат только тенденцию и случайную компоненту;Определим компоненту T данной,  для определения трендовой компоненты воспользуемся уравнением тренда: T = 40,248 -0,352t модели(таблица 6);Рассчитаем значение за следующий период: T26=40,248-0,352∙0,26=31,094; Значение сезонного компонента за соответствующий период равно: S = 1,2130, F26 = T26 + S = 31,094 + 1,2130= 32,307;Фактические результаты программы не отличаются от расчетных, отчет представлен на рисунке 3.15.Таблица 5. Расчет сезонной компоненты в мультипликативной модели3.5.2 Создание пользовательского интерфейсаНа основании рассмотренных рекомендаций был разработан интерфейс программы, представленный на рисунке 3.14.Слева располагается меню с основными разделами, вверху меню управления каждого раздела, по центру выводятся данные соответствующие выбранному разделу. Таблица 5 - Промежуточные расчетные значенияВыводыВ рассмотренной методике построения мультипликативной модели временного ряда на примере, реальных данных свадебного агентства, была получена достаточно точная модель прогнозирования рынка услуг. Методика прогнозирования объема предоставляемых услуг была перенесена в приложение, разработаны алгоритмы построения модели. Полученная модель не противоречит экспертным оценкам и объем продаж свадебных услуг агентств в зимний период ниже чем в весенне-летний, объему предоставляемых услуг соответствует и объем спроса. Тестирование программы было произведено для всех алгоритмов программы, в результате было выявлено, что все ожидаемые результаты совпадают с полученными предполагаемыми результатами. В процессе тестирования не было обнаружено неполадок и сбоев на всех приведенных выше наборах данных.Таблица 6 - Расчетные прогнозные результаты4. Другие разделы проекта4.1 Руководство пользователяПосле запуска программы из файла WsFinance.exe, открывается главное окно программы (рисунок 3.14).

Список литературы

Список литературы
1. Голубков Е. П. Организация маркетинга. //Маркетинг. - Москва: ЦМИМ - №6. - 1996. - с. 116
2. Электронная версия издания ."Россия 2015". Статистический справочник"
3. Голубков Е. П Планирование маркетинга // Маркетинг. - 1996.- №4.
4. Waddell D., Sohal A. Forecasting: The Key to Managerial Decision Making // Management Decision. — 1994. — Vol 32, Issue 1.
5. А. А. Букатов, В. Н. Дацюк, А. И. Жегуло. Программирование многопроцессорных вычислительных систем, Ростов-на-Дону - 2003г.
6. Э.Е. Тихонов. Методы прогнозирования в условиях рынка: учебное пособие, Невинномысск, 2006
7. Клименко С., Уразметов В. Графические интер¬фейсы и средства их разработки // Матер, конф.: Инду¬стрия программирования – 96.
8. Грибова В.В., Клещев А.С. Инструментальный ком¬плекс для разработкипользовательского интерфейса в экс¬пертных системах // Программные продукты и системы. - 1999. -№1.-С.ЗО-34.
9. Мазманова Б.Г. Основы теории и практики прогнозирования: учебное посо-бие. Екатеринбург: изд. ИПК УГТУ, 1998.
10. Фадеев М.А. Элементарная обработка результатов эксперимента. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2002. 108 с.
11. Бочаров Е.П. Интегрированные корпоративные информационные системы // Учебное пособие, 2007. – С. 288.
12. Карпуша В.Д., Панченко Б.Е. Моделирование и проектирование реляционных баз данных // Учебное пособие. Суми: Изд. СумДУ., 2010. – С.385.
Очень похожие работы
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.01887
© Рефератбанк, 2002 - 2024