За 4 минуты 16 секунд были переданы 4 файла размером по 256 кбайт. чему равна скорость передачи данных через adcl-соединение? значение указать в кбит/с

4минути 16 секунд = 256секунд 4 файла * 256 кбайт = 1024кб общий размер переданой инф. 1024кб*8=8192кбит 8192кбит/256=32 скорость передачи в кбит/с

Алг нач   цел a, sum, pro   вывод 'введите трёхзначное положительное число: '   ввод a   если a< 100 или a> 999     то вывод 'это не трёхзначное число. перезапустите программу! '     иначе       sum : = mod( a, 10) + mod( div( a,10),10) + div( a,100)       pro : = mod( a, 10) * mod( div( a,10),10) * div( a,100)       если sum > 9 и sum < 100         то вывод 'сумма цифр числа ', a,' - двухзначное число (', sum,')', нс         иначе вывод 'сумма цифр числа ', a,' - не двухзначное число (', sum,')', нс       все       если pro > 99 и pro < 1000         то вывод 'произведение цифр числа ', a,' - трёхзначное число (', pro,')', нс         иначе вывод 'произведение цифр числа ', a,' - не трёхзначное число (', pro,')', нс       все       если mod( sum, 3) = 0         то вывод 'эта же сумма (', sum,') кратна трём', нс         иначе вывод 'эта сумма (', sum,') не кратна трём', нс       все   все кон

А) обычно используется для статистической обработки результатов эксперимента, когда по заданному набору точек на плоскости (хотя можно и не только для плоскости применять) получают функцию в виде уравнения (т. е. аналитически заданную) , непрерывную в области, заданной этими точками, которая максимально близко соответствует этому заданному набору точек. такое определение функции обычно называется табличным, а полученную в результате в аналитическом виде функцию - линией регрессии. критерий её поиска - минимизация суммы квадратов отклонений данной функции (линии регрессии) от изначально заданных точек, поэтому и называется "метод наименьших квадратов".б) основная  тенденция   изменения чего-либо: например, в —  временного ряда .в)  линия проходит через центр тяжести выборочных данных,  то есть выполняется равенство: y=b1+sum(bi·xi) г) нет, не может. потому что в этом случае параллельно опустив тренд до первой же точки , мы уже добьемся лучшего совпадения с экспериментальными данными. все расстояния от тренда до экспериментальных точек уменьшатся, а, значит, уменьшится и сумма квадратов расстояний.возможно,где-то я ошиблась