Реферат Курсовая Конспект
Статистика - раздел Математика, Федеральное Государственное Образовательное Учреждение ...
|
Федеральное государственное образовательное учреждение высшего профессионального образования
«Саратовский государственный аграрный университет им. Н.И. Вавилова»
Кафедра экономической кибернетики
Построение и графическое изображение вариационных рядов
Порядок построения вариационных рядов
Рассчитаем частоты для интервального ряда. Слева от столбца интервалы на одну строку ниже выделяем пять строк (по количеству групп). Вызовем функцию ЧАСТОТА (FREQUENCY). В первом поле выбираем массив исходных данных, во втором поле массив частот и нажимаем комбинацию клавиш Ctrl+Shift+Enter. В результате появится пять значений частот. На рисунке 2 видно, что каждому верхнему значению интервала соответствует частота для данного интервала. Накопленные частоты считаются аналогично п. 2.2
Рис. 2. Построение интервального ряда
3.Для построения диаграммы необходимо найти середины интервалов. Для этого слева от накопленных частот вводим формулу расчёта середины интервала: (см. рис 2). Копируем формулу для всех пяти групп.
Далее выбираем меню «Вставка» → «Диаграмма». Выбираем вид диаграммы будет гистограмма. Выделяем область частот и середины интервалов, нажимаем «ОК».
Полученную диаграмму нужно редактировать. Щёлкаем правой кнопкой мыши на диаграмме и выбираем «Исходные данные». В появившемся окне выбираем закладку «Ряд». В поле «Значения» выделяем частоты интервального ряда. В поле «Подписи оси Х» выделяем значения середин интервалов. Если в поле «Ряд» два названия ряда, то лишний нужно удалить. Нажимаем «ОК».
Далее щелкаем по гистограмме правой кнопкой мыши, выбираем «Формат рядов данных». В закладке параметры ставим нулевое значение ширины зазора.
Статистические характеристики рядов распределения
Расчёт статистических характеристик рядов распределения с помощью Excel
Большинство параметров ряда распределения вычисляется с помощью функции Описательная статистика.
Откроем лист Excel, скопируем в ячейки А1:А31 данные по урожайности вместе с условным обозначением показателя – х, в ячейки В1:В31 данные по затратам труда на 1 ц зерна.
Рис. 3. Хи тест
1. Находим нормализованные значения признака (рис 1.). Вызываем список функций, выбираем функцию «НОРМАЛИЗАЦИЯ» (STANDATRDIZE). В поле «Х» вводим название ячейки первого интервала, во втором поле среднее значение по выборке, в третьем поле стандартное отклонение выборки. Копируем данную формулу для остальных строк.
2. По таблице плотности распределения φ(u) находим вероятность распределения этих значений и заполняем следующий столбец.
3. Следующий столбец заполняем рассчитанным выражением .
4. Находим теоретические частоты по формуле (2) и заполняем последний 8 столбец.
5. Далее, для вычисления критерия Пирсона, воспользуемся функцией «ХИ2ТЕСТ». В поле «Фактический интервал» выделяем массив фактических частот, в поле «Ожидаемый интервал» вводим массив теоретических частот. В результате получаем значимость фактического критерия Пирсона. Чтобы получить фактическое значение критерия Пирсона, воспользуемся функцией «ХИ2ОБР». В поле «вероятность» вводим полученную значимость критерия (ячейка B11), а в поле «степени_свободы» соответствующее число степеней свободы для данной группировки. В данном случае n-1=5 (n – число групп).
Полученную в пункте 5 фактическую значимость критерия Пирсона «p» сравниваем с установленным уровнем значимости «α». Если αфакт<α=0,05, то утверждаем, что эмпирическое распределение сходно с теоретическим и нулевая гипотеза отвергается. Далее, если нужно, мы находим фактическое значение критерия по значимости «α» и числа степеней свободы.
4.Корреляционно-регрессионный анализ
4.1.Определение параметров уравнения регрессии и показателей тесноты корреляционной связи
Социально-экономические явления находятся между собой в сложной взаимосвязи, зависимости. По характеру зависимости статистика различает два вида связей:
1)функциональную;
2)корреляционную.
Корреляционная связь характеризуется тем, что между изменением независимой переменной (факторного признака) и зависимой переменной нет полного соответствия: каждому значению факторного признака может соответствовать распределение значений результативного.
Корреляционная связь проявляется лишь в массе случаев – в совокупности достаточно большого объема. При этом изменение независимой величины ведет к изменению среднего значения зависимой переменной.
По направлению различают прямые и обратные связи. При прямой связи с увеличением факторного признака увеличивается результативный. При обратной связи с ростом факторного признака значения результативного уменьшаются.
По аналитическому выражению связи делятся на прямолинейные (линейные) и криволинейные (нелинейные). Линейная связь выражается линейной функцией (уравнением прямой), нелинейная – криволинейной в виде параболы, гиперболы, показательной кривой и т.д.
Функция, отображающая корреляционную связь между признаками, называется уравнением регрессии. Уравнение регрессии выражается функцией у = f(х1,х2,…, хn).
Уравнения регрессии могут иметь следующую форму.
Уравнение прямой:
Степенное уравнение:
Многофакторная корреляционная связь чаще всего описывается линейным уравнением множественной регрессии:
Параметр α1 в уравнении прямой называется коэффициентом регрессии. Он показывает, на сколько в среднем изменяется величина результативного признака при изменении факторного на единицу. При прямой корреляционной связи коэффициент регрессии имеет положительный знак, при обратной – отрицательный.
Количественная характеристика корреляционной связи дается с помощью ряда статистических показателей – коэффициентов корреляции, регрессии и т.д.
Наиболее распространенным и совершенным методом изучения корреляционных связей является корреляционно-регрессионный анализ.
В процессе корреляционно-регрессионного анализа (КРА) решаются следующие задачи:
1) определение формы и направления связи, ее количественное выражение в виде уравнения регрессии;
2) характеристика тесноты связи.
3) определение значимости, существенности выборочных характеристик тесноты корреляционной связи;
Параметры уравнения регрессии находятся способом наименьших квадратов. Сущность метода заключается в нахождении параметров уравнения, при которых сумма квадратов отклонений фактических значений результативного признака от теоретических, полученных по выбранному уравнению регрессии, минимальна. Он дает систему нормальных уравнений, решая которую определяют параметры уравнения регрессии.
Для уравнения парной линейной регрессии ух=α0+α1х система нормальных уравнений следующая: следующая::
Для гиперболы:
Для параболы второго порядка:
Параметры уравнения множественной регрессии при большом числе факторов рассчитываются на ЭВМ.
Для характеристики тесноты парной корреляционной связи используются в основном два показателя:
· линейный коэффициент корреляции и соответствующий ему коэффициент детерминации;
· корреляционное отношение и соответствующий ему индекс детерминации.
Линейный коэффициент корреляции может принимать значения от минус единицы до плюс единицы. Положительный коэффициент корреляции указывает на прямую корреляционную связь, отрицательный – на обратную. Знак при коэффициенте корреляции совпадает со знаком коэффициента регрессии. Принята следующая условная градация коэффициента корреляции: r<0,3 – связь слабая, r=0,3 – 0.7 – связь средней силы, r>0.7 – связь тесная.
Квадрат коэффициента корреляции носит название коэффициента детерминации. Он показывает долю факторного признака в вариации результативного.
Коэффициент корреляции достаточно точно оценивает степень тесноты связи лишь при линейной форме зависимости. Для характеристики тесноты связи любой формы используется корреляционное отношение. Теоретическое корреляционное отношение определяется по формуле:
где δ2 – факторная дисперсия – дисперсия теоретических значений результативного признака, т.е. рассчитанных по уравнению регрессии;
σ2 – дисперсия эмпирических (фактических) значений результативного признака.
Указанные дисперсии исчисляются по формулам:
где ух – теоретические значения результативного признака;
ỹ - среднее значение результативного признака в совокупности;
у – фактические (эмпирические) значения результативного признака.
При линейной связи корреляционное отношение и коэффициент корреляции равны.
Корреляционное отношение может принимать значения от нуля до единицы. Чем ближе данный показатель к единице, тем теснее связь между изучаемыми признаками.
Параметры уравнения регрессии и коэффициент корреляции могут быть рассчитаны с помощью табличного процессора Excel. Для этого на лист Excel копируем исходные данные. В меню Сервис выберем опцию Анализ данных. Щелкнув левой кнопкой мыши по этому пункту, откроем инструмент Регрессия. Щелкаем по кнопке OK, на экране появляется диалоговое окно Регрессия. В поле Входной интервал У вводим значения результативного признака, в поле Входной интервал Х вводим значения факторных признаков. Отмечаем уровень вероятности 95%, выбираем Новый рабочий лист. Щелкаем по кнопке OK. На рабочем листе появляются результаты вычисления параметров уравнения регрессии, коэффициента корреляции и другие показатели, позволяющие определить значимость коэффициента корреляции и параметров уравнения регрессии.
ПРИЛОЖЕНИЯ
Приложение 1
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РФ
ФГОУ ВПО САРАТОВСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ ИМ. Н.И. ВАВИЛОВА
КАФЕДРА ЭКОНОМИЧЕСКОЙ КИБЕРНЕТИКИ
РАСЧЕТНО-ГРАФИЧЕСКАЯ РАБОТА
Приложение 3
Таблица значений функции Лапласа
Z | ||||||||||
0,0 | ||||||||||
0,1 | ||||||||||
0,2 | ||||||||||
0,3 | ||||||||||
0,4 | ||||||||||
0,5 | ||||||||||
0,6 | ||||||||||
0,7 | ||||||||||
0,8 | ||||||||||
0,9 | ||||||||||
1,0 | ||||||||||
1,1 | ||||||||||
1,2 | ||||||||||
1,3 | ||||||||||
1,4 | ||||||||||
1,5 | ||||||||||
1,6 | ||||||||||
1,7 | ||||||||||
1,8 | ||||||||||
1,9 | ||||||||||
2,0 | ||||||||||
2,1 | ||||||||||
2,2 | ||||||||||
2,3 | ||||||||||
2,4 | ||||||||||
2,5 | ||||||||||
2,6 | . 4964 | |||||||||
2,7 | ||||||||||
2,8 | ||||||||||
2,9 | ||||||||||
3,0 | ||||||||||
3,1 | ||||||||||
3,2 | ||||||||||
3,3 |
Приложение 4
Приложение 5
Критические точки распределения
Число степеней свободы | Уровень значимости | ||||||
0,500 | 0,250 | 0,100 | 0,050 | 0,025 | 0,010 | 0,005 | |
0,45 | 1,32 | 2,71 | 3,84 | 5,02 | 6,63 | 7,88 | |
1,39 | 2,77 | 4,61 | 5,99 | 7,38 | 9,21 | 10,60 | |
2,37 | 4,11 | 6,25 | 7,81 | 9,35 | 11,34 | 12,84 | |
3,36 | 5,39 | 7,78 | 9,95 | 11,14 | 13,28 | 14,86 | |
4,35 | 6,63 | 9,24 | 11,07 | 12,83 | 15,09 | 16,75 | |
5,35 | 7,84 | 10,64 | 12,59 | 14,45 | 16,81 | 18,55 | |
6,35 | 9,04 | 12,02 | 14,07 | 16,01 | 18,48 | 20,28 | |
7,34 | 10,22 | 13,36 | 15,51 | 17,53 | 20,09 | 21,96 | |
8,34 | 11,39 | 14,68 | 16,92 | 19,02 | 21,67 | 23,59 | |
9,34 | 12,55 | 15,99 | 18,31 | 20,48 | 23,21 | 25,19 | |
10,34 | 13,70 | 17,28 | 19,68 | 21,92 | 24,72 | 26,76 | |
11,34 | 14,85 | 18,55 | 21,03 | 23,34 | 26,22 | 28,30 | |
12,34 | 15,98 | 19,81 | 22,36 | 24,74 | 27,69 | 29,82 | |
13,34 | 17,12 | 21,06 | 23,68 | 26,12 | 29,14 | 31,32 | |
14,34 | 18,25 | 22,31 | 25,00 | 27,49 | 30,58 | 32,80 | |
15,34 | 19,37 | 23,54 | 26,30 | 28,85 | 32,00 | 34,27 | |
16,34 | 20,49 | 24,77 | 27,59 | 30,19 | 33,41 | 35,72 | |
17„34 | 21,60 | 25,99 | 28,87 | 31,53 | 34,81 | 37,16 | |
18,34 | 22,72 | 27,20 | 30,14 | 32,85 | 36,19 | 38,58 | |
19,34 | 22,83 | 28,41 | 31,41 | 34,17 | 37,57 | 40,00 |
Приложение 6
Критические точки распределения Фишера‑Снедекора при уровне значимости =0,05
‑ степени свободы для меньшей (внутри-групповой) дисперсии | - степени свободы для большей (межгрупповой) дисперсии | ||||||||
18,51 | 19,00 | 19,16 | 19,75 | 19,30 | 19,33 | 19,36 | 13,97 | 19,38 | |
7,71 | 6,94 | 6,59 | 6,39 | 6,26 | 6,16 | 6,09 | 6,04 | 6,00 | |
5,99 | 5,14 | 4,76 | 3,53 | 4,39 | 4,78 | 4,71 | 4,15 | 4,10 | |
5,32 | 4,46 | 4,07 | 3,84 | 3,69 | 3,58 | 3,50 | 3,44 | 3,39 | |
5,12 | 4,26 | 3,86 | 3,63 | 3,48 | 3,37 | 3,29 | 3,23 | 3,18 | |
4,96 | 4,10 | 3,71 | 3,48 | 3,33 | 3,77 | 3,14 | 3,07 | 3,02 | |
4,75 | 3,88 | 3,40 | 3,26 | 3,11 | 3,00 | 2,92 | 2,85 | 2,80 | |
4,60 | 3,74 | 3,34 | 3,11 | 2,96 | 2,85 | 2,77 | 2,70 | 2,65 | |
4,49 | 3,63 | 3,74 | 3,01 | 7,85 | 7,74 | 7,66 | 7,59 | 7,54 | |
4,41 | 3,55 | 3,16 | 2,93 | 2,77 | 2,66 | 2,59 | 2,51 | 2,46 | |
4,35 | 3,49 | 3,10 | 2,87 | 2,71 | 2,60 | 2,52 | 2,45 | 2,40 | |
4,96 | 3,40 | 3,01 | 7,78 | 7,67 | 7,61 | 7,4? | 7,36 | 7,30 | |
4,24 | 3,38 | 2,99 | 2,76 | 2,60 | 2,49 | 2,41 | 2,34 | 2,28 | |
4,21 | 3,35 | 7,96 | 7,73 | 7,57 | 7,46 | 7,37 | 7,30 | 7,75 | |
4,17 | 3,32 | 2,92 | 2,69 | 2,53 | 2,42 | 2,34 | 2,27 | 2,21 | |
4,08 | 3,23 | 2,84 | 2,61 | 2,45 | 2,34 | 2,25 | 2,18 | 2,12 | |
4,03 | 3,18 | 2,79 | 2,56 | 2,40 | 2,29 | 2,20 | 2,13 | 2,07 | |
4,00 | 3,15 | 2,76 | 2,52 | 2,37 | 2,25 | 2,17 | 2,10 | 2,04 | |
3,96 | 3,11 | 2,72 | 2,48 | 2,33 | 2,21 | 2,12 | 2,05 | 1,99 | |
3,94 | 3,09 | 2,70 | 2,46 | 2,30 | 2,19 | 2,10 | 2,03 | 1,97 | |
3,89 | 3,04 | 2,65 | 2,41 | 2,26 | 2,14 | 2,05 | 1,98 | 1,92 |
Приложение 7
Критические точки распределения Фишера-Снедекора при уровне значимости =0,01
Степени свободы для меньшей (внутригрупповой) дисперсии | Степени свободы для большей (межгрупповой) дисперсии | ||||||||
98,49 | 99,00 | 99,17 | 99,25 | 99,30 | 99,33 | 99,34 | 99,36 | 99,38 | |
34,12 | 30,82 | 29,46 | 28,71 | 28,24 | 27,91 | 27,67 | 27,49 | 27,34 | |
21,20 | 18,00 | 16,69 | 15,98 | 15,52 | 15,21 | 14,98 | 14,80 | 14,66 | |
16,26 | 13,27 | 12,06 | 11,39 | 10,97 | 10,67 | 10,45 | 10,27 | 10,15 | |
13,74 | 10,92 | 9,78 | 9,15 | 8,75 | 8,47 | 8,26 | 8,10 | 7,98 | |
12,25 | 9,55 | 8,45 | 7,85 | 7,46 | 7,19 | 7,00 | 6,84 | 6,71 | |
11,26 | 8,65 | 7,59 | 7,01 | 6,63 | 6,37 | 6,19 | 6,03 | 5,91 | |
10,56 | 8,02 | 6,99 | 6,42 | 6,06 | 5,80 | 5,62 | 5„47 | 5,35 | |
10,04 | 7,56 | 6,55 | 5,99 | 5,64 | 5,39 | 5,21 | 5,06 | 4,95 | |
9,33 | 6,93 | 5,95 | 5,41 | 5,06 | 4,82 | 4,65 | 4,50 | 4,39 | |
8,86 | 6,51 | 5,56 | 5,03 | 4,69 | 4,46 | 4,28 | 4,14 | 4,03 | |
8,53 | 6,23 | 5,29 | 4,77 | 4,44 | 4,20 | 4,03 | 3,89 | 3,78 | |
8,28 | 6,01 | 5,09 | 4,58 | 4,25 | 4,01 | 3,85 | 3,71 | 3,60 | |
8,10 | 5,85 | 4,94 | 4,43 | 4,10 | 3,87 | 3,71 | 3,56 | 3,45 | |
7,82 | 5,61 | 4,72 | 4,22 | 3,90 | 3,67 | 3,50 | 3,36 | 3,25 | |
7,64 | 5,45 | 4,57 | 4,07 | 3,76 | 3,53 | 3,36 | 3,23 | 3,11 | |
7,56 | 5,39 | 4,51 | 4,02 | 3,70 | 3,47 | 3,30 | 3,17 | 3,06 | |
7,31 | 5,18 | 4,31 | 3,83 | 3,51 | 3,29 | 3,12 | 2,99 | 2,88 | |
7,17 | 5,06 | 4,20 | 3,72 | 3,41 | 3,18 | 3,02 | 2,88 | 2,78 | |
7,08 | 4,98 | 4,13 | 3,65 | 3,34 | 3,12 | 2,95 | 2,82 | 2,72 | |
6,96 | 4,88 | 4,04 | 3,56 | 3,25 | 3,04 | 2,87 | 2,74 | 2,64 | |
6,90 | 4,82 | 3,98 | 3,51 | 3,20 | 2,99 | 2,82 | 2,69 | 2,59 | |
6,76 | 4,71 | 3,88 | 3,41 | 3,11 | 2,90 | 2,73 | 2,60 | 2,50 |
Приложение 8
Критерий А. Н. Колмогорова.
Приложение 9
Значения функции P(λ)
λ | Р | λ | Р |
0,30 | 1,0000 | 1,10 | 0,1777 |
0,35 | 1,20 | ||
0,40 | 1,30 | ||
0,45 | 1,40 | ||
0,50 | 1,50 | ||
0,55 | 1,60 | ||
0,60 | 1,70 | ||
0,65 | 1,80 | ||
0,70 | 1,90 | ||
0,75 | 2,00 | ||
0,80 | 2,10 | ||
0,85 | 2,20 | ||
0,90 | 2,30 | ||
0,95 | 2,40 | ||
1,00 | 2,50 |
Приложение 10
Таблица вероятностей Р( χ2 )
k χ2 | ||||||||||
0,3173 | 0,6065 | 0,8013 | 0,9098 | 0,9626 | 0,9856 | 0,9948 | 0,9982 | 0,9994 | 0,9998 | |
0,1573 | 0,3679 | 0,5724 | 0,7358 | 0,8491 | 0,9197 | 0,9598 | 0,9810 | 0,9915 | 0,9963 | |
0,0833 | 0,2231 | 0,3916 | 0,5578 | 0,7000 | 0,8088 | 0,8850 | 0,9344 | 0,9643 | 0,9814 | |
0,0455 | 0,1353 | 0,2615 | 0,4060 | 0,5494 | 0,6767 | 0,7798 | 0,8571 | 0,9114 | 0,9473 | |
0,0253 | 0,0821 | 0,1718 | 0,2873 | 0,4159 | 0,5438 | 0,6600 | 0,7576 | 0,8343 | 0,8912 | |
0,0143 | 0,0498 | 0,1116 | 0,1991 | 0,3062 | 0,4232 | 0,5397 | 0,6472 | 0,7399 | 0,8153 | |
0,0082 | 0,0302 | 0,0719 | 0,1359 | 0,2206 | 0,3208 | 0,4289 | 0,5366 | 0,6371 | 0,7254 | |
0,0047 | 0,0183 | 0,0460 | 0,0916 | 0,1562 | 0,2381 | 0,3326 | 0,4335 | 0,5341 | 0,6288 | |
0,0027 | 0,0111 | 0,0293 | 0,0611 | 0,1091 | 0,1736 | 0,2527 | 0,3423 | 0,4373 | 0,5321 | |
0,0016 | 0,0067 | 0,0186 | 0,0404 | 0,0752 | 0,1247 | 0,1886 | 0,2650 | 0,3505 | 0,4405 | |
0,0009 | 0,0041 | 0,0117 | 0,0266 | 0,0514 | 0,0884 | 0,1386 | 0,2017 | 0,2757 | 0,3575 | |
0,0005 | 0,0025 | 0,0074 | 0,0174 | 0,0348 | 0,0620 | 0,1006 | 0,1512 | 0,2133 | 0,2851 | |
0,0003 | 0,0015 | 0,0046 | 0,0113 | 0,0234 | 0,0430 | 0,0721 | 0,1118 | 0,1626 | 0,2237 | |
0,0002 | 0,0009 | 0,0029 | 0,0073 | 0,0156 | 0,0296 | 0,0512 | 0,0818 | 0,1223 | 0,1730 | |
0,0001 | 0,0006 | 0,0018 | 0,0047 | 0,0104 | 0,0203 | 0,0360 | 0,0591 | 0,0909 | 0,1321 | |
0,0001 | 0,0003 | 0,0011 | 0,0030 | 0,0068 | 0,0138 | 0,0251 | 0,0424 | 0,0669 | 0,0996 | |
0,0000 | 0,0002 | 0,0007 | 0,0019 | 0,0045 | 0,0093 | 0,0174 | 0,0301 | 0,0487 | 0,0744 | |
- | 0,0001 | 0,0004 | 0,0012 | 0,0029 | 0,0062 | 0,0120 | 0,0212 | 0,0352 | 0,0550 | |
- | 0,0001 | 0,0003 | 0,0008 | 0,0019 | 0,0042 | 0,0082 | 0,0149 | 0,0252 | 0,0403 | |
- | 0,0000 | 0,0002 | 0,0005 | 0,0012 | 0,0028 | 0,0056 | 0,0103 | 0,0179 | 0,0293 | |
- | - | 0,0001 | 0,0003 | 0,0008 | 0,0018 | 0,0038 | 0,0071 | 0,0127 | 0,0211 | |
- | - | 0,0001 | 0,0002 | 0,0005 | 0,0012 | 0,0025 | 0,0049 | 0,0089 | 0,0151 | |
- | - | 0,0000 | 0,0001 | 0,0003 | 0,0008 | 0,0017 | 0,0034 | 0,0062 | 0,0107 | |
- | - | - | 0,0001 | 0,0002 | 0,0005 | 0,0011 | 0,0023 | 0,0043 | 0,0076 | |
- | - | - | 0,0001 | 0,0001 | 0,0003 | 0,0008 | 0,0016 | 0,0030 | 0,0053 | |
- | - | - | 0,0000 | 0,0001 | 0,0002 | 0,0005 | 0,0011 | 0,0020 | 0,0037 | |
- | - | - | 0,0000 | 0,0001 | 0,0001 | 0,0003 | 0,0007 | 0,0014 | 0,0026 | |
- | - | - | - | 0,0000 | 0,0001 | 0,0002 | 0,0005 | 0,0010 | 0,0018 | |
- | - | - | - | 0,0000 | 0,0001 | 0,0001 | 0,0003 | 0,0006 | 0,0012 | |
- | - | - | - | - | 0,0000 | 0,0001 | 0,0002 | 0,0004 | 0,0009 |
– Конец работы –
Используемые теги: Статистика0.038
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Статистика
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов