тде черта над символами обозначает среднюю их величину; р — коэф-
фициент корреляции между величинами @ и К (8); 
ба И бк — сред-
ние квадратические отклонения этих величин; А — общая месячная
сумма осадков.
' Допустим, что а и К — величины независимые, т. ©. что р=0)
В этом случае
А,= АК ). 
()
Как показано в работе [1], вероятность К (9) может быть при-
нята равной единице при @, меньшей некоторого значения 
@),
нулю 
— при @, большей некоторого другого значения Ф (ясно, что
%>> %1) и изменяющейся линейно в интервале между #; и ®%, т. е
1 
при 
#< %,
% —9
К® =| о- при ® < % <%,
0 
при % < ®.
Таким образом, К (8) — кусочно-линейная функция. Ее среднее
значение
к@ = | к®)р(@) @—
ь 
ь
' 
% — ®
| #®)ее-Е| че
% 
®
ь
ъ 
о
= | э@) 
@ -- — “Гд(с»аъ _Ь(рш)мо; 
©
здесь р (9) — плотность распределения © в течение месяща. Так как
нас интересует некоторый средний закон распределения этой вели-
чины, то можно показать, что лучше всего 
он 
аппроксимируется
нормальным законом, т. е.
р@ =——==
о
где с— среднее квадратическое отклонение средних суточных зна-
чений температуры воздуха; © — среднее месячное значение темпе-
ратуры воздуха.
Уравнение (2) можно существенно упростить, если выразить его
через интеграл Лапласа (интеграл вероятности):
а@
Ф@ = %; е “ ах,
для вычисления которого практически в каждом справочнике по ма-
тематике имеются специальные таблицы. С этой целью произведем
следующие замены:
зУЗах.