1) Недостаточная теоретическая обоснованность. В качестве примера могу привести нашумевший одно время так называемый экспоненциальный закон Яниша (Janisch, 1927). Яниш исходил из  совершенно правильного положения, что очень многие биологические закономерности отображаются экспоненциальными кривыми разного вида, но этому положению он придал догматический характер: все решительно биологические законы выражаются только экспоненциальными формулами, и никаких других кривых он не допускал. Началось с частного случая: критики гиперболической зависимости продолжительности развития (насекомых и других организмов) от температуры, но затем в своей книге он придал своему закону общебиологическое значение, что было воспринято рядом биологов как новая эра в биологии. 

В своей книге он приводит много разнообразных экспоненциальных кривых и показывает их близкое соответствие ряду биологических явлений, но при этом он совершенно не ограничивает себя ни формой кривых, ни числом параметров. Поэтому доказательная сила его чертежей полностью теряется, так как, если не ограничиваться числом параметров, то можно для любых эмпирических данных подыскать самые разнообразные математические закономерности и с таким же успехом говорить о «параболическом» или «синусоидальном» законе. Там же, где Яниш накладывает ограничения на выбор кривых, например при сопоставлении цепной линии с двойной гиперболой, его подход явно проигрывает, так как цепная линия несовместима с принятием биологически вполне оправданного физиологического порога (Любищев, 1969). 

2) Увлечение сложными машинами. Мы знаем, конечно, что новые сложные электронно-счетные машины представляют собой одно из величайших достижений современной науки и техники, позволяющее решать такие задачи, которые без их помощи или вовсе неразрешимы, или разрешимы только с непомерной затратой сил и средств. Следует ли из этого, что более высокая цивилизация будет означать решение всякого счета, всех задач только сложными машинами? Думаю, что нет. Сложные машины подобны сложной упряжке: лошадей долго запрягают, но затем они быстро едут. Но есть ли смысл прибегать к сложной упряжке для переезда через улицу? И пешее хождение, наверно, сохранится и тогда, когда человек будет летать на отдаленнейшие планеты. 

Мне думается, что счетная техника может быть грубо разбита на следующие семь ступеней, не считая разных вспомогательных таблиц, и номограмм: 1) счет в уме; 2) счеты; 3) письменный счет; 4) логарифмическая линейка; 5) арифмометр; 6) клавишно-счетные машины; 7) электронные машины. У нас сейчас в сильном упадке устный счет и в непомерном почете счеты. Я полагаю, что в будущей цивилизации счеты и арифмометр полностью исчезнут, счет в уме восстановит свою былую репутацию как экономнейший метод решения простейших задач, а письменный счет, логарифмическая линейка и клавишные машины будут занимать свое место. Хорошую иллюстрацию приводит Рейхман (Reichmann, 1963, стр. 23). 

Представитель фирмы сложных счетных машин предложил машину в китайский банк, где еще в ходу были счеты, и договорился о состязании машины со счетами. Но оказалось, что служащий банка закончил подсчет на счетах раньше, чем данные были введены в машину. Означает ли это реабилитацию счетов? Нет, конечно, а только иллюстрирует то положение, что до определенного уровня сложности машины без программирования (каковы арифмометры и клавишно-счетные машины) имеют преимущество перед машинами с программированием, а вряд ли наступит такой момент в истории человечества, когда решать придется только сложные задачи. 

Гораздо более вероятно предположение, что решению сложной задачи будет предшествовать рекогносцировочная работа по выбору наиболее перспективного и экономного пути исследования. Между тем в современной литературе имеется много попыток сразу переходить к более высокому этапу, минуя предварительную разведку. Например, очень перспективный метод дискриминантных функций нередко иллюстрируется так, что читатель не получает нужного впечатления о ценности этого метода. 

Так, в работе Матера и Добржанского (Mather & Dobzhansky, 1939) о различении видов-двойников дрозофил используется три признака для построения дискриминантной функции, но выясняется, что два признака нисколько не увеличивают информации, получаемой от первого, а потому все вычисление дискриминантной функции оказывается ненужным. Этот же упрек можно сделать примеру, приведенному в известном руководстве Э. Вебер (Weber, 1956). Гораздо целесообразнее провести предварительное рекогносцировочное исследование и отбор наиболее перспективных признаков (используя мысли, развитые в свое время В. И. Романовским, 1925), что можно проделать, используя простейшие графические приемы, и подвергать дальнейшему комплексированию только перспективные признаки.

Для примера могу сослаться на мои работы (Lubischew, 1962; Любищев, 1963). При этом, конечно, возможны некоторые ошибки в смысле переоценки признаков, которые в конечном счете окажутся малоценными, и, наоборот, недооценки таких признаков, которые сами по себе не имеют значения, но в комбинации с другими приобретают высокую значимость. Но такие случаи будут относительно редки; в большинстве же случаев надо ожидать, что предварительная оценка признаков подтвердится и при дальнейшем изучении. Переоценивая опасность, сопряженную с выбором признаков на первом этапе, легко впасть в гораздо более опасную крайность, игнорируя полностью рекогносцировочный этап в исследовании и пуская в обработку сразу большое количество признаков, измеренных на значительном числе объектов. При этом мы действительно сохраняем всю информацию всей совокупности наших измерений, по это достоинство покупается очень дорогой ценой и все-таки не гарантирует нас от ошибок. 

     Недостатки такого подхода заключаются в следующем: 
а) производя сразу большое количество измерений большого количества признаков, мы проделываем огромную работу, недоступную, как правило, механизации в биологической, особенно систематической, работе: когда мы производим браковку после рекогносцировочного исследования на малом числе измерений, мы соблюдаем принцип последовательного анализа и производим очень немного бесполезной работы по измерению признаков, оказавшихся неперспективными; если же браковку мы производили в конце исследования, то количество излишней, оказавшейся бесполезной работы возрастает во много раз; 

б) при этом, сохраняя всю информацию всей совокупности произведенных измерений, мы никогда не можем быть уверены, что, скажем, при вычислении дискриминантных функций мы исчерпали все наиболее ценные для построения функции признаки, так как число возможных для использования признаков бесконечно, а в выборе признаков мы не можем освободиться от субъективных моментов; 

в) вводя в работу сразу большое число признаков, мы сильно усложняем вычисления, которые часто оказываются доступными только совершенным числовым машинам; тем самым чрезвычайно сокращается число лиц, могущих работать этими методами: при применении же в данном случае принципа последовательных этапов в работе мы чрезвычайно расширяем круг лиц, могущих работать этими методами, так как работу, оказывается, можно успешно вести, используя только такой простой инструмент, как логарифмическая линейка; вычисления с применением простейших приборов можно производить в самых разнообразных местах (на пароходе, железной дороге) и в любой глуши, тогда как работа с электронными машинами, естественно, привязана к сравнительно небольшому числу научных центров. 

     Все эти недостатки свойственны весьма популярной в настоящее время так называемой нумерической таксономии (Sokal & Sneath, 1963). При этом нумерическая таксономия, используя сразу большое число признаков, уже не в состоянии использовать, как правило, внутритаксонную изменчивость, так как в противном случае вычисления приобретают сложность, недоступную даже для самых совершенных машин; этим теряется огромное количество информации, связанное с внутритаксонной изменчивостью (более подробно см. в моей статье, 1966). Увлечение сложными счетными машинами иногда основано на смешении цели и средства. Верно, что многие сложные научные проблемы невозможно разрешить без помощи очень сложных машин. 

Поэтому в первом приближении справедливо, что количество счетных машин, используемых в данной стране, может служить показателем высоты научного исследования. Но из этого вовсе не вытекает, что применение сложной машины уже гарантирует в данном случае разрешение важной научной проблемы и что все исследование находится на высоком уровне. Между тем очень часто огромное количество коэффициентов, вычисленное с помощью счетных машин, сравнивается так, как будто каждый коэффициент не имеет своей ошибки. Для примера возьму статьи Л. К. Выханду (1964) и его последователя С. Р. Вельдре (1964). Выханду предлагает для связывания признаков в одну упорядоченную систему метод «максимального корреляционного пути», и, пользуясь этим методом, Вельдре на основе 35 признаков строит схемы максимальных корреляционных путей для самцов и самок ушастой кругоголовки (рисунок в его статье на стр. 77). 

Эти две схемы для самцов и самок резко отличаются друг от друга. Вельдре приходит к выводу (стр. 85), что «центром общей корреляционной плеяды пластических признаков является у самок передняя нога, а у самцов - задняя». Этому различию автор придает биологический смысл (стр. 85): «Удача размножения во многом зависит от роющей способности самок, а при рытье передние ноги важнее, чем задние. Поэтому у самок передняя нога более дифференцирована от общей системы пластических признаков. Зато у самцов важнее задние ноги, от которых зависит быстрота самца при драках с другими самцами и быстрота преследования самок». Для постороннего человека может показаться, что этот вывод «математически обоснован», да еще с помощью электронных счетных машин.

Но если мы присмотримся к технике этого метода, то увидим, что там полностью игнорируется общеизвестный факт, что каждый коэффициент корреляции имеет свою погрешность. Из описания метода у Выханду (стр. 20-21) ясно: за начало пути берется признак, имеющий максимальный корреляционный коэффициент, в данном случае 0,717, но следующий по величине коэффициент практически совпадает с максимальным; он равен 0,716. И разбирая рисунок Вельдре, легко убедиться, что там, где, судя по рисунку, должно быть значительное различие коэффициентов, эти различия часто находятся в пределах средних ошибок коэффициентов. Можно поручиться, что при повторении построения схем максимального корреляционного пути на новой выборке из того же материала мы получим совершенно отличный результат (это можно проверить, проделав работу два раза после разделения исходного материала на две части); гипотеза преимущественно-го значения передней ноги самок и задней самцов не получит математи-ческого подтверждения. 

3. Погоня за мнимой информацией. Эта ошибка также связана с механизацией вычислительной работы. Даже клавишно-счетные машины так ускоряют процесс вычисления, что, например, при вычислении сумм квадратов мы получаем результат быстрее, если каждый квадрат получаем на машине, чем если пользуемся готовыми таблицами квадратов. Такое облегчение вычислений имело результатом то, что вычисления проводят: 1) без сведения исходных наблюдений в классы; 2) без вычислений от условного среднего, так как машина позволяет оперировать многозначимыми числами и многозначная поправка тоже вычисляется легко; 3) результат приводится с очень большим числом десятичных знаков. 

Первые два пункта не ошибочны, но привыкание к работе таким способом приводит нередко к убеждению, что сведение в. классы (обычное при работе без машин) уже составляет потерю информации. С точки зрения чисто вычислительной это верно, но надо себя спросить: какую информацию мы теряем? Факты, приведенные выше, доказывают, что в огромном большинстве случаев эта информация - мнимая, что последний знак наших измерений обычно лежит в пределах разных сортов «ошибки». 

    Что же касается приведения результата вычислений с большим количеством знаков, то с точки зрения чисто математической в этом нет ошибки, но такая чрезмерная точность дезориенирует читателя, которому непроизвольно внушается уверенность, что с меньшей точностью работать невозможно. Действительно, если мы посмотрим даже классические труды Р. Фишера, например его основное руководство Statistical methods for research workers (1936), то там в корреляционной таблице 31 в целях совершенного соблюдения точности индивиды, имеющие пограничное между классами значение, делятся на два или даже на четыре (в углах клеток): таблица принимает совершенно ненужную громоздкость, между тем как изменением границ классов можно без всякой потери точности устранить половинки и четвертушки. 

В таблице 11 ожидаемые значения вычисляются не менее чем с пятью значащими цифрами и т. д. Основная функция Z дана с четырьмя десятичными знаками: для показателей уровня значимости такая точность излишня. При переходе к функции F обычно приводят таблицы Снедекора, данные, например, в известном руководстве Е. Weber (1956) при 24 и 52 градациях числа степеней свободы (у Р. Фишера было соответственно 10 и 32); при этом таблица приобретает чрезмерную сложность, все значения приводятся с тремя значащими цифрами; для сокращения места при этом большей частью не помещают значения функции для высшего уровня значимости (Р<0,001). 

Из известных мне руководств этой чрезмерной точностью не страдают таблицы в книге Матера (Mather, 1946): число градаций сокращено до 9 и 28, значения даны с точностью до 0,1, но зато для четырех, а не двух уровней значимости. Таблицы получились более компактными, вполне достаточно точными и дающими гораздо более полное представление о степени значимости получаемых результатов. 
     Погоня за чрезмерной точностью приводит к неэкономности в исследовании; про нашего знаменитого ученого А. Н. Крылова говорили, что он энергично боролся с тем, чтобы в вычислительной работе не получали даже одного лишнего знака. 

Отмечу также блестящие статьи Лакатос (Lakatos, 1963-1964), на примере истории закона Эйлера о соотношении числа ребер, граней и вершин многогранника показавшую» трудную и извилистую судьбу этого закона. Для иллюстрации духа этой статьи укажу, что длительная беседа учителя с рядом учеников кончается словами (стр. 336): «Учитель: Научное исследование начинается и кончается проблемами (уходит из комнаты); 
- Бета (один из учеников): Но вначале у меня не было никаких проблем! А сейчас у меня ничего не осталось кроме проблем!» 

И вот Пойа правильно совмещает в своей книге величайшее уважение к одному из великих математиков, Лапласу, с указанием на ошибки, и притом чрезвычайно странные, того же самого Лапласа. На стр. 56 он берет эпиграфом к главе «Индукция в пространственной геометрии» слова Лапласа: «В самой математике главные средства достигнуть истины - индукция и аналогия» (из «Опыта философии теории вероятностей»), и вся глава проникнута этим духом. Но в дальнейшем он касается попытки Лапласа связать индукцию с вероятностью и показывает, что эта попытка приводит к невероятной описке Лапласа (стр. 398): «Эти применения кажутся глупыми, но нет ничего глупее следующего применения, принадлежащего самому Лапласу. «Если отнести древнейшую историческую эпоху, - говорит он, - за пять тысяч лет, или за 1826213 дней, назад и принять во внимание, что солнце постоянно восходило за этот промежуток времени при каждой смене суток, то будет 1 826214 шансов против одного за то, что оно взойдет и завтра» (Лаплас, 1908, стр. 23, 24)». 

Лаплас, конечно, знал, что за полярным кругом зимой солнце не восходит, он просто об этом позабыл и формулировал предложение заведомо неверное, если его не снабдить оговорками. Но сейчас стало совершенно ясно, что знаменитая для своего времени формулировка механического или лапласовского детерминизма, считавшего, что «значения координат и импульсов всех частиц во вселенной в данный момент времени совершенно однозначно определяют ее состояние в любой прошедший или будущий момент» (см. Философский словарь, 1963, стр. 121) тоже, так сказать, философская описка. Это - экстраполяция положений, справедливых в определенном интервале и с определенной точностью, на всю Вселенную и абсолютизация некоторых форм причинности. 

В этом положении, считавшемся долгое время абсолютной истиной, Лаплас бессознательно выступает как представитель определенного философского направления и игнорирует своего старшего современника, великого философа Канта, который в своих антиномиях отчетливо показал чрезвычайную сложность проблемы. Лаплас не мог формулировать свое положение в качестве абсолютной истины как естествоиспытатель, поскольку механический детерминизм отнюдь не может быть доказан. Не мог он высказать это положение и как математик. 

Во-первых, потому что именно ему принадлежит заслуга разработки особых точек дифференциальных уравнений, где правило единственности не соблюдается; следовательно, он сам создал математическую модель, не соответствующую его постулату механического детерминизма, на что в свое время указал французский математик Буссинеск. Во-вторых, потому, что экстраполяция положений, справедливых в определенном интервале на бесконечность, является не математической индукцией, а индукцией низшего сорта, широко применяемой в естествознании, но совершенно не претендующей на абсолютное значение. Биологи, например, склонны часто возводить в «закон» положение, оправдавшееся в большом числе случаев. 

     Может ли это делать математик? Нет, конечно. Даже в популярных книжках (см., например, И. С. Соминский, 1952 или Л. И. Головина и И. М. Яглом, 1961) показано, что утверждение, справедливое для k случаев, может быть признано справедливым для любого числа, только если будет доказана общая теорема: положение справедливо для k+1 случаев при условии, что оно справедливо для k случаев. А может быть, существует какое-то достаточно большое число, которое гарантирует справедливость защищаемого положения без доказательства общей теоремы? Такого числа не существует. В книжке Головиной и Яглома (стр. 6) приводится любопытный пример. Оказывается, сколько бы лет мы ни занимались вычислениями, мы никогда не получим полного квадрата из выражения 991*k2 + 1. Однако среди чисел этого вида есть полные квадраты, но наименьшее из них выражается числом из 29 цифр. 

Всей истории человечества не хватило бы на то, чтобы эмпирическим путем добраться до первого такого числа. Не следует думать, что современные математики не склонны повторять философских ошибок Лапласа. Ошибки повторяются, когда наши математики, и притом крупнейшие (назову А. Н. Колмогорова, С. Л. Соболева и А. А. Ляпунова), безоговорочно присоединяются к высказываниям определенной школы биологов и считают эти высказывания истиной, не подлежащей дискуссии, тогда как на самом деле они оказываются справедливы в определенном интервале. Поэтому ошибки математиков в биологии могут быть сведены к разным причинам: 1) недостаточная продуманность, подобно той, которую допустил Лаплас; 2) чрезмерный ригоризм; 3) философские предубеждения, связанные часто с эмоциями, справедливым негодованием по поводу злоупотреблений той или иной школы, и т. д. 

Приведу примеры. 
1) Недостаточная продуманность. Приведу только один мало известный пример, на который я натолкнулся в своей вычислительной практике. В книге Л. К. Лахтина (1922) приводится так называемый способ трапеций (стр. 16 и далее) для получения поправок к грубым центральным моментам. Для второго грубого момента надо добавить 1/6 интервала (стр. 19). Но если мы попробуем применить эти формулы для вычисления примеров, приведенных в книге, то убедимся, что получим несомненно худшее соответствие эмпирическим данным, чем это приведено самим Лахтиным в главе V. Оказывается, в главе V Лахтин пользовался не формулой Пирсона, где ко второму моменту добавляется 1/6 интервала, а поправкой Шеппарда, где от второго момента отнималась 1/12 интервала. Какая же формула справедлива? 

Как это ни странно, наш известный ученый Е. Е. Слуцкий (1915) принимает оба способа и рекомендует для сильно зигзагообразных кривых применять формулу Пирсона, а для плавных - Шеппарда. На самом деле верна формула Шеппарда, которую сейчас только и применяют, а формула Пирсона безусловно ошибочна, это указано и в статье Шеппарда, но не сразу получило осознание среди биометриков. В чем же ошибка? Она ясна из изложения Лахтина (стр. 16): «Если мы вернемся к чертежу 2 и соединим в последовательном порядке конечные точки ординат, проведенных через середины прямоугольников, то получится ломаная, которая ближе подойдет к плавной кривой, чем ступенчатая. 

Поэтому ее моменты ближе к величинам моментов плавной кривой, и их можно принять за исправленные величины прежних грубых моментов, полученных для ступенчатой площади». Здесь наглядность была принята за доказательство, и в этом заключается ошибка. Но если немного подумать, то станет ясно, что полученная ломаная хотя и более похожа на плавную кривую, чем ступенчатая кривая, ее моменты отличаются от моментов плавной кривой больше, чем моменты первоначальной ступенчатой площади. Здесь подвела «наглядность» -  источник многих ошибок в истории математики; ряд таких ошибок изложен в популярной брошюре Я. С. Дубнова (1961): в особенности любопытен пример 14: «Цилиндр Шварца» (стр. 52-58 и 66-68). 

2) Чрезмерный ригоризм. Под этим следует подразумевать требование при применении того или иного метода строго соблюдать условия, для которых создан данный метод. Требование как будто законное, но и тут, как всегда, надо соблюдать меру. Например, мы знаем, что нормальная кривая распределения играет огромную роль в математической статистике и огромное количество передовых методов предполагает подчинение изучаемых совокупностей нормальному распределению. Но, строго говоря, трудно найти такое реальное распределение, где со всей строгостью можно - было бы ожидать нормальное распределение. 

Обычными признаками являются, например, размеры или число, но ни величина, ни число реальных объектов не могут принимать отрицательные значения, а при выводе нормальной кривой принимается, что колебания в обе стороны от средней симметричны и могут быть любой величины. Реальным требованиям (ограниченность изменчивости в одну или обе стороны) удовлетворяют некоторые кривые К. Пирсона, но несмотря на это их теоретическое преимущество они сейчас почти вовсе вышли из употребления, так как требуют более громоздких вычислений и так как нормальное распределение уже получило большое развитие и лежит в основе многих прогрессивных направлений. Поэтому мы вправе считать наблюдаемое распределение практически нормальным, если оно не показывает существенного отклонения от нормального. 

     История точных наук показывает, что физики успешно применяли теорию вероятностей даже тогда, когда теоретические основы этой науки подвергались очень серьезной критике со стороны математиков. С. Н. Бернштейн (1933) пишет (стр. 5): «Однако скептицизм Бертрана не остановил и не замедлил дальнейшего стихийного, если так можно выразиться, внедрения теории вероятностей в различные области науки. Уже его современники Максвелл и Больцман превращают молекулярную статистику в важный экспериментально обоснованный отдел физики; и с другой стороны, благодаря открытию элементарного закона наследственности Менделя применение теории вероятностей к биологии становится не только возможным, но и необходимым». 

Мы знаем, что в настоящее время теория вероятностей получила очень прочное обоснование, и в этом велика заслуга русских математиков (упомяну А. М. Ляпунова, А. А. Маркова, А. Н. Колмогорова); вполне понятно, что, находясь на недосягаемой для биологов математической высоте, выдающиеся математики иногда проявляют чрезмерный ригоризм. Так, А. Н.. Колмогоров (1949) после разбора теоретических предпосылок дисперсионного анализа пишет: «Выводы получаются мало утешительными для дисперсионного анализа: предпосылки обычного его обоснования даже грубым образом осуществляются в гораздо более ограниченном классе практических задач, чем это обычно предполагается». 

Эти слова авторитетнейшего математика, конечно, могут отпугнуть многих желающих заняться дисперсионным анализом, хотя в другом месте автор ставит «некоторые задачи для дальнейшего изучения и развития методов дисперсионного анализа, которые при более осторожном употреблении должны все же быть признаны очень полезными во многих практических статистических исследованиях». Значит, пока методы не усовершенствованы, «осторожнее» будет их не применять. Между тем для практического работника основным приемом осторожного применения является постоянный контроль путем разных подходов к одному и тому же материалу и получения непротиворечивых результатов. 

3) Философские и эмоциональные предубеждения то, что можно назвать «убеждения чувства», а не разума. Об этом уже говорилось в начале статьи. Добавлю только один яркий пример. В 1962 г. на страницах «Литературной газеты» проходила дискуссия, начавшаяся статьями филолога Б. Бялика и математика С. Л. Соболева (номера от 29 мая и 2 июня) на животрепещущую тему, могут ли быть созданы кибернетические машины, которые во всех отношениях окажутся совершеннее современных людей. Б. Бялик считал, что такие утверждения просто шутка, а С. Л. Соболев, напротив, утверждает, что вопрос: «Может ли человек построить кибернетическую машину совершенно столь же или еще более разумную, чем человек?» - поставлен неправильно, так как никакой принципиальной разницы между машиной и человеком не существует. «Человек - это самая совершенная из известных нам пока кибернетических машин, в построении которой программа заложена генетически» и «будущие кибернетические машины это, в частности, - будущие люди. Люди эти, кстати говоря, будут гораздо совершеннее современных нам людей». 

     Общефилософский вопрос, сводимы ли все процессы в организмах к законам физики и химии, совершенно независим от вопроса о возможности построить машины умнее человека. Средневековые алхимики, как правило, не были механистами и, однако, допускали возможность кристаллизации гомункулуса в реторте, механисты конца XIX в. считали все процессы в организмах сводимыми к механике, физике и химии, но надеялись самое большее на искусственное построение самых простейших организмов. 

Можно дать такое определение машины, что туда подойдет и разумное существо, но из этого вовсе не следует, что если машины низшего ранга могут быть искусственно построены человеком, то все машины самого высокого ранга могут быть искусственно построены. Если, скажем, доказано, что то или иное явление выражается алгебраическим уравнением, это не обозначает, что оно разрешимо, в радикалах. Поэтому высказывание 
. Л. Соболева скорее «убеждение чувства». 

     Я постарался показать на ряде примеров, что применение математики в биологии не может быть сведено к выполнению определенных технических приемов, гарантирующих от ошибок. Конечно, в хорошо разработанных областях науки, там, где проводится обширное исследование по стандартной методике, возможен сбор материалов до известной степени механически, но и тогда результаты соседних наблюдений контролируют друг друга. В работах же, носящих более изолированный характер,  тем более при проникновении в совершенно новые области взаимный контроль разных подходов к тому же вопросу совершенно необходим. 

Статья поступила в редакцию 
15.Х.1966