Evidencia
Salvador Rasura
2023-11-13
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(caret)## Loading required package: ggplot2## Loading required package: latticelibrary(rpart)
library(rpart.plot)
library(party)## Loading required package: grid## Loading required package: mvtnorm## Loading required package: modeltools## Loading required package: stats4## Loading required package: strucchange## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric## Loading required package: sandwich##
## Attaching package: 'party'## The following object is masked from 'package:dplyr':
##
## wherelibrary(gmodels)
library(ggplot2)
library(caret)
library(lattice)
library(rpart)
library(rpart.plot)df = read.csv("/Users/salvadorrasura/Downloads/Datos bienes y raices CDMXF (2).csv")str(df)## 'data.frame': 658 obs. of 23 variables:
## $ Alcaldia : chr "La Magdalena Contreras" "Tlahuac" "Cuajimalpa" "Tlahuac" ...
## $ Colonia : chr "San Jer\xf3nimo L\xedndice" "Xochicalli " "Bosques de las Lomas" "La Turba" ...
## $ X1 : num 1.86 1.54 1.55 1.54 1.54 1.54 0.61 1.34 2.3 1.02 ...
## $ X2 : num 5.62 4.5 5.76 4.5 4.5 4.5 5.57 5.68 4.57 6.37 ...
## $ X3 : num 47.8 46.6 44.4 46.6 46.6 ...
## $ X4 : num 21.7 20.1 18.9 20.1 20.1 ...
## $ X5 : num 32.2 26.8 24.4 26.8 26.8 ...
## $ X6 : num 4.54 5.04 4.17 5.04 5.04 5.04 1.06 3.19 6.81 2.28 ...
## $ X7 : num 0.71 0.96 0.43 0.96 0.96 ...
## $ X8 : num 0.17 0.1 0.06 0.1 0.1 0.1 0.03 0.03 0.17 0.04 ...
## $ X9 : num 9.56 9.61 6.68 9.61 9.61 9.61 4.5 6.98 8.25 8.15 ...
## $ X10 : num 50.1 52.8 39.6 52.8 52.8 ...
## $ Cocina_equip : chr "Si" "Si" "Si" "No" ...
## $ Gimnasio : chr "Si" "No" "Si" "No" ...
## $ Amueblado : chr "No" "No" "No" "No" ...
## $ Alberca : chr "No" "No" "No" "No" ...
## $ Terraza : chr "Si" "No" "Si" "No" ...
## $ Elevador : chr "Si" "No" "Si" "No" ...
## $ m2_construido : int 150 51 305 42 50 80 163 144 50 64 ...
## $ Banos : num 2 1 3 1 1 1 2 2.5 1 1 ...
## $ Recamaras : int 3 2 3 2 2 2 3 3 2 2 ...
## $ Estacionamiento: chr "2" "1" "3" "1" ...
## $ Precio : int 6500 1200 17500 1046 1195 388 12738 7150 2950 950 ...#Primer paso: hacer clúster #interpretacion en este primer paso empezamos con la elaboración de los clústeres seleccionando las variables décadas de la base de datos para crear una nueva base de datos llamada df2 que solo contenga las variables de x.
# Seleccionar solo las columnas "x1 - x10"
df2 <- df[, c("X1","X2", "X3","X4", "X5", "X6","X7","X8","X9","X10", "Precio")]
df2## X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 Precio
## 1 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 6500
## 2 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1200
## 3 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 17500
## 4 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1046
## 5 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1195
## 6 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 388
## 7 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 12738
## 8 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7150
## 9 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2950
## 10 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 950
## 11 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1890
## 12 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 622
## 13 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 680
## 14 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1849
## 15 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1490
## 16 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 47200
## 17 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7129
## 18 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2049
## 19 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 455
## 20 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 695
## 21 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 8087
## 22 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 6200
## 23 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1828
## 24 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 17666
## 25 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8500
## 26 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2950
## 27 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2000
## 28 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2180
## 29 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1150
## 30 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1960
## 31 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4091
## 32 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1046
## 33 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 695
## 34 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 11313
## 35 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 650
## 36 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1225
## 37 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 522
## 38 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 473
## 39 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1018
## 40 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 864
## 41 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 14666
## 42 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 408
## 43 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6300
## 44 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 550
## 45 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 836
## 46 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 1736
## 47 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2365
## 48 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14900
## 49 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 849
## 50 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 3267
## 51 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 530
## 52 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 15000
## 53 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 915
## 54 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3300
## 55 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8524
## 56 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 2800
## 57 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 10100
## 58 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4990
## 59 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 20900
## 60 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 12800
## 61 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2300
## 62 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 587
## 63 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 8440
## 64 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 680
## 65 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1320
## 66 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 800
## 67 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 505
## 68 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 920
## 69 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 4570
## 70 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 285
## 71 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 3500
## 72 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 4586
## 73 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 193
## 74 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4996
## 75 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 259
## 76 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 1500
## 77 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1900
## 78 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 3539
## 79 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 15999
## 80 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14000
## 81 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 14950
## 82 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 3280
## 83 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4578
## 84 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 803
## 85 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 5800
## 86 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2690
## 87 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 830
## 88 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7225
## 89 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1
## 90 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6400
## 91 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6750
## 92 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 4500
## 93 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14500
## 94 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1580
## 95 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14900
## 96 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 9298
## 97 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1860
## 98 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 523
## 99 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 870
## 100 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 11000
## 101 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1680
## 102 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3350
## 103 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 890
## 104 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 1600
## 105 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 1490
## 106 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1900
## 107 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6339
## 108 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1180
## 109 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 128524
## 110 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1290
## 111 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 900
## 112 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 269
## 113 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 4800
## 114 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 15500
## 115 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3990
## 116 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 799
## 117 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1300
## 118 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4250
## 119 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1091
## 120 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 870
## 121 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 629
## 122 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 950
## 123 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 990
## 124 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 11200
## 125 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1750
## 126 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7500
## 127 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 800
## 128 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1600
## 129 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5950
## 130 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 358
## 131 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3323
## 132 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2250
## 133 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1145
## 134 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3200
## 135 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 11850
## 136 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3148
## 137 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1060
## 138 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 695
## 139 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3381
## 140 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 2351
## 141 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 1380
## 142 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1290
## 143 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4350
## 144 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1538
## 145 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 547
## 146 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 1845
## 147 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 780
## 148 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1290
## 149 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 1410
## 150 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2990
## 151 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1100
## 152 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9292
## 153 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 404
## 154 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 8190
## 155 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 360
## 156 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 750
## 157 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 4071
## 158 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 14500
## 159 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3950
## 160 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1550
## 161 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 640
## 162 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1520
## 163 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1043
## 164 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2360
## 165 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 658
## 166 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1690
## 167 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 1918
## 168 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 570
## 169 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1150
## 170 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 10700
## 171 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1400
## 172 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3900
## 173 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 850
## 174 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6950
## 175 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 685
## 176 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1500
## 177 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2131
## 178 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 150
## 179 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 895
## 180 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 509
## 181 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5524
## 182 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 15118
## 183 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 9910
## 184 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 354
## 185 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 10200
## 186 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 899
## 187 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1155
## 188 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 803
## 189 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1538
## 190 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 308
## 191 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 750
## 192 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2730
## 193 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5434
## 194 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1720
## 195 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1700
## 196 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 450
## 197 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 792
## 198 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4522
## 199 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1650
## 200 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 5252
## 201 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2600
## 202 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1500
## 203 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 737
## 204 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 700
## 205 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 15000
## 206 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 25000
## 207 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 850
## 208 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8500
## 209 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3010
## 210 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2000
## 211 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 34900
## 212 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4160
## 213 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1980
## 214 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8900
## 215 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 23609
## 216 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3800
## 217 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 395
## 218 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 291
## 219 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 780
## 220 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 13900
## 221 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 4375
## 222 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 830
## 223 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1100
## 224 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1190
## 225 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 2832
## 226 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 12500
## 227 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 958
## 228 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 6224
## 229 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1380
## 230 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 891
## 231 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 565
## 232 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1748
## 233 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 968
## 234 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 861
## 235 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1115
## 236 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 13295
## 237 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 2900
## 238 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 220
## 239 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 521
## 240 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3450
## 241 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3990
## 242 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 750
## 243 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 932
## 244 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1157
## 245 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 970
## 246 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 561
## 247 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6900
## 248 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 330
## 249 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1106
## 250 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2700
## 251 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 506
## 252 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5548
## 253 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 620
## 254 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 295
## 255 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1300
## 256 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 116
## 257 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 780
## 258 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1873
## 259 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 317
## 260 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2900
## 261 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 28000
## 262 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 890
## 263 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 700
## 264 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3300
## 265 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3543
## 266 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7400
## 267 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2180
## 268 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 12500
## 269 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 15500
## 270 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 683
## 271 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6300
## 272 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9900
## 273 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3900
## 274 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4900
## 275 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 10175
## 276 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5450
## 277 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 638
## 278 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3778
## 279 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2800
## 280 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2000
## 281 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1700
## 282 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 13000
## 283 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1300
## 284 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 790
## 285 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 746
## 286 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2366
## 287 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 265
## 288 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2900
## 289 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4950
## 290 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1900
## 291 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3900
## 292 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1130
## 293 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 547
## 294 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5950
## 295 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3090
## 296 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4109
## 297 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 8500
## 298 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 950
## 299 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 2000
## 300 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 2624
## 301 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7350
## 302 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2328
## 303 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 3465
## 304 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2500
## 305 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 777
## 306 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5115
## 307 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6200
## 308 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 442
## 309 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 3100
## 310 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1100
## 311 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 14500
## 312 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 351
## 313 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 8217
## 314 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 730
## 315 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7500
## 316 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 488
## 317 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1170
## 318 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 370
## 319 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1200
## 320 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4250
## 321 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 7500
## 322 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4045
## 323 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1753
## 324 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 825
## 325 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1695
## 326 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 500
## 327 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 534
## 328 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 491
## 329 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 741
## 330 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 970
## 331 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 13800
## 332 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9000
## 333 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 10290
## 334 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2800
## 335 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4970
## 336 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 1280
## 337 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 623
## 338 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3250
## 339 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6231
## 340 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 247
## 341 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 4498
## 342 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2150
## 343 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 578
## 344 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 15300
## 345 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1158
## 346 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4900
## 347 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 2000
## 348 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 3549
## 349 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 1915
## 350 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2300
## 351 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 9500
## 352 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 2026
## 353 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8200
## 354 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 8500
## 355 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5300
## 356 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 725
## 357 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14672
## 358 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1200
## 359 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3100
## 360 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1470
## 361 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6700
## 362 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 671
## 363 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 899
## 364 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 236
## 365 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1100
## 366 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 750
## 367 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3316
## 368 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 2093
## 369 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5900
## 370 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 378
## 371 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1190
## 372 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5500
## 373 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 8900
## 374 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 4100
## 375 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5151
## 376 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 16000
## 377 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 6750
## 378 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 950
## 379 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 623
## 380 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 6300
## 381 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5282
## 382 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2178
## 383 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5300
## 384 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 780
## 385 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 11900
## 386 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 5900
## 387 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 11950
## 388 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 774
## 389 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 990
## 390 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 618
## 391 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 13500
## 392 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 14990
## 393 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6700
## 394 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 816
## 395 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 5975
## 396 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 594
## 397 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 800
## 398 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 785
## 399 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1595
## 400 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1250
## 401 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6000
## 402 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2500
## 403 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 553
## 404 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 797
## 405 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5823
## 406 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 13000
## 407 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 820
## 408 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 660
## 409 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 980
## 410 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 759
## 411 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 840
## 412 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 15500
## 413 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1400
## 414 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1750
## 415 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 850
## 416 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 440
## 417 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6000
## 418 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 7506
## 419 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 430
## 420 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1750
## 421 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 3465
## 422 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3840
## 423 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 14000
## 424 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1808
## 425 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 369
## 426 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1097
## 427 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 645
## 428 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 11900
## 429 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 535
## 430 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14000
## 431 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1200
## 432 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 9936
## 433 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1250
## 434 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2560
## 435 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2199
## 436 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 573
## 437 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5255
## 438 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 428
## 439 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3700
## 440 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3880
## 441 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 408
## 442 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 684
## 443 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 8280
## 444 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 407
## 445 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9950
## 446 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 903
## 447 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 990
## 448 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 607
## 449 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 570
## 450 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1100
## 451 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3450
## 452 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1285
## 453 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 720
## 454 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 965
## 455 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 3213
## 456 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 812
## 457 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 650
## 458 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 890
## 459 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5500
## 460 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 1446
## 461 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1530
## 462 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 665
## 463 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1050
## 464 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7561
## 465 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8190
## 466 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2350
## 467 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1450
## 468 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1225
## 469 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7200
## 470 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6600
## 471 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 702
## 472 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 11000
## 473 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 920
## 474 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 998
## 475 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 758
## 476 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1078
## 477 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1400
## 478 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 4480
## 479 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3148
## 480 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 3740
## 481 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1200
## 482 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 699
## 483 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2995
## 484 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 630
## 485 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 1350
## 486 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 3627
## 487 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 11900
## 488 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1360
## 489 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7990
## 490 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1106
## 491 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2700
## 492 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1823
## 493 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 10800
## 494 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 12768
## 495 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1250
## 496 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2760
## 497 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 10500
## 498 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 800
## 499 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 613
## 500 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 737
## 501 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 23000
## 502 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 760
## 503 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 5495
## 504 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7150
## 505 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 5790
## 506 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 6400
## 507 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 1390
## 508 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1748
## 509 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 452
## 510 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6200
## 511 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 6000
## 512 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2975
## 513 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 860
## 514 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3140
## 515 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1280
## 516 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3787
## 517 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 750
## 518 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 284
## 519 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 4200
## 520 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 12200
## 521 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 14175
## 522 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 1387
## 523 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1400
## 524 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 16900
## 525 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5310
## 526 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5453
## 527 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 6000
## 528 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8524
## 529 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1840
## 530 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2600
## 531 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 665
## 532 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1750
## 533 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 785
## 534 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5900
## 535 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 750
## 536 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1350
## 537 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1900
## 538 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1950
## 539 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 993
## 540 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1054
## 541 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 4300
## 542 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 758
## 543 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 423
## 544 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 980
## 545 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 3287
## 546 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 9000
## 547 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2803
## 548 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1091
## 549 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 860
## 550 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 15000
## 551 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1050
## 552 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5550
## 553 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9041
## 554 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 22990
## 555 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 13250
## 556 1.13 4.47 41.42 16.97 26.97 2.92 0.07 0.05 7.68 39.10 543
## 557 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2817
## 558 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8150
## 559 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 850
## 560 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 11750
## 561 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1195
## 562 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 771
## 563 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 2350
## 564 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 5800
## 565 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2650
## 566 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1160
## 567 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 17500
## 568 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 13300
## 569 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 4000
## 570 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1080
## 571 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2550
## 572 1.55 5.76 44.36 18.90 24.42 4.17 0.43 0.06 6.68 39.65 11700
## 573 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1280
## 574 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 245
## 575 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 12300
## 576 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 907
## 577 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 847
## 578 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 7100
## 579 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1705
## 580 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 3900
## 581 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 2001
## 582 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 11313
## 583 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3200
## 584 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 431
## 585 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 22500
## 586 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 780
## 587 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 2985
## 588 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 1980
## 589 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2686
## 590 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4472
## 591 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1690
## 592 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3800
## 593 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 890
## 594 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4655
## 595 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 12900
## 596 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2600
## 597 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2400
## 598 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 2150
## 599 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 980
## 600 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3850
## 601 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 797
## 602 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 650
## 603 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9990
## 604 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 5000
## 605 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 404
## 606 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 2157
## 607 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 802
## 608 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 2900
## 609 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 1874
## 610 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 887
## 611 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4449
## 612 2.30 4.57 46.68 21.30 32.14 6.81 10.21 0.17 8.25 50.06 3883
## 613 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 659
## 614 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 13500
## 615 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 7020
## 616 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8585
## 617 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 10300
## 618 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 3620
## 619 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 15000
## 620 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 551
## 621 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1008
## 622 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 12500
## 623 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 13365
## 624 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1058
## 625 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 770
## 626 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 4690
## 627 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 321
## 628 1.39 4.60 40.26 16.53 27.88 3.71 3.91 0.08 6.22 36.76 3316
## 629 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 7790
## 630 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 877
## 631 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 6980
## 632 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 4990
## 633 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 13000
## 634 2.80 3.81 51.23 23.46 30.32 8.53 6.47 0.23 13.06 63.97 1915
## 635 1.40 4.99 40.21 18.21 25.42 2.92 0.30 0.05 9.53 43.86 285
## 636 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 1018
## 637 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3980
## 638 1.54 4.50 46.56 20.05 26.78 5.04 0.96 0.10 9.61 52.75 730
## 639 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 804
## 640 0.61 5.57 35.54 10.50 18.46 1.06 0.07 0.03 4.50 20.12 17500
## 641 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1450
## 642 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 580
## 643 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 790
## 644 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 3350
## 645 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 5600
## 646 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9100
## 647 1.02 6.37 43.62 16.35 28.25 2.28 0.06 0.04 8.15 39.08 914
## 648 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 3295
## 649 0.90 6.78 42.09 12.23 26.83 1.70 0.11 0.05 6.21 30.68 7517
## 650 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 9647
## 651 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 900
## 652 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1050
## 653 1.34 5.68 42.85 17.83 23.74 3.19 0.28 0.03 6.98 36.60 8500
## 654 0.35 6.23 31.70 6.07 20.07 0.48 0.03 0.02 3.17 15.15 5792
## 655 0.77 4.98 32.91 10.97 24.55 1.70 0.05 0.03 5.47 25.71 2200
## 656 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 1094
## 657 1.86 5.62 47.82 21.69 32.20 4.54 0.71 0.17 9.56 50.08 650
## 658 0.96 5.97 38.99 15.50 20.61 1.83 0.46 0.03 7.57 35.22 3090Aquí seleccionamos las variables numéricas de este segundo data frame llamado df2
# 2. Seleccionar las columnas numéricas
numeric_columns <- df2 %>% select_if(is.numeric) #Este comando asume que numeric_columns contiene las columnas numéricas que deseas escalar en tu df.
# 3. Escalar las columnas numéricas
df_scaled <- scale(numeric_columns)En esta parte vamos a calcular las medianas de las variables numéricas de nuestro df2.
# 4. Calcular las medianas de las variables numéricas escaladas
medianas <- apply(df_scaled, 2, median)# -----------------------------------------------------------
# 3. Realización de K-means
# -----------------------------------------------------------
# Establecer una semilla para la reproducibilidad
set.seed(42)En esta chunk empezamos nombrando con k <- 4 que se va a crear solo 4 clústeres, después se generan de manera aleatoria índices de filas df2
k <- 4 # Cambia este valor por el número de clusters que deseas
indices_centroides_iniciales <- sample(1:nrow(df_scaled), k)
centroides_iniciales <- df_scaled[indices_centroides_iniciales, ]Aquí se usa el k-means para agruparlos por similitudes, utilizando los centroides como puntos de referencia de los clúster
# Ejecutar k-means con los centroides iniciales
resultado_kmeans <- kmeans(df_scaled, centers = centroides_iniciales)Aquí se imprimen los datos del k-means y como resultado os da que cada clúster se define por sus respectivas medias de las variables numéricas. Por ejemplo, el clúster 1 tiene una media más alta en todas las variables, mientras que el clúster 2 tiene medias bajas en comparación. La última sección muestra información adicional, incluyendo la suma de los cuadrados dentro de cada clúster y otros componentes del análisis.
print(resultado_kmeans)## K-means clustering with 4 clusters of sizes 230, 109, 115, 204
##
## Cluster means:
## X1 X2 X3 X4 X5 X6
## 1 0.99144553 -0.5277678 1.0321407 0.9375971 0.98907917 1.0793498
## 2 -1.53252835 0.1722245 -1.7906734 -1.8230143 -1.23159716 -1.3615073
## 3 0.05071561 -0.7785786 -0.4159482 0.1130552 -0.02807304 -0.1698609
## 4 -0.32754499 0.9419151 0.0275739 -0.1467653 -0.44125352 -0.3936870
## X7 X8 X9 X10 Precio
## 1 0.49885271 1.2206514 0.8936640 1.0489296 -0.3616961
## 2 -0.46353926 -0.8799798 -1.6248474 -1.7209898 0.4782301
## 3 0.08327049 -0.3569882 0.3795556 0.1471179 -0.3476297
## 4 -0.36169829 -0.7047960 -0.3533493 -0.3460024 0.3482375
##
## Clustering vector:
## [1] 1 1 4 1 1 1 2 4 1 4 1 3 3 1 2 2 4 2 4 4 2 1 4 4 4 1 4 4 1 1 4 1 1 4 3 1 3
## [38] 3 1 3 4 1 4 3 3 3 3 2 4 1 1 4 3 2 4 1 2 2 4 2 1 1 4 1 2 1 3 1 3 3 1 4 3 4
## [75] 3 3 4 1 2 2 4 1 4 3 1 2 4 4 1 4 4 1 2 4 2 4 1 1 3 2 1 2 1 3 3 1 4 2 4 1 1
## [112] 3 4 1 2 3 1 4 1 3 3 3 1 4 1 4 1 1 4 3 4 4 1 2 2 2 1 1 4 2 3 1 2 1 1 3 3 4
## [149] 3 4 1 4 3 1 1 1 2 4 4 1 4 2 1 3 3 1 3 1 1 4 1 4 1 4 3 4 4 1 4 1 2 2 3 1 4
## [186] 1 1 3 1 3 3 1 4 1 4 1 3 4 1 3 2 1 3 1 2 2 1 4 4 4 2 4 4 4 3 3 4 1 4 2 3 3
## [223] 1 1 2 2 4 2 4 1 3 1 3 3 1 2 2 3 4 3 3 3 3 1 4 1 4 1 1 1 1 4 3 1 1 1 1 2 3
## [260] 1 4 3 1 4 4 4 3 4 1 4 4 4 2 4 4 4 4 4 2 2 1 4 1 1 3 3 1 2 2 1 4 2 1 4 4 2
## [297] 1 1 1 1 4 4 4 4 1 2 4 1 1 1 4 1 2 1 4 3 2 1 1 4 4 4 1 3 1 3 3 1 4 3 4 4 4
## [334] 4 4 1 3 2 4 4 2 2 4 4 1 2 1 4 1 1 4 3 4 4 2 1 2 1 3 1 4 1 4 1 1 1 3 3 4 4
## [371] 1 4 4 2 4 2 2 1 1 1 2 2 4 1 4 1 2 3 1 3 4 3 4 3 1 4 4 1 1 1 4 4 3 3 2 4 3
## [408] 3 4 1 1 1 1 1 1 3 4 2 1 1 4 4 4 2 1 1 1 2 1 2 1 2 1 2 4 1 4 3 4 4 1 3 2 3
## [445] 4 1 1 1 4 1 2 1 4 4 4 4 3 1 4 2 1 4 1 4 4 4 1 1 4 4 1 4 1 3 3 1 1 4 2 1 1
## [482] 3 2 3 3 1 4 1 4 1 2 2 1 2 1 2 4 1 1 3 4 1 2 4 1 1 3 1 3 4 4 3 1 2 1 2 1 1
## [519] 2 3 2 1 1 2 4 4 1 4 4 2 1 4 1 4 4 1 1 4 3 1 1 1 4 3 1 4 4 1 1 2 1 4 4 4 4
## [556] 3 2 4 3 2 1 3 4 2 3 1 2 2 3 2 1 4 1 1 4 3 3 3 1 1 1 4 2 1 2 1 2 4 2 4 1 2
## [593] 4 4 4 1 2 3 3 3 3 1 4 4 3 1 1 1 2 3 4 1 4 2 2 4 2 2 4 3 1 4 3 1 1 1 1 3 4
## [630] 3 4 4 2 1 3 1 2 1 4 2 1 4 1 2 4 4 4 4 4 4 1 1 4 2 2 1 1 4
##
## Within cluster sum of squares by cluster:
## [1] 1164.5792 322.9424 193.8819 742.1632
## (between_SS / total_SS = 66.5 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"Separar Datos de Clusters
df_with_clusters <- cbind(df_scaled, cluster = as.factor(resultado_kmeans$cluster))
df_with_clusters <- as.data.frame(df_with_clusters)primero se creo un df con los clusters se les elaboro un df para cada cluster el cual se llaman df_cluster_1, df_cluster_2, df_cluster_3, y df_cluster_4 para asi despues psar a analizarlos.
df_cluster_1 <- df_with_clusters %>% filter(cluster == 1)
df_cluster_2 <- df_with_clusters %>% filter(cluster == 2)
df_cluster_3 <- df_with_clusters %>% filter(cluster == 3)
df_cluster_4 <- df_with_clusters %>% filter(cluster == 4)summary(df_cluster_1)## X1 X2 X3 X4
## Min. :0.3788 Min. :-2.3789 Min. :0.8582 Min. :0.6740
## 1st Qu.:0.3788 1st Qu.:-1.3272 1st Qu.:0.8582 1st Qu.:0.6740
## Median :1.0394 Median :-1.2206 Median :1.1145 Median :1.0673
## Mean :0.9914 Mean :-0.5278 Mean :1.0321 Mean :0.9376
## 3rd Qu.:1.0394 3rd Qu.: 0.3797 3rd Qu.:1.1145 3rd Qu.:1.0673
## Max. :2.9797 Max. : 0.3797 Max. :1.8082 Max. :1.4917
## X5 X6 X7 X8
## Min. :0.1345 Min. :0.7059 Min. :-0.14916 Min. :0.384
## 1st Qu.:0.1345 1st Qu.:0.7059 1st Qu.:-0.14916 1st Qu.:0.384
## Median :1.4851 Median :1.0140 Median :-0.02968 Median :1.606
## Mean :0.9891 Mean :1.0794 Mean : 0.49885 Mean :1.221
## 3rd Qu.:1.5002 3rd Qu.:1.0140 3rd Qu.:-0.02968 3rd Qu.:1.606
## Max. :1.5002 Max. :3.1652 Max. : 4.39107 Max. :2.654
## X9 X10 Precio cluster
## Min. :0.2128 Min. :0.9003 Min. :-0.6145 Min. :1
## 1st Qu.:0.8693 1st Qu.:0.9021 1st Qu.:-0.5053 1st Qu.:1
## Median :0.8693 Median :0.9021 Median :-0.4553 Median :1
## Mean :0.8937 Mean :1.0489 Mean :-0.3617 Mean :1
## 3rd Qu.:0.8944 3rd Qu.:1.1450 3rd Qu.:-0.3639 3rd Qu.:1
## Max. :2.6234 Max. :2.1656 Max. : 1.6094 Max. :1summary(df_cluster_2)## X1 X2 X3 X4
## Min. :-2.078 Min. :-0.5957 Min. :-2.165 Min. :-2.678
## 1st Qu.:-1.541 1st Qu.:-0.5957 1st Qu.:-1.918 1st Qu.:-1.616
## Median :-1.541 Median : 0.3035 Median :-1.918 Median :-1.616
## Mean :-1.533 Mean : 0.1722 Mean :-1.791 Mean :-1.823
## 3rd Qu.:-1.211 3rd Qu.: 0.3035 3rd Qu.:-1.383 3rd Qu.:-1.503
## Max. :-1.211 Max. : 1.3094 Max. :-1.383 Max. :-1.503
## X5 X6 X7 X8
## Min. :-1.9619 Min. :-1.797 Min. :-0.4741 Min. :-1.0129
## 1st Qu.:-1.9619 1st Qu.:-1.439 1st Qu.:-0.4646 1st Qu.:-0.8383
## Median :-1.5562 Median :-1.439 Median :-0.4646 Median :-0.8383
## Mean :-1.2316 Mean :-1.362 Mean :-0.4635 Mean :-0.8800
## 3rd Qu.:-0.4274 3rd Qu.:-1.045 3rd Qu.:-0.4550 3rd Qu.:-0.8383
## Max. :-0.4274 Max. :-1.045 Max. :-0.4550 Max. :-0.8383
## X9 X10 Precio cluster
## Min. :-2.333 Min. :-2.275 Min. :-0.45971 Min. :2
## 1st Qu.:-1.667 1st Qu.:-1.823 1st Qu.:-0.21047 1st Qu.:2
## Median :-1.667 Median :-1.823 Median : 0.03074 Median :2
## Mean :-1.625 Mean :-1.721 Mean : 0.47823 Mean :2
## 3rd Qu.:-1.180 3rd Qu.:-1.315 3rd Qu.: 1.17894 3rd Qu.:2
## Max. :-1.180 Max. :-1.315 Max. : 6.15804 Max. :2summary(df_cluster_3)## X1 X2 X3 X4
## Min. :-0.46748 Min. :-1.3730 Min. :-0.4335 Min. :-0.1701
## 1st Qu.: 0.06920 1st Qu.:-1.1748 1st Qu.:-0.4335 1st Qu.:-0.1174
## Median : 0.08985 Median :-0.5804 Median :-0.4335 Median : 0.2327
## Mean : 0.05072 Mean :-0.7786 Mean :-0.4159 Mean : 0.1131
## 3rd Qu.: 0.08985 3rd Qu.:-0.5804 3rd Qu.:-0.4233 3rd Qu.: 0.2327
## Max. : 0.08985 Max. :-0.5804 Max. :-0.1874 Max. : 0.2327
## X5 X6 X7 X8
## Min. :-0.20816 Min. :-0.29265 Min. :-0.45503 Min. :-0.48909
## 1st Qu.:-0.20816 1st Qu.:-0.29265 1st Qu.:-0.34511 1st Qu.:-0.48909
## Median :-0.20816 Median :-0.29265 Median :-0.34511 Median :-0.48909
## Mean :-0.02807 Mean :-0.16986 Mean : 0.08327 Mean :-0.35699
## 3rd Qu.: 0.29705 3rd Qu.:-0.04919 3rd Qu.: 0.51753 3rd Qu.:-0.22716
## Max. : 0.41169 Max. : 0.19428 Max. : 1.38018 Max. : 0.03476
## X9 X10 Precio cluster
## Min. :-0.8045 Min. :-0.3095 Min. :-0.5870 Min. :3
## 1st Qu.:-0.4387 1st Qu.:-0.2031 1st Qu.:-0.5254 1st Qu.:3
## Median : 0.8543 Median : 0.3363 Median :-0.4963 Median :3
## Mean : 0.3796 Mean : 0.1471 Mean :-0.3476 Mean :3
## 3rd Qu.: 0.8543 3rd Qu.: 0.3363 3rd Qu.:-0.3753 3rd Qu.:3
## Max. : 0.8543 Max. : 0.3363 Max. : 2.7730 Max. :3summary(df_cluster_4)## X1 X2 X3 X4
## Min. :-0.94225 Min. :0.4712 Min. :-0.68167 Min. :-1.2013
## 1st Qu.:-0.81840 1st Qu.:0.4712 1st Qu.:-0.05106 1st Qu.:-0.4171
## Median :-0.03401 Median :0.5931 Median : 0.10354 Median : 0.1416
## Mean :-0.32754 Mean :0.9419 Mean : 0.02757 Mean :-0.1468
## 3rd Qu.:-0.03401 3rd Qu.:1.5228 3rd Qu.: 0.26017 3rd Qu.: 0.1416
## Max. : 0.39947 Max. :2.1477 Max. : 0.41070 Max. : 0.3982
## X5 X6 X7 X8
## Min. :-1.4201 Min. :-1.0446 Min. :-0.4598 Min. :-0.8383
## 1st Qu.:-0.6315 1st Qu.:-0.9645 1st Qu.:-0.4359 1st Qu.:-0.8383
## Median :-0.6315 Median :-0.1262 Median :-0.3547 Median :-0.8383
## Mean :-0.4413 Mean :-0.3937 Mean :-0.3617 Mean :-0.7048
## 3rd Qu.: 0.1471 3rd Qu.:-0.1262 3rd Qu.:-0.2830 3rd Qu.:-0.6637
## Max. : 0.5049 Max. : 0.4778 Max. :-0.2686 Max. :-0.3145
## X9 X10 Precio cluster
## Min. :-0.8096 Min. :-0.86253 Min. :-0.5792 Min. :4
## 1st Qu.:-0.4237 1st Qu.:-0.44957 1st Qu.:-0.2937 1st Qu.:4
## Median :-0.4237 Median :-0.32404 Median : 0.1662 Median :4
## Mean :-0.3533 Mean :-0.34600 Mean : 0.3482 Mean :4
## 3rd Qu.:-0.1280 3rd Qu.:-0.09846 3rd Qu.: 0.6084 3rd Qu.:4
## Max. : 0.1627 Max. :-0.04661 Max. :17.8272 Max. :4#Prepara Sets de entrenamiento, Validación y Prueba para Realizar el Árbol con Predicción por Cluster
set.seed(123)#Cluster 1
#Conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex_cluster <- createDataPartition(df_cluster_1$Precio, p = 0.5, list = FALSE, times = 1)
train_cluster <- df_cluster_1[trainIndex_cluster, ]
temp_cluster <- df_cluster_1[-trainIndex_cluster, ]
#Conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2 <- createDataPartition(temp_cluster$Precio, p = 0.5, list = FALSE, times = 1)
validation <- temp_cluster[trainIndex2, ]
test <- temp_cluster[-trainIndex2, ]Lo que nos dice el árbol es quede 100% de la muestra, el 38% cuenta con. Un teléfono celular, mientras el 62% porciento restante no cuenta con uno, está siendo la variable x9. Después entra la variable x2 que es si en las edades de 6 a 14 años que si asistieron o asisten a la escuela y el 38% porciento que contesto la variable x9 que sí cuentan con teléfono, el 9% si asistió a la escuela y 29% restante no. Por la otra parte, de los que no cuentan con teléfono que es el 62% el 51% no tuvo escuela de 6 a 14 años y el 11% sí asistió a la escuela.
# Árbol de decisión
tree_1 <- rpart(Precio ~ ., data = train_cluster, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree_1)
# Curva de complejidad de costo
plotcp(tree_1)
#El resultado mostrado es una lista de valores numéricos, donde cada
valor representa la predicción del modelo para una nueva observación
específica del conjunto de prueba. Estos valores pueden variar en
función del tipo de modelo y del tipo de problema de predicción que se
esté abordando. #En este caso, los valores predichos son números
decimales negativos que se encuentran escalados, ya que están en un
rango entre -0.46 y -0.21.
#Predicción
predictions <- predict(tree_1, newdata = test)
cat("Resultado de la predicción para la nueva observación:", predictions)## Resultado de la predicción para la nueva observación: -0.2902403 -0.4642652 -0.4642652 -0.4642652 -0.2902403 -0.2902403 -0.2100723 -0.4642652 -0.4642652 -0.2902403 -0.2100723 -0.2902403 -0.4642652 -0.2902403 -0.2902403 -0.4642652 -0.2902403 -0.4642652 -0.4642652 -0.2902403 -0.4642652 -0.4642652 -0.4642652 -0.4642652 -0.2902403 -0.2902403 -0.2100723 -0.4642652 -0.2902403 -0.4642652 -0.2902403 -0.4642652 -0.4642652 -0.4642652 -0.4642652 -0.2902403 -0.4642652 -0.2902403 -0.2902403 -0.2902403 -0.2902403 -0.2902403 -0.2902403 -0.2100723 -0.2902403 -0.2100723 -0.4642652 -0.4642652 -0.2902403 -0.2902403 -0.4642652 -0.2100723 -0.4642652 -0.4642652 -0.4642652 -0.4642652#Cluster 2
#Conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex_cluster_2 <- createDataPartition(df_cluster_2$Precio, p = 0.5, list = FALSE, times = 1)
train_cluster_2 <- df_cluster_2[trainIndex_cluster_2, ]
temp_cluster_2 <- df_cluster_2[-trainIndex_cluster_2, ]
#Conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2_2 <- createDataPartition(temp_cluster_2$Precio, p = 0.5, list = FALSE, times = 1)
validation_2 <- temp_cluster_2[trainIndex2_2, ]
test_2 <- temp_cluster_2[-trainIndex2_2, ]#Este es nuestro segundo árbol el cual contamos con dos variables x3 que es la población de 15 a 24 años que no asiste a la escuela y el 68% asistió el cual entra otra variable la x5 la cual es la Población sin derechohabiencia a servicios de salud la cual el 43% porciento contesto que si el 25% restante que no.
# Árbol de decisión
tree_2 <- rpart(Precio ~ ., data = train_cluster_2, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree_2)
# Curva de complejidad de costo
plotcp(tree_2)
#En este caso, los valores predichos parecen ser una combinación de
números decimales y algunos valores discretos como 1.46 y -0.21. Estos
valores representan las respuestas del modelo para cada nueva
observación.
#Predicción
predictions2 <- predict(tree_2, newdata = test_2)
cat("Resultado de la predicción para la nueva observación:", predictions2)## Resultado de la predicción para la nueva observación: 1.461322 1.461322 1.461322 1.461322 -0.2194856 1.461322 0.1093076 -0.2194856 -0.2194856 -0.2194856 -0.2194856 -0.2194856 0.1093076 0.1093076 0.1093076 -0.2194856 1.461322 1.461322 1.461322 0.1093076 -0.2194856 -0.2194856 0.1093076 -0.2194856 0.1093076#Cluster 3
#Conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex_cluster_3 <- createDataPartition(df_cluster_3$Precio, p = 0.5, list = FALSE, times = 1)
train_cluster_3 <- df_cluster_3[trainIndex_cluster_3, ]
temp_cluster_3 <- df_cluster_3[-trainIndex_cluster_3, ]
#Conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2_3 <- createDataPartition(temp_cluster_3$Precio, p = 0.5, list = FALSE, times = 1)
validation_3 <- temp_cluster_3[trainIndex2_3, ]
test_3 <- temp_cluster_3[-trainIndex2_3, ]#En este arbol solo tiene una variable de x4 la cual es la población de 15 años o más con educación básica incompleta la cual nos dice que el 73% si tiene una educacion basica completa y el 27% porciento incompleta.
# Árbol de decisión 3
tree_3 <- rpart(Precio ~ ., data = train_cluster_3, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree_3)
# Curva de complejidad de costo
plotcp(tree_3)
#En este caso, los valores predichos parecen ser números decimales, en
un rango entre -0.50 y 0.02. Estos valores son las respuestas del modelo
para cada nueva observación en el conjunto de prueba test_3.
#Predicción
predictions3 <- predict(tree_3, newdata = test_3)
cat("Resultado de la predicción para la nueva observación:", predictions3)## Resultado de la predicción para la nueva observación: -0.5029453 -0.5029453 -0.5029453 -0.5029453 0.01830689 0.01830689 -0.5029453 -0.5029453 -0.5029453 0.01830689 0.01830689 -0.5029453 -0.5029453 -0.5029453 -0.5029453 0.01830689 -0.5029453 -0.5029453 -0.5029453 -0.5029453 -0.5029453 -0.5029453 -0.5029453 0.01830689 0.01830689 -0.5029453 -0.5029453 -0.5029453#Cluster 4
#Conjunto de datos en entrenamiento (50%) y temporal (50%)
trainIndex_cluster_4 <- createDataPartition(df_cluster_4$Precio, p = 0.5, list = FALSE, times = 1)
train_cluster_4 <- df_cluster_4[trainIndex_cluster_4, ]
temp_cluster_4 <- df_cluster_4[-trainIndex_cluster_4, ]
#Conjunto temporal en validación (50% de temp) y prueba (50% de temp)
trainIndex2_4 <- createDataPartition(temp_cluster_4$Precio, p = 0.5, list = FALSE, times = 1)
validation_4 <- temp_cluster_4[trainIndex2_4, ]
test_4 <- temp_cluster_4[-trainIndex2_4, ]En este árbol de decisión tenemos 4 variables el cual la x2 es la de Población de 6 a 14 años que no asiste a la escuela, la segunda variable es la x3 la Población de 15 a 24 años que no asiste a la escuela, el tercero es la x8 que son las viviendas que no disponen de energía eléctrica y la 4 y última son las Viviendas que no disponen de celular.
Y Cómo empieza nuestro árbol de decisiones es con la variable X9 la cual son las viviendas que no disponen celular el cual el 32% contestó que si no cuentan con celular y el 68% qué si cuenta con celular pasando el 32% que no tienen va la variable X2 Que el 16% contestó que sí y el 17% contestó que no pasando al 68% de la variable X9 se emplea la variable X3 la cual el 61% contestó que sí y el siete que no y dentro de este 61% entra a la variable X8 que el 10% contestó que sí y el 51% que no.
# Árbol de decisi
tree_4 <- rpart(Precio ~ ., data = train_cluster_4, method = "anova", control = rpart.control(cp = 0))
rpart.plot(tree_4)
# Curva de complejidad de costo
plotcp(tree_4)
#En este caso, los valores predichos parecen ser una combinación de
números decimales, algunos de ellos en un rango entre -0.51 y 1.10.
Estos valores son las respuestas del modelo para cada nueva observación
en el conjunto de prueba test_4.
#Predicción
predictions4 <- predict(tree_4, newdata = test_4)
cat("Resultado de la predicción para la nueva observación:", predictions4)## Resultado de la predicción para la nueva observación: -0.5125606 0.519796 -0.2864011 -0.2864011 1.107095 0.519796 0.519796 0.519796 0.519796 0.519796 0.519796 -0.5125606 1.107095 -0.5125606 1.107095 0.519796 0.1607672 -0.2864011 -0.2864011 0.519796 0.519796 0.519796 0.519796 0.1607672 1.107095 -0.5125606 0.519796 -0.5125606 -0.2864011 0.519796 0.519796 -0.2864011 0.519796 1.107095 0.519796 0.1607672 -0.2864011 -0.5125606 0.519796 1.107095 -0.5125606 0.519796 0.519796 0.519796 0.519796 0.1607672 -0.5125606 0.1607672 0.519796