Добавил:

Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Белорусский государственный экономический университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Ответы ЭММ_2 (для печати)

.pdf

Скачиваний:

Добавлен:

20.02.2016

Размер:

258 Кб

Скачать

☆

1	Процесс построения математической	10	В основу классификации	20	Основная задача корреляционного	31	Для оценки качества регрессионных
	модели называют:		эконометрических и экономико-		анализа заключ. в выявлении		моделей используется:
√	математическим моделированием		математических моделей по средствам		взаимосвязи между случайными	√	коэффициент множественной корреляции
2	Процедура изучения модели		их построения положены:		переменными путем:		(индекс корреляции)
	предполагает:	√	средства моделирования и методы	√	точечной оценки парных (частных)	√	средняя относительная ошибка
√	проведение различного рода		реализации моделей		коэффициентов корреляции		аппроксимации
	"модельных" экспериментов	√	структура моделей и характер	√	интервальной оценки парных(частных)	32	Процесс, при котором факторы
√ накопления и систематизации данных			зависимости ее компонентов		коэффициентов корреляции		одновременно воздействуют друг на
3	Процед. применения модели связана с	√	используемая информация	√	вычисления и проверки значимости		друга, определяется как:
√ получением с ее помощью знаний		11	Экономико-математические модели		множественных коэффициентов	√	мультиколлинеарность
√	построением реального экономического		включают в себя		корреляции и детерминации	34	Методы устранения или уменьшения
	объекта	√	систему ограничений	21	Ковариация - это:		мультиколлинеарности
√	прогнозированием экономического	√	целевую функцию	√	статистическая мера взаимодействия двух	√	из двух объясняющих переменных,
	объекта	√	граничные условия		переменных		имеющих высокий коэффициент
√ коррекцией данных с учетом свойств		13	В эконометрических исследованиях	22	Для качественной оценки коэф-нта		корреляции (больше 0,8), одну
	объекта-оригинала		используют следующие типы		корреляции примен. различные шкалы,		переменную исключают из рассмотрения;
4	Моделирование предполагает		экономических данных:		наиболее известной из кот. явл. спец.	√	использование стратегии шагового
	использование:	√	пространственные		шкала значений коэф-тов корреляции		отбора, реализованной в ряде
√	методов абстрагирования	√	временные	√	шкала Чеддока		алгоритмов пошаговой регрессии;
√	методов идеализации	14	Эконометрические модели в	23	В зависимости от объема выборочной	35	Содержательная оценка качества
√	научных гипотез		зависимости от соответствующей теории		совокупности различают методы оценки		уравнения модели множественной
5	Различие между эконометрическими и		связи между переменными		существенности линейного		регрессии состоит
	экономико-математическим моделями		экономических систем, принято делить		коэффициента корреляции:	√	в его переводе с языка математики и
	состоит		на основные классы:	√	t-критерия Стьюдента		статистики на язык экономиста
√	в характере функциональных	√	модели временных рядов	24	В многомерном корреляционном	√	проверке наличия экономического
	зависимостей, связывающих их величины	√	регрессионные модели с одним		анализе рассматривается задачи:		смысла
√	с показателями, сгруппированными		уравнением	√	Все 5 ответов верны	√	в размере и характере влияния на
	различными способами	√	системы эконометрических уравнений	25	Квадрат коэффициента множественной		исследуемый показатель каждого из
6	В соответствии с общепринятой	15	К моделям временных рядов относятся:		корреляции принято называть:		объясняющих факторов
	классификацией экономико-математ.	√	адаптивные модели	√	выборочным множественным	36	Проверка статистического качества
	модели подразделяются на	√	модели кривых роста (трендовые)		коэффициентом детерминации		полученного уравнения модели
√	эконометрические	√	модели авторегрессии	26	Коэффициент множественной		множественной регрессии предполагает
√	статистические	√	модели скользящего среднего		корреляции принимает значения	√	оценку: общего качества уравнения
√	балансовые	16	Выделяют следующие виды	√	от 0 до 1	√	статистической значимости каждого
√	оптимизационные		эконометрических систем:	27	Проверка значимости коэффициента		параметра уравнения
7	По функциональному признаку модели	√	системы независимых уравнений		детерминации осуществляется путем	√	наличия автокорреляции остатков
	подразделены на	√	системы рекурсивных уравнений		сравнения с табличным F-табл.:	37	Качество модели множественное
√	модели планирования	√	системы взаимосвязанных уравнений	√	расчетного значения F-критерия Фишера		регрессии оценивается по следующим
√	модели бухгалтерского учета	17	Этапами построения эконометрической	28	При отклонении парной стат.завис-		направлениям:
√	модели экономического анализа		модели являются:		имости от линейной коэф-т корреляции	√	проверка качества уравнения регрессии
√	модели информационных процессов	√	Все 5 ответов верны		оценивается измерителем связи:	√	проверка значимости уравнения
8	Методы математической статистики	18	Рассматривая линейную зависимость	√	индекс корреляции		регрессии
√	корреляционный		между признаками, прежде всего,	√	корреляционное отношение	√	анализ статистической значимости
√	регрессионный		выделяют типы связей:	29	Для оценки параметров регрессионного		параметров модели
√	индексный	√	функциональные		уравнения используют:	√	проверка выполнения предпосылок МНК
√	выборочный	√	корреляционные	√	метод наименьших квадратов	40	При сравнении расчетного значения dw-
9	Моделируемые объекты	19	К показателям, значения которых	30	Для того чтобы регрессионный анализ		статистики с табличным могут
	эконометрических и экономико-матем.		свидетельствуют о присутствии или		давал наилучший результат, должны		возникнуть такие ситуации:
	моделей классифицируются с позиций:		отсутствии линейной связи между		выполняться условия:	√	dw < d1 - остатки содержат
√	сущности моделируемых процессов		переменными относятся коэффициенты	√	математическое ожидание случайной		автокорреляцию
	воспроизводства	√	линейной корреляции		составляющей в любом наблюдении	√	d2 < dw < 2 - ряд остатков не
√	временных характеристик процессов	√	парной корреляции		должно быть равно нулю		коррелирован
√	уровней управления процессами	√	множественной корреляции	√	дисперсия случайной составляющей	√	d1 < dw < d2 - область неопределенности,
	(объектами)				должна быть постоянна для всех		когда нет оснований ни принять, ни
√ назначения моделей в управлении					наблюдений		отвергнуть гипотезу о существовании
				√	условие гомоскедастичности, или		автокорреляции
					равноизменчивости, случайной
					составляющей

38	При проверке адекватности уравнения	44	В эконометрике выделяются следующие	49	Формирование уровней ряда	56	Методы экстраполяции включают:
	множественной регрессии		основные направления экономико-		определяется закономерностями	√	методы, основанные на построении
	исследуемому процессу возможны		статистических методов временных		основных типов:		многофакторных корреляционно-
	следующие варианты:		рядов:	√	инерцией тенденции		регрессионных моделей
√	построенная модель на основе ее	√	разработка и исследование методов	√	инерцией взаимосвязи между	√	методы авторегрессии, учитывающие
	проверки по F-критерию в целом		прикладной статистики с учетом		последовательными уровнями ряда		взаимосвязь членов временного ряда
	адекватна и все параметры уравнения		специфики экономических данных	√	инерцией взаимосвязи между	√	методы, использующие разложение
	регрессии значимы – такая модель может	√	разработка и исследование экономико-		исследуемым показателем		временного ряда на компоненты: главная
	быть использована для прогнозирования		статистических моделей в соответствии с	√	инерцией показателей-факторов,		тенденция (тренд), сезонные колебания и
	исследуемого показателя;		конкретными потребностями		оказывающих на него причинное		случайная составляющая
√	модель по F-критерию адекватна, но		экономической науки и практики		воздействие	√	методы, позволяющие учесть
	часть параметров регрессии не значима –	√	применение эконометрических методов и	51	Для оценки точности модели		неравнозначность исходных данных
	в этом случае модель может быть		моделей для статистического анализа и		временного ряда в статистическом	√	методы прямой экстраполяции, при этом
	пригодна для принятия отдельных		прогнозирования состояния конкретных		анализе, используются:		используются разные трендовые модели
	решений, но не подходит для расчета		экономических объектов	√	среднеквадратическое отклонение	57	Производственные функции позволяют:
	прогнозов;	45	Применяемые при обработке	√	максимальная по абсолютной величине	√	проводить разнообразные аналитические
√	модель по F-критерию адекватна, но все		временных рядов методы опираются на		ошибка		расчеты
	параметры уравнения не значимы – такая		методы математической статистики,	√	относительная максимальная ошибка	√	определять эффективность
	модель полностью считается		которые базируются на следующих	√	средняя по модулю ошибка		использования ресурсов и
	неадекватной, на ее основе нельзя		требованиях к исходным данным:	√	средняя по модулю относительная		целесообразность их дополнительного
	принимать решения и составлять	√	сопоставимость данных – достигается в		ошибка		вовлечения в сферу производства
	прогнозы;		результате одинакового подхода к	52	Адаптивные модели прогнозирования	√	прогнозировать выпуск производства при
39	Наличие (отсутствие) автокорреляции в		наблюдениям на разных этапах		на основе временных рядов – это		тех или иных вариантах развития объекта
	отклонениях модели проверяют с		формирования динамического ряда		модели:		(т.е. при различном количестве ресурсов)
	помощью:	√	однородность данных – означает	√	дисконтирования данных, способные	58	Экономико-статистическое
√	dw-критерия Дарбина – Уотсона		отсутствие сильных изломов тенденций, а		быстро приспосабливать свою структуру и		моделирование производственной
41	Тест Дарбина-Уотсона можно применять		также аномальных (т.е. резко		параметры к изменению условий		функции выполняют в следующем
	только в том случае, если выполняются		выделяющихся, нетипичных для данного	53	Общая схема построения адаптивных		порядке:
	следующие условия:		ряда) наблюдений		моделей включает:	√	выбор зависимой переменной и отбор
√	в регрессионном уравнении присутствует	√	устойчивость тенденции –	√	оценивание значений параметров		независимых переменных факторов
	свободный член		характеризуется преобладанием		модели по нескольким первым	√	получение статистических данных и их
√	регрессоры являются нестохастическими		закономерности над случайностью в		наблюдениям ряда		обработка
√	регрессионном уравнении нет лаговых		изменении уровней ряда	√	прогнозный расчет на один шаг по	√	установление математической формы
	значений зависимой переменной	√	полнота данных – требование		имеющейся модели и корректировка		связи (вида алгебраического уравнения)
42	Для обнаружения гетероскедастичности		обусловлено тем, что закономерность		параметров модели при отклонении	√	решение модели
	обычно используют тесты о зависимости		может обнаружиться лишь при наличии		расчетных значений от фактических	√	корректировка и экономическая
	между дисперсией случайного члена и		мин. допустимого объема наблюдений		значений ряда		интерпретация модели
	объясняющей переменной:	46	Проверка наличия тренда – процедура	√	рассчитывается прогнозная оценка на	59	Экстраполяционное прогнозирование
√	тест Голдфельда-Квандта		предварительного анализа данных,		следующий момент времени по модели		экономических процессов,
√	тест ранговой корреляции Спирмена		сводится к проверке гипотезы о		со скорректированными параметрами		представленных одномерными
√	двусторонний критерий Фишера		неизменности среднего значения	√	прогнозирование на будущее с		временными рядами, сводится к
√	тест Глейзера		временного ряда и осуществляется с		использованием параметров,		выполнению следующих основных
43	В общем случае временной ряд можно		помощью различных критериев:		определенных на последнем шаге по		этапов:
	представить как функцию компонент	√	критерий серий, основанный на медиане		последним фактическим наблюдениям	√	предварительный анализ данных
	отражающих закономерность и	√	критерий "восходящих" и "нисходящих"		ряда	√	построение моделей временных рядов:
	случайность развития:		серий	54	Авторегрессионной моделью временных		формирование набора
√	f(t) – тренд (долговременная тенденция)	√	сравнение средних уровней ряда		рядов называют такую модель, в		аппроксимирующих функций (кривых
	развития	48	Существующие методы сглаживания		которой моделируемые значения		роста) и численное оценивание
√	S(t), – сезонная компонента		делят на группы:		зависят линейно:		параметров моделей
√	U(t), – циклическая компонента	√	аналитические методы	√	от предыдущих наблюдений	√	оценка качества моделей (проверка их
√	eps(t), – остаточная компонента	√	методы механического сглаживания	√	только от одного предыдущего значения		адекватности и оценка точности)
47	Сглаживание временного ряда:	50	На практике наиболее часто	√	от двух предыдущих значений	√	построение точечного и интервального
√	замена фактических уровней расчетными		используются кривые роста, которые	√	от трех предыдущих значений		прогнозов
	значениями, имеющими меньшую		позволяют описывать процессы	55	В авторегрессионных моделях
	колеблемость, чем исходные данные		следующих основных типов:		предполагается, что:
√	графическое изображение временного	√	без предела роста	√	авторегрессионный процесс является
	ряда	√	с пределом роста без точки перегиба		стационарным
		√	с пределом роста и точкой перегиба

60	Для решения конкретных задач анализа	65	Точное совпадение фактических данных	70	Экономические модели в общем смысле
	и прогнозирования временных рядов		и прогностических точечных оценок,		подразделяются на классы:
	используются специальные экономико-		полученных путем экстраполяции, имеет	√	модели позитивного анализа
	статистические методы, которые		малую вероятность, что объясняется	√	модели нормативного анализа
	классифицируются следующим образом:		следующими причинами:	72	Выберите выражения, не имеющие
√	статистика случайных величин	√	выбранная для прогнозирования кривая		смысловой нагрузки:
	(выборочные методы, оценка законов		не является единственно возможной для	√	процедура изучения модели
	распределения случайных величин)		описания тенденции		предполагает проведение различного
√	анализ и прогнозирование временных	√	прогноз осуществляется на основании		рода "модельных" экспериментов;
	рядов		ограниченного числа исходных данных	√	процедура применения модели связана с
√	многомерный статистический анализ	√	тенденция характеризует движение		использованием полученных с ее
	(корреляционно-регрессионный анализ)		среднего уровня ряда динамики, поэтому		помощью знаний для построения
√	статистика объектов нечисловой природы		отдельные наблюдения могут от него		обобщающей теории реального
61	К процедурам предварительного		отклоняться		экономического объекта,
	анализа данных временного ряда	66	При моделирование экономических		прогнозирования его дальнейшего
	относятся:		процессов, подверженных сезонным		поведения и управления им.
√	выявление аномальных наблюдений		колебаниям, временной ряд, в котором	√	процедура идеального моделирования –
√	проверка наличия тренда		наблюдаются и тренд и сезонные		это математическое моделирование, в
√	сглаживание временных рядов		колебания, называется:		процессе которого средствами
√	расчет показателей динамики	√	тренд с сезонным временным рядом		математики и логики строится знаковая
	экономических процессов				модель экономического объекта,
62	Показатели динамики экономических	67	Для исследования и прогнозирования		представляющая его отношения и
	процессов:		тренд-сезонных экономических		свойства с помощью знаков и их связей;
√	абсолютный прирост		процессов, необходимо решить	√	процедура исследования модели
√	темп роста		следующие задачи:		предполагает изучение специальной
√	темп прироста	√	определить наличие во временном ряде		литературы для понимания содержания
63	Найдите несоответствия в следующих		тренда		экономического объекта;
	выражениях:	√	выявить присутствие во временном ряде	73	Основными элементами экономико-
√	задачи анализа и моделирования		сезонных колебаний		математической модели являются:
	тенденций решают с помощью моделей	√	осуществить фильтрацию временного	√	экзогенные переменные
	кривых роста		ряда	√	эндогенные переменные
√	задачи взаимосвязи между	√	проанализировать динамику сезонной	√	индексы
	последовательными уровнями ряда		волны	√	параметры
	решают с помощью адаптивных методов	√	составить прогноз тренд-сезонного	74	Моделирование предполагает
	и моделей		экономического процесса		использование методов:
√	задачи причинных взаимодействий	68	Для определения наличия во временном	√	абстрагирования
	между исследуемым показателем и		ряде сезонных колебаний	√	идеализации
	показателями-факторами решают с		рекомендуется использовать следующие	√	построения абстракций
	помощью регрессионных моделей		критерии:	√	построение научных гипотез
64	Прогнозирование методом	√	дисперсионный	75	Исследуемое множество элементов
	экстраполяции базируется на следующих	√	гармонический		можно рассматривать как
	предположениях:	√	критерий, основанный на сравнении		кибернетическую систему, если
√	развитие исследуемого явления в целом		распределения коэффициента		выявлены следующие признаки:
	описывается плавной кривой		автокорреляции с распределением	√	целостность, т.е. принципиальная
√	общая тенденция развития явления в		циклического коэффициента		несводимость свойств системы к сумме
	прошлом и настоящем не указывает на		автокорреляции		свойств составляющих ее элементов
	серьезные изменения в будущем	69	Модель – это:	√	наличие цели и критерия исследования
√	учет случайности позволяет оценить	√	некоторое отражение реального объекта,		данного множества элементов
	вероятность отклонения от		которое может быть достигнуто	√	наличие более крупной внешней системы
	закономерного развития		различными средствами;		по отношению к данной системе,
71	Объектом моделирования является:	√	искусственный, созданный человеком		называемой "средой"
√	зафиксированный процесс развития		объект любой природы (умозрительный	√	возможность выделить в данной системе
	экономического объекта		или материально реализованный),		взаимосвязанные части (подсистемы)
√	наблюдаемый процесс развития		который замещает или воспроизводит
	экономического объекта		исследуемый объект;
√	гипотетический процесс развития	√	основное понятие математической
	экономического объекта		экономики

76 Структура кибернетической системы - это совокупность ее элементов и связей между ними, по которым могут проходить сигналы и воздействия которая включает:

√входы - элементы системы, к которым приложены входные воздействия или на которые поступают входные сигналы;

√выходы - элементы системы, которые осуществляют воздействие или передают сигнал в другую систему;

77 Под экономической системой, как одной из сложнейших управляемых систем понимается сложная вероятностная динамическая система, охватывающая процессы:

√производства

√обмена

√распределения

√потребления материальных благ

78 Структурными единицами экономической системы являются:

√системы большого масштаба

√отрасли экономики - системы второго порядка

√субъекты хозяйствования - производственные подсистемы отраслей экономики

√структурные подразделения субъектов хозяйствования - подсистемы предприятий, организаций

√домохозяйства

79 Экономическая система включает экономико-управляющие преобразователи:

√трудовые ресурсы

√материально-вещественные ресурсы

√природные ресурсы

√управляемую деятельность

√управляющую деятельность

80 По характеру перехода от одного состояния в другое системы делятся на

√статические

√динамические

√детерминированные

√стохастические

81 Процесс моделирования обязательно включает:

√выбор исследуемого объекта

√построение абстракций

√умозаключения по аналогии

√конструирование научных гипотез

82 Экономико-математическое моделирование - это процесс перевода исследуемых экономических объектов с языка экономики на язык:

√математики

83Экономико-математические модели, включают:

√некоторое число переменных величин для формализации модели объекта

√информационную базу данных объекта

√выражение взаимосвязей, характеризующих объект, в виде уравнений и неравенств

√критерии эффективности, выражаемые в виде математического соотношения - целевой функции

84 Экономико-математические методы - это обобщенное название комплекса экономических и математических дисциплин, включающих:

√экономическую кибернетику

√эконометрику

√методы принятия оптимальных решений

√специфические методы и дисциплины экономики

√экспериментальные методы изучения экономики

85 Экономической информация (совокупность сведений об экономической системе и ее среде, необходимых для решения конкретной задачи управления) классифицируется как:

√нормативная

√статистическая

√оперативно-управляющая

√научная

86 Экономическая информация состоит из информационных потоков и в зависимости от происхождения и назначения условно подразделяется на следующие виды:

√входная информация

√информация числовой конкретизации модели

√выходная информация

√связывающая информация

91 Содержательная (экономическая) постановка экономико-математической модели заключается в выделении основных элементов:

√исходные данные

√искомые переменные

√пределы, в которых могут находиться значения искомых величин в полученном решении

√зависимости между переменными

√критерии, по которым следует искать решение задачи

87Экономико-математические модели включают в себя следующие виды:

√прикладные модели, применяемые при решении конкретных задач прогнозирования, планирования, и управления в экономике;

√описательные, или дескриптивные, модели, которые описывают состояние тех или иных экон. показателей, и дают вероятностный прогноз динамики их изменения;

√балансовые модели, кот.представляют собой систему балансовых уравнений, удовлетворяющих требованиям наличия ресурса и его использования;

√оптимизационные модели в виде систем уравнений, которые включают уравнение - так называемый функционал, или критерий оптимальности;

√микромодели, отражающие функционирование и структуру отдельного звена экономической системы (например, предприятия) или состояние и

развитие отдельных социальноэкономических процессов.

88 Чтобы найти наилучшее решение многовариантной задачи с помощью методов математического моделирования, необх. следующее:

√дать качественную постановку задачи, т.е. словесно изложить суть задачи с указанием всех известных и неизвестных параметров, ограничительных условий и цели (целей) решения;

√сформировать на основании качественной постановки задачи ее математическую модель – абстрактное отображение реального процесса в виде количественных закономерностей (мат. уравнений и неравенств);

√включить в математическую модель ограничительные условия задачи (система ограничений) и критерий эффективности (функция цели), выражающий (ая) поставленную цель;

√реализовать математическую модель одним из множества методов

математического программирования;

98Последовательность вычислений, выполняемых при решении задачи с помощью Microsoft Excel:

√составление математической модели

√ввод условий задачи

√нахождение допустимого решения

√нахождение оптимального решения

√вариантный анализ полученного решения

89 Процесс постановки и реализации экономических задач методами математического моделирования основывается на общих принципах моделирования и состоит из пяти этапов.

√постановка экономической задачи, изложение сути задачи

√построение экономико-математической модели, т.е. формализация поставленной экономической задачи

√подготовка исходной информации в соответствии с содержательной частью задачи и избранным математическим методом

√численное решение задачи

√экономическая интерпретация результатов математического решения

задачи и их применение

90 Важнейшим звеном кибернетического моделирования является системный анализ, в результате которого производится формирование описания объекта:

√разбиваются на части сложные объекты (элементы)

√определяются связи этих элементов, их свойства, количественные и качественные значения свойств

√устанавливаются количественные и логические соотношения между ними, выражаемые в виде уравнений,

неравенств

92 Этап математического моделирования системный синтез включает:

√составление математической модели задачи (математическая постановка)

√построение экономико-математической модели объекта

√определение методов (алгоритмов) решения задачи

√производится математическое описание исследуемого экономического объекта или процесса

93 Во время формирования (создания) модели и ее интерпретации необходимо понимать следующее.

√какие ситуации поддаются моделированию

√как получить нужные для построения модели данные или как извлечь их из больших массивов данных

√какие существуют методы анализа моделей, помогающие в принятии управленческих решений

√что можно сделать, чтобы извлечь максимальную пользу из интерпретации модели и реализации решения

94 Модели широко используются благодаря тому, что заставляют выполнить следующие действия:

√явно определить цели

√определить и зафиксировать типы решений, которые влияют на достижение этих целей

√выявить и зафиксировать взаимосвязи и компромиссы между этими решениями

√тщательно изучить входящие в них переменные и определить возможность

их измерения

95 Компонентами математической постановки задачи оптимизации являются

√целевая функция F

√ограничения gi

√граничные условия

96 Среди линейных моделей математического программирования выделяют типы моделей:

√модель общей задачи линейного программирования

√модель транспортной задачи линейного программирования

√модель распределительной задачи линейного программирования

√модель ассортиментной задачи линейного программирования

97 Модель транспортной задачи линейного программирования состоит в нахождении решения перевозки груза от поставщиков к потребителям с целью минимизации транспортных затрат, при условии:

√объем поставок i-гo поставщика должен равняться количеству имеющегося у него груза

√объем поставок j-му потребителю должен быть равен его спросу

√запас груза у поставщиков должен равняться суммарному спросу потребителей

√размер поставок должен выражаться неотрицательным числом

√общая сумма затрат на перевозку груза должна быть минимальной

99 По характеру постановки и цели решения задачи транспортная модель подразделяется на разновидности:

√модель минимизации транспортных затрат

√модель назначений

√модель сбыта

√модель управления запасами

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
01.05.2025918 Кб4ответы по макро 1 часть.doc
#
01.05.2025593 Кб5Ответы по макроэкономике 2 часть.doc
#
19.09.2019547 Кб63Ответы по этике.doc
#
23.11.201964 Кб9Ответы товароведение.docx
#
24.11.201935 Кб12Ответы товароведение.docx
#
20.02.2016258 Кб42Ответы ЭММ_2 (для печати).pdf
#
20.02.2016120 Кб26Ответы ЭММ_2 (для печати)2.pdf
#
23.11.2019136 Кб9ОТВЕТЫ_ТОРГОВОЕ ОБОРУДОВАНИЕ аттестация 1-15.doc
#
24.11.2019229 Кб54ОТВЕТЫ_ТОРГОВОЕ ОБОРУДОВАНИЕ аттестация.doc
#
20.02.201614 Кб17ответы.docx
#
09.09.2019673 Кб20ОТП шпоры.doc