TAB 4: Proporción de hogares conectados a redes de distribución, según tipo de red

INTRODUCCIÓN:

En este análisis, se observa las diferentes Redes de Distribución con las que cuentan los distintos hogares en toda Guatemala. Para esta sección en específico, se trabajó únicamente con las siguientes categorías: Agua, Drenaje, Energía Eléctrica, Red Telefónica, Contador de Agua y Contador de Electricidad.

REPRODUCCIÓN DE RESULTADOS:

Los principales resultados se mostraran a continuación

vivienda <- read_sav("~/Data Science/ENCOVI/hogares.sav")
There were 36 warnings (use warnings() to see them)
vivienda <- select(vivienda, DEPTO, AREA, POBREZA, P01A05A:P01A05F)
names(vivienda) <- c("Departamento", "Area", "Pobreza", "Agua", "Drenaje", "Energia.electrica", "Red.telefonia", "Contador.de.agua", "Contador.de.electricidad")
vivienda$Departamento <- as.factor(vivienda$Departamento)
vivienda$Area  <- as.factor(vivienda$Area)
vivienda$Pobreza  <- as.factor(vivienda$Pobreza)
levels(vivienda$Departamento)<- c("Guatemala", "El Progreso", "Sacatepequez", "Chimaltenango", "Escuintla", "Santa Rosa", "Solola", "Totonicapan", "Quetzaltenango", "Suchitepequez", "Retalhuleu", "San Marcos", "Huehuetenango", "Quiche", "Baja Verapaz", "Alta Verapaz", "Peten", "Izabal", "Zacapa", "Chiquimula", "Jalapa", "Jutiapa")
levels(vivienda$Area)<- c("Urbana", "Rural")
levels(vivienda$Pobreza) <- c ("Pobre extremo", "Pobre no extremo", "No pobre")
vivienda$Agua <- as.numeric(vivienda$Agua)
vivienda$Agua[vivienda$Agua == 2] <- 0
vivienda$Drenaje  <- as.numeric(vivienda$Drenaje)
vivienda$Drenaje[vivienda$Drenaje ==2] <-0
vivienda$Energia.electrica  <- as.numeric(vivienda$Energia.electrica)
vivienda$Energia.electrica[vivienda$Energia.electrica==2] <-0
vivienda$Red.telefonia  <- as.numeric(vivienda$Red.telefonia)
vivienda$Red.telefonia[vivienda$Red.telefonia==2] <- 0
vivienda$Contador.de.agua  <- as.numeric(vivienda$Contador.de.agua)
vivienda$Contador.de.agua[vivienda$Contador.de.agua == 2] <- 0
vivienda$Contador.de.electricidad  <- as.numeric(vivienda$Contador.de.electricidad)
vivienda$Contador.de.electricidad[vivienda$Contador.de.electricidad == 2] <- 0
Redes.Departamento <- vivienda %>%
  group_by(Departamento) %>%
  summarise(Agua= sum(Agua)/n()*100, Drenaje= sum(Drenaje)/n()*100, Energía_elétrica = sum(Energia.electrica)/n()*100, Red_telefonía= sum(Red.telefonia)/n()*100, Contador_Agua= sum(Contador.de.agua)/n()*100, Contador_Electricidad= sum(Contador.de.electricidad)/n()*100)
Redes.Departamento
library(dplyr)
library(tidyr)
Conexiones_Red <- Redes.Departamento %>% gather(Redes.Departamento, Alcance, -Departamento)
Redes.Pobreza <- vivienda %>%
  group_by(Pobreza) %>% summarise(Agua= sum(Agua)/n()*100, Drenaje= sum(Drenaje)/n()*100, Energía_elétrica = sum(Energia.electrica)/n()*100, Red_telefonía= sum(Red.telefonia)/n()*100, Contador_Agua= sum(Contador.de.agua)/n()*100, Contador_Electricidad= sum(Contador.de.electricidad)/n()*100)
Redes.Pobreza
Conexiones_Red2 <- Redes.Pobreza %>% gather(Redes.Departamento, Alcance, -Pobreza)
Redes.Area <- vivienda %>%
  group_by(Area) %>% summarise(Agua= sum(Agua)/n()*100, Drenaje= sum(Drenaje)/n()*100, Energía_elétrica = sum(Energia.electrica)/n()*100, Red_telefonía= sum(Red.telefonia)/n()*100, Contador_Agua= sum(Contador.de.agua)/n()*100, Contador_Electricidad= sum(Contador.de.electricidad)/n()*100)
Redes.Area
Conexiones_Red3 <- Redes.Area %>% gather(Redes.Departamento, Alcance, -Area)
Redes.Total <- vivienda %>%
   summarise(Agua= sum(Agua)/n()*100, Drenaje= sum(Drenaje)/n()*100, Energía_elétrica = sum(Energia.electrica)/n()*100, Red_telefonía= sum(Red.telefonia)/n()*100, Contador_Agua= sum(Contador.de.agua)/n()*100, Contador_Electricidad= sum(Contador.de.electricidad)/n()*100) 
Redes.Total

ANÁLISIS

summary(Redes.Area)
     Area        Agua          Drenaje      Energía_elétrica Red_telefonía    Contador_Agua  
 Urbana:1   Min.   :65.18   Min.   :13.99   Min.   :73.97    Min.   : 1.542   Min.   :11.00  
 Rural :1   1st Qu.:71.22   1st Qu.:28.25   1st Qu.:77.99    1st Qu.: 4.664   1st Qu.:21.24  
            Median :77.26   Median :42.51   Median :82.01    Median : 7.786   Median :31.48  
            Mean   :77.26   Mean   :42.51   Mean   :82.01    Mean   : 7.786   Mean   :31.48  
            3rd Qu.:83.30   3rd Qu.:56.77   3rd Qu.:86.03    3rd Qu.:10.908   3rd Qu.:41.72  
            Max.   :89.34   Max.   :71.03   Max.   :90.05    Max.   :14.030   Max.   :51.96  
 Contador_Electricidad
 Min.   :72.48        
 1st Qu.:76.78        
 Median :81.07        
 Mean   :81.07        
 3rd Qu.:85.37        
 Max.   :89.67        
summary(Redes.Pobreza)
             Pobreza       Agua          Drenaje      Energía_elétrica Red_telefonía     Contador_Agua   
 Pobre extremo   :1   Min.   :61.43   Min.   :11.74   Min.   :57.49    Min.   : 0.3145   Min.   : 7.442  
 Pobre no extremo:1   1st Qu.:66.60   1st Qu.:20.08   1st Qu.:67.49    1st Qu.: 0.8090   1st Qu.:13.385  
 No pobre        :1   Median :71.77   Median :28.43   Median :77.49    Median : 1.3036   Median :19.328  
                      Mean   :72.49   Mean   :32.59   Mean   :75.67    Mean   : 5.1205   Mean   :23.731  
                      3rd Qu.:78.02   3rd Qu.:43.01   3rd Qu.:84.75    3rd Qu.: 7.5236   3rd Qu.:31.875  
                      Max.   :84.27   Max.   :57.60   Max.   :92.02    Max.   :13.7436   Max.   :44.423  
 Contador_Electricidad
 Min.   :56.50        
 1st Qu.:66.23        
 Median :75.96        
 Mean   :74.62        
 3rd Qu.:83.69        
 Max.   :91.42        
summary(Redes.Departamento)
        Departamento      Agua          Drenaje       Energía_elétrica Red_telefonía    Contador_Agua   
 Guatemala    : 1    Min.   :47.91   Min.   : 8.642   Min.   :38.22    Min.   : 1.977   Min.   : 7.592  
 El Progreso  : 1    1st Qu.:67.97   1st Qu.:24.715   1st Qu.:75.83    1st Qu.: 3.675   1st Qu.:11.592  
 Sacatepequez : 1    Median :76.67   Median :29.223   Median :82.76    Median : 5.588   Median :21.145  
 Chimaltenango: 1    Mean   :74.89   Mean   :34.991   Mean   :79.49    Mean   : 6.220   Mean   :24.888  
 Escuintla    : 1    3rd Qu.:81.03   3rd Qu.:46.657   3rd Qu.:86.52    3rd Qu.: 6.783   3rd Qu.:29.155  
 Santa Rosa   : 1    Max.   :95.81   Max.   :83.137   Max.   :93.02    Max.   :22.414   Max.   :73.585  
 (Other)      :16                                                                                       
 Contador_Electricidad
 Min.   :37.70        
 1st Qu.:74.35        
 Median :80.31        
 Mean   :78.44        
 3rd Qu.:85.06        
 Max.   :92.82        
                      
summary(Redes.Total)
      Agua          Drenaje      Energía_elétrica Red_telefonía   Contador_Agua   Contador_Electricidad
 Min.   :76.17   Min.   :39.93   Min.   :81.28    Min.   :7.221   Min.   :29.63   Min.   :80.3         
 1st Qu.:76.17   1st Qu.:39.93   1st Qu.:81.28    1st Qu.:7.221   1st Qu.:29.63   1st Qu.:80.3         
 Median :76.17   Median :39.93   Median :81.28    Median :7.221   Median :29.63   Median :80.3         
 Mean   :76.17   Mean   :39.93   Mean   :81.28    Mean   :7.221   Mean   :29.63   Mean   :80.3         
 3rd Qu.:76.17   3rd Qu.:39.93   3rd Qu.:81.28    3rd Qu.:7.221   3rd Qu.:29.63   3rd Qu.:80.3         
 Max.   :76.17   Max.   :39.93   Max.   :81.28    Max.   :7.221   Max.   :29.63   Max.   :80.3         

GRÁFICAS

Conexiones_Red$Alcance <- as.numeric(Conexiones_Red$Alcance) / 100
ggplot(Conexiones_Red, aes(Redes.Departamento, Alcance)) +
    geom_point()

Conexiones_Red %>% ggplot(aes(Departamento, Alcance)) +
    geom_col(aes(fill = Redes.Departamento, group = Redes.Departamento), position = "stack") +
    theme(axis.text.x = element_text(angle = 90))

Conexiones_Red3 %>% ggplot(aes(Area, Alcance)) +
    geom_col(aes(fill = Redes.Departamento, group = Redes.Departamento), position = "stack") +
    theme(axis.text.x = element_text(angle = 0))

Conexiones_Red2 %>% ggplot(aes(Pobreza, Alcance)) +
    geom_col(aes(fill = Redes.Departamento, group =Redes.Departamento), position = "stack") +
    theme(axis.text.x = element_text(angle = 0))

CONCLUSIONES

  1. Teniendo en cuenta las distintas Redes de Distribución aún existe un escaso acceso a redes básicas como la Red de Telefonía, las dos redes con más penetración son el Agua y la Energía Eléctrica.
  2. Se infiere que el área rural hay más acceso al agua potable, pero carece de control, la falta de contador puede ser un factor que altere los resultados.
  3. El departamento con menos acceso a Redes de Distribución es Sololá, y el que obtiene más acceso es el departamento de Guatemala y Sacatepequez.
LS0tDQp0aXRsZTogIlJlc3VsdGFkb3MgRW5jb3ZpIDIwMTQiDQphdXRob3I6ICJTaGFyaXMgQmFycmlvcywgU2l1IExpbmcgQ2hhbmcsIFJvZG9sZm8gUm9qYXMsIEppbWVuYSBT4W5jaGV6LCBTdWNlbHkgVGV5dWwiDQpvdXRwdXQ6IGh0bWxfbm90ZWJvb2sNCi0tLQ0KI1RBQiA0OiBQcm9wb3JjafNuIGRlIGhvZ2FyZXMgY29uZWN0YWRvcyBhIHJlZGVzIGRlIGRpc3RyaWJ1Y2nzbiwgc2Vn+m4gdGlwbyBkZSByZWQNCg0KIyMjIElOVFJPRFVDQ0nTTjoNCkVuIGVzdGUgYW7hbGlzaXMsIHNlIG9ic2VydmEgbGFzIGRpZmVyZW50ZXMgUmVkZXMgZGUgRGlzdHJpYnVjafNuIGNvbiBsYXMgcXVlIGN1ZW50YW4gbG9zIGRpc3RpbnRvcyBob2dhcmVzIGVuIHRvZGEgR3VhdGVtYWxhLiBQYXJhIGVzdGEgc2VjY2nzbiBlbiBlc3BlY+1maWNvLCBzZSB0cmFiYWrzIPpuaWNhbWVudGUgY29uIGxhcyBzaWd1aWVudGVzIGNhdGVnb3LtYXM6IEFndWEsIERyZW5hamUsIEVuZXJn7WEgRWzpY3RyaWNhLCBSZWQgVGVsZWbzbmljYSwgQ29udGFkb3IgZGUgQWd1YSB5IENvbnRhZG9yIGRlIEVsZWN0cmljaWRhZC4NCg0KIyMjIFJFUFJPRFVDQ0nTTiBERSBSRVNVTFRBRE9TOg0KTG9zIHByaW5jaXBhbGVzIHJlc3VsdGFkb3Mgc2UgbW9zdHJhcmFuIGEgY29udGludWFjafNuDQoNCmBgYHtyfQ0Kdml2aWVuZGEgPC0gcmVhZF9zYXYoIn4vRGF0YSBTY2llbmNlL0VOQ09WSS9ob2dhcmVzLnNhdiIpDQp2aXZpZW5kYSA8LSBzZWxlY3Qodml2aWVuZGEsIERFUFRPLCBBUkVBLCBQT0JSRVpBLCBQMDFBMDVBOlAwMUEwNUYpDQpuYW1lcyh2aXZpZW5kYSkgPC0gYygiRGVwYXJ0YW1lbnRvIiwgIkFyZWEiLCAiUG9icmV6YSIsICJBZ3VhIiwgIkRyZW5hamUiLCAiRW5lcmdpYS5lbGVjdHJpY2EiLCAiUmVkLnRlbGVmb25pYSIsICJDb250YWRvci5kZS5hZ3VhIiwgIkNvbnRhZG9yLmRlLmVsZWN0cmljaWRhZCIpDQpgYGANCg0KYGBge3J9DQp2aXZpZW5kYSREZXBhcnRhbWVudG8gPC0gYXMuZmFjdG9yKHZpdmllbmRhJERlcGFydGFtZW50bykNCnZpdmllbmRhJEFyZWEgIDwtIGFzLmZhY3Rvcih2aXZpZW5kYSRBcmVhKQ0Kdml2aWVuZGEkUG9icmV6YSAgPC0gYXMuZmFjdG9yKHZpdmllbmRhJFBvYnJlemEpDQpgYGANCg0KYGBge3J9DQpsZXZlbHModml2aWVuZGEkRGVwYXJ0YW1lbnRvKTwtIGMoIkd1YXRlbWFsYSIsICJFbCBQcm9ncmVzbyIsICJTYWNhdGVwZXF1ZXoiLCAiQ2hpbWFsdGVuYW5nbyIsICJFc2N1aW50bGEiLCAiU2FudGEgUm9zYSIsICJTb2xvbGEiLCAiVG90b25pY2FwYW4iLCAiUXVldHphbHRlbmFuZ28iLCAiU3VjaGl0ZXBlcXVleiIsICJSZXRhbGh1bGV1IiwgIlNhbiBNYXJjb3MiLCAiSHVlaHVldGVuYW5nbyIsICJRdWljaGUiLCAiQmFqYSBWZXJhcGF6IiwgIkFsdGEgVmVyYXBheiIsICJQZXRlbiIsICJJemFiYWwiLCAiWmFjYXBhIiwgIkNoaXF1aW11bGEiLCAiSmFsYXBhIiwgIkp1dGlhcGEiKQ0KbGV2ZWxzKHZpdmllbmRhJEFyZWEpPC0gYygiVXJiYW5hIiwgIlJ1cmFsIikNCmxldmVscyh2aXZpZW5kYSRQb2JyZXphKSA8LSBjICgiUG9icmUgZXh0cmVtbyIsICJQb2JyZSBubyBleHRyZW1vIiwgIk5vIHBvYnJlIikNCmBgYA0KDQpgYGB7cn0NCnZpdmllbmRhJEFndWEgPC0gYXMubnVtZXJpYyh2aXZpZW5kYSRBZ3VhKQ0Kdml2aWVuZGEkQWd1YVt2aXZpZW5kYSRBZ3VhID09IDJdIDwtIDANCmBgYA0KDQpgYGB7cn0NCnZpdmllbmRhJERyZW5hamUgIDwtIGFzLm51bWVyaWModml2aWVuZGEkRHJlbmFqZSkNCnZpdmllbmRhJERyZW5hamVbdml2aWVuZGEkRHJlbmFqZSA9PTJdIDwtMA0KYGBgDQoNCmBgYHtyfQ0Kdml2aWVuZGEkRW5lcmdpYS5lbGVjdHJpY2EgIDwtIGFzLm51bWVyaWModml2aWVuZGEkRW5lcmdpYS5lbGVjdHJpY2EpDQp2aXZpZW5kYSRFbmVyZ2lhLmVsZWN0cmljYVt2aXZpZW5kYSRFbmVyZ2lhLmVsZWN0cmljYT09Ml0gPC0wDQpgYGANCg0KYGBge3J9DQp2aXZpZW5kYSRSZWQudGVsZWZvbmlhICA8LSBhcy5udW1lcmljKHZpdmllbmRhJFJlZC50ZWxlZm9uaWEpDQp2aXZpZW5kYSRSZWQudGVsZWZvbmlhW3ZpdmllbmRhJFJlZC50ZWxlZm9uaWE9PTJdIDwtIDANCmBgYA0KDQpgYGB7cn0NCnZpdmllbmRhJENvbnRhZG9yLmRlLmFndWEgIDwtIGFzLm51bWVyaWModml2aWVuZGEkQ29udGFkb3IuZGUuYWd1YSkNCnZpdmllbmRhJENvbnRhZG9yLmRlLmFndWFbdml2aWVuZGEkQ29udGFkb3IuZGUuYWd1YSA9PSAyXSA8LSAwDQpgYGANCg0KYGBge3J9DQp2aXZpZW5kYSRDb250YWRvci5kZS5lbGVjdHJpY2lkYWQgIDwtIGFzLm51bWVyaWModml2aWVuZGEkQ29udGFkb3IuZGUuZWxlY3RyaWNpZGFkKQ0Kdml2aWVuZGEkQ29udGFkb3IuZGUuZWxlY3RyaWNpZGFkW3ZpdmllbmRhJENvbnRhZG9yLmRlLmVsZWN0cmljaWRhZCA9PSAyXSA8LSAwDQpgYGANCg0KYGBge3J9DQpSZWRlcy5EZXBhcnRhbWVudG8gPC0gdml2aWVuZGEgJT4lDQogIGdyb3VwX2J5KERlcGFydGFtZW50bykgJT4lDQogIHN1bW1hcmlzZShBZ3VhPSBzdW0oQWd1YSkvbigpKjEwMCwgRHJlbmFqZT0gc3VtKERyZW5hamUpL24oKSoxMDAsIEVuZXJn7WFfZWzpdHJpY2EgPSBzdW0oRW5lcmdpYS5lbGVjdHJpY2EpL24oKSoxMDAsIFJlZF90ZWxlZm9u7WE9IHN1bShSZWQudGVsZWZvbmlhKS9uKCkqMTAwLCBDb250YWRvcl9BZ3VhPSBzdW0oQ29udGFkb3IuZGUuYWd1YSkvbigpKjEwMCwgQ29udGFkb3JfRWxlY3RyaWNpZGFkPSBzdW0oQ29udGFkb3IuZGUuZWxlY3RyaWNpZGFkKS9uKCkqMTAwKQ0KUmVkZXMuRGVwYXJ0YW1lbnRvDQpgYGANCg0KYGBge3J9DQpsaWJyYXJ5KGRwbHlyKQ0KbGlicmFyeSh0aWR5cikNCkNvbmV4aW9uZXNfUmVkIDwtIFJlZGVzLkRlcGFydGFtZW50byAlPiUgZ2F0aGVyKFJlZGVzLkRlcGFydGFtZW50bywgQWxjYW5jZSwgLURlcGFydGFtZW50bykNCmBgYA0KDQpgYGB7cn0NClJlZGVzLlBvYnJlemEgPC0gdml2aWVuZGEgJT4lDQogIGdyb3VwX2J5KFBvYnJlemEpICU+JSBzdW1tYXJpc2UoQWd1YT0gc3VtKEFndWEpL24oKSoxMDAsIERyZW5hamU9IHN1bShEcmVuYWplKS9uKCkqMTAwLCBFbmVyZ+1hX2Vs6XRyaWNhID0gc3VtKEVuZXJnaWEuZWxlY3RyaWNhKS9uKCkqMTAwLCBSZWRfdGVsZWZvbu1hPSBzdW0oUmVkLnRlbGVmb25pYSkvbigpKjEwMCwgQ29udGFkb3JfQWd1YT0gc3VtKENvbnRhZG9yLmRlLmFndWEpL24oKSoxMDAsIENvbnRhZG9yX0VsZWN0cmljaWRhZD0gc3VtKENvbnRhZG9yLmRlLmVsZWN0cmljaWRhZCkvbigpKjEwMCkNClJlZGVzLlBvYnJlemENCg0KQ29uZXhpb25lc19SZWQyIDwtIFJlZGVzLlBvYnJlemEgJT4lIGdhdGhlcihSZWRlcy5EZXBhcnRhbWVudG8sIEFsY2FuY2UsIC1Qb2JyZXphKQ0KYGBgDQoNCmBgYHtyfQ0KUmVkZXMuQXJlYSA8LSB2aXZpZW5kYSAlPiUNCiAgZ3JvdXBfYnkoQXJlYSkgJT4lIHN1bW1hcmlzZShBZ3VhPSBzdW0oQWd1YSkvbigpKjEwMCwgRHJlbmFqZT0gc3VtKERyZW5hamUpL24oKSoxMDAsIEVuZXJn7WFfZWzpdHJpY2EgPSBzdW0oRW5lcmdpYS5lbGVjdHJpY2EpL24oKSoxMDAsIFJlZF90ZWxlZm9u7WE9IHN1bShSZWQudGVsZWZvbmlhKS9uKCkqMTAwLCBDb250YWRvcl9BZ3VhPSBzdW0oQ29udGFkb3IuZGUuYWd1YSkvbigpKjEwMCwgQ29udGFkb3JfRWxlY3RyaWNpZGFkPSBzdW0oQ29udGFkb3IuZGUuZWxlY3RyaWNpZGFkKS9uKCkqMTAwKQ0KUmVkZXMuQXJlYQ0KDQpDb25leGlvbmVzX1JlZDMgPC0gUmVkZXMuQXJlYSAlPiUgZ2F0aGVyKFJlZGVzLkRlcGFydGFtZW50bywgQWxjYW5jZSwgLUFyZWEpDQpgYGANCg0KYGBge3J9DQpSZWRlcy5Ub3RhbCA8LSB2aXZpZW5kYSAlPiUNCiAgIHN1bW1hcmlzZShBZ3VhPSBzdW0oQWd1YSkvbigpKjEwMCwgRHJlbmFqZT0gc3VtKERyZW5hamUpL24oKSoxMDAsIEVuZXJn7WFfZWzpdHJpY2EgPSBzdW0oRW5lcmdpYS5lbGVjdHJpY2EpL24oKSoxMDAsIFJlZF90ZWxlZm9u7WE9IHN1bShSZWQudGVsZWZvbmlhKS9uKCkqMTAwLCBDb250YWRvcl9BZ3VhPSBzdW0oQ29udGFkb3IuZGUuYWd1YSkvbigpKjEwMCwgQ29udGFkb3JfRWxlY3RyaWNpZGFkPSBzdW0oQ29udGFkb3IuZGUuZWxlY3RyaWNpZGFkKS9uKCkqMTAwKSANClJlZGVzLlRvdGFsDQpgYGANCg0KIyMjQU7BTElTSVMNCmBgYHtyfQ0Kc3VtbWFyeShSZWRlcy5BcmVhKQ0Kc3VtbWFyeShSZWRlcy5Qb2JyZXphKQ0Kc3VtbWFyeShSZWRlcy5EZXBhcnRhbWVudG8pDQpzdW1tYXJ5KFJlZGVzLlRvdGFsKQ0KYGBgDQoNCiMjI0dSwUZJQ0FTDQpgYGB7cn0NCkNvbmV4aW9uZXNfUmVkJEFsY2FuY2UgPC0gYXMubnVtZXJpYyhDb25leGlvbmVzX1JlZCRBbGNhbmNlKSAvIDEwMA0KDQpnZ3Bsb3QoQ29uZXhpb25lc19SZWQsIGFlcyhSZWRlcy5EZXBhcnRhbWVudG8sIEFsY2FuY2UpKSArDQogICAgZ2VvbV9wb2ludCgpDQpgYGANCmBgYHtyfQ0KQ29uZXhpb25lc19SZWQgJT4lIGdncGxvdChhZXMoRGVwYXJ0YW1lbnRvLCBBbGNhbmNlKSkgKw0KICAgIGdlb21fY29sKGFlcyhmaWxsID0gUmVkZXMuRGVwYXJ0YW1lbnRvLCBncm91cCA9IFJlZGVzLkRlcGFydGFtZW50byksIHBvc2l0aW9uID0gInN0YWNrIikgKw0KICAgIHRoZW1lKGF4aXMudGV4dC54ID0gZWxlbWVudF90ZXh0KGFuZ2xlID0gOTApKQ0KYGBgDQoNCmBgYHtyfQ0KQ29uZXhpb25lc19SZWQzICU+JSBnZ3Bsb3QoYWVzKEFyZWEsIEFsY2FuY2UpKSArDQogICAgZ2VvbV9jb2woYWVzKGZpbGwgPSBSZWRlcy5EZXBhcnRhbWVudG8sIGdyb3VwID0gUmVkZXMuRGVwYXJ0YW1lbnRvKSwgcG9zaXRpb24gPSAic3RhY2siKSArDQogICAgdGhlbWUoYXhpcy50ZXh0LnggPSBlbGVtZW50X3RleHQoYW5nbGUgPSAwKSkNCmBgYA0KDQoNCmBgYHtyfQ0KQ29uZXhpb25lc19SZWQyICU+JSBnZ3Bsb3QoYWVzKFBvYnJlemEsIEFsY2FuY2UpKSArDQogICAgZ2VvbV9jb2woYWVzKGZpbGwgPSBSZWRlcy5EZXBhcnRhbWVudG8sIGdyb3VwID1SZWRlcy5EZXBhcnRhbWVudG8pLCBwb3NpdGlvbiA9ICJzdGFjayIpICsNCiAgICB0aGVtZShheGlzLnRleHQueCA9IGVsZW1lbnRfdGV4dChhbmdsZSA9IDApKQ0KYGBgDQoNCiMjI0NPTkNMVVNJT05FUw0KMS4gVGVuaWVuZG8gZW4gY3VlbnRhIGxhcyBkaXN0aW50YXMgUmVkZXMgZGUgRGlzdHJpYnVjafNuIGH6biBleGlzdGUgdW4gZXNjYXNvIGFjY2VzbyBhIHJlZGVzIGLhc2ljYXMgY29tbyBsYSBSZWQgZGUgVGVsZWZvbu1hLCBsYXMgZG9zIHJlZGVzIGNvbiBt4XMgcGVuZXRyYWNp824gc29uIGVsIEFndWEgeSBsYSBFbmVyZ+1hIEVs6WN0cmljYS4NCjIuIFNlIGluZmllcmUgcXVlIGVsIOFyZWEgcnVyYWwgaGF5IG3hcyBhY2Nlc28gYWwgYWd1YSBwb3RhYmxlLCBwZXJvIGNhcmVjZSBkZSBjb250cm9sLCBsYSBmYWx0YSBkZSBjb250YWRvciBwdWVkZSBzZXIgdW4gZmFjdG9yIHF1ZSBhbHRlcmUgbG9zIHJlc3VsdGFkb3MuIA0KMy4gRWwgZGVwYXJ0YW1lbnRvIGNvbiBtZW5vcyBhY2Nlc28gYSBSZWRlcyBkZSBEaXN0cmlidWNp824gZXMgU29sb2zhLCB5IGVsIHF1ZSBvYnRpZW5lIG3hcyBhY2Nlc28gZXMgZWwgZGVwYXJ0YW1lbnRvIGRlIEd1YXRlbWFsYSB5IFNhY2F0ZXBlcXVlei4g