- What is Marketing?
“The process by which companies create value for customers and build strong customer relationships in order to capture value from customers in return(기업이 고객을 위해 가치를 창출하고, 고객 관계를 구축하여, 고객의 가치를 보상하는 프로세스).” - Kotler and Armstrong (2010)
- The 4P’s:
마케팅 캠페인은 고객의 요구 사항과 전반적인 만족도에 중점을 둔다. 그럼에도 불구하고 마케팅 캠페인의 성공 여부를 결정하는 다양한 변수가 있다. 캠페인을 할 때 고려해야 할 몇 가지 변수가 있다.
Segment of the Population - “마케팅 캠페인이 집단의 어느 대상에 이루어지며 그 이유는 무엇인가?” 이러한 측면은 인구 중 어느 부분이 메시지를 받을 가능성이 가장 높은지를 알려주기 때문에 매우 중요하다.
Distribution channel to reach the customer’s place - 캠페인을 최대한 활용하려면 가장 효과적인 전략을 구현해야한다. 인구 중 어느 집단을 다루고, 기업의 메시지를 전달하기 위해 어떤 도구를 사용해야하는가? (예 : 전화, 라디오, TV, 소셜 미디어 등)
Price - 잠재 고객에게 제공할 수 있는 가장 좋은 가격은 얼마인가? (은행의 경우, 그들의 주요 관심사는 잠재 고객이 정기예금 계좌를 개설하여 은행의 운영 활동을 계속할 수 있도록 하기 위한 것이므로 필요하지 않다.)
Promotional Strategy - 전략이 구현되고 잠재 고객이 어떻게 대응할 것인가이다. 이것은 이전에 했던 실수에 대해 배우고 마케팅 캠페인을 훨씬 효과적으로 만드는 방법을 결정하기 위해 (가능하면)이전 캠페인에 대한 철저한 분석이 있어야 하기 때문에 마케팅 캠페인 분석의 마지막 부분이어야 한다.
- What is a Term Deposit?
정기 예탁(Deposit)은 특정 시점(만기)에 돈이 반환되는 고정 금리(예 : 예금 계좌보다 나은)로 은행이나 금융 기관이 제공하는 예금이다. more
1) Data Analysis
- 은행의 고객 데이터를 바탕으로 고객 특성을 분석
2) Data Analytics
- 나이, 직업, 결혼 여부 등의 고객 정보 및 마케팅 이력을 통해 고객의 정기예금 가입 여부를 예측 (Yes / No)
- 고객의 과거 이력과 유사한 고객군들의 데이터를 기반으로 해당 고객이 가입할지 예측
- bank client data:
1 - age: (numeric)
2 - job: type of job (categorical: ‘admin.’,‘blue-collar’,‘entrepreneur’,‘housemaid’,‘management’,‘retired’,‘self-employed’,‘services’,‘student’,‘technician’,‘unemployed’,‘unknown’)
3 - marital: marital status (categorical: ‘divorced’,‘married’,‘single’,‘unknown’; note: ‘divorced’ means divorced or widowed)
4 - education: (categorical: primary, secondary, tertiary and unknown)
5 - default: has credit in default? (categorical: ‘no’,‘yes’,‘unknown’)
6 - housing: has housing loan? (categorical: ‘no’,‘yes’,‘unknown’)
7 - loan: has personal loan? (categorical: ‘no’,‘yes’,‘unknown’)
8 - balance: Balance of the individual.
- Related with the last contact of the current campaign:
8 - contact: contact communication type (categorical: ‘cellular’,‘telephone’)
9 - month: last contact month of year (categorical: ‘jan’, ‘feb’, ‘mar’, …, ‘nov’, ‘dec’)
10 - day: last contact day of the week (categorical: ‘mon’,‘tue’,‘wed’,‘thu’,‘fri’)
11 - duration: last contact duration, in seconds (numeric). Important note: this attribute highly affects the output target (e.g., if duration=0 then y=‘no’). Yet, the duration is not known before a call is performed. Also, after the end of the call y is obviously known. Thus, this input should only be included for benchmark purposes and should be discarded if the intention is to have a realistic predictive model.
- other attributes:
12 - campaign: number of contacts performed during this campaign and for this client (numeric, includes last contact)
13 - pdays: number of days that passed by after the client was last contacted from a previous campaign (numeric; 999 means client was not previously contacted)
14 - previous: number of contacts performed before this campaign and for this client (numeric)
15 - poutcome: outcome of the previous marketing campaign (categorical: ‘failure’,‘nonexistent’,‘success’)
- Output variable (desired target):
16 - deposit : has the client subscribed a term deposit? (binary: ‘yes’,‘no’)
- Libraries :
suppressPackageStartupMessages({
library(data.table)
library(dplyr)
library(tidyr)
library(lubridate)
library(DT)
library(ggplot2)
library(corrplot)
library(ggthemes)
library(sqldf)
library(readr)
library(caret)
library(ROCR)
library(C50)
library(e1071)
library(pROC)
library(rattle)
library(rpart.plot)
library(RColorBrewer)
library(rpart)
library(randomForest)
library(forecast)
library(zoo)
library(DescTools)
library(knitr)
library(VIM)
library(mice)
library(psych)
library(gmodels)
library(gridExtra)
library(caTools)
library(class) # knn
library(DMwR)
library(ipred) # bagging
library(adabag) # boosting
library(Epi)
})
fillColor = "#FFA07A"
fillColor2 = "#F1C40F"
- Load data:
bank <- read.csv("./input/bank.csv", na.string = c("", " "))
datatable(bank, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
# number of numeric & factor variables
numeric_var <- sapply(bank, is.numeric)
factor_var <- sapply(bank, is.factor)
bank_numeric <- bank[, numeric_var]
bank_factor <- bank[, factor_var]
- Missing values : No missing values
# 변수 별로 missing data의 개수 확인
colSums(is.na(bank))
## age job marital education default balance housing
## 0 0 0 0 0 0 0
## loan contact day month duration campaign pdays
## 0 0 0 0 0 0 0
## previous poutcome deposit
## 0 0 0
- Outlier : Boxplot을 활용한 이상치 판별 및 제거
boxplot(bank)
- Outlier : Age
summary(bank$age)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 18.00 32.00 39.00 41.23 49.00 95.00
b_age <- boxplot(bank$age, main = "Age") # Boxplot of age variable
- Outlier capping : Age
upper_side_outliers_age <- quantile(bank$age, 0.75) + 1.5*IQR(bank$age)
bank[bank$age > round(upper_side_outliers_age), "age"] <- round(upper_side_outliers_age)
#min(bank$age)
#max(bank$age)
bank$ages <- trunc(bank$age/10) * 10
bank$age_2 <- ifelse(bank$age >= 18 & bank$age < 40,"adult", ifelse(bank$age >= 40 & bank$age < 60,
"middle age", ifelse(bank$age >= 60, "older", "child")))
bank$age_2 <- as.factor(bank$age_2)
table(bank$age_2)
##
## adult middle age older
## 5869 4513 780
boxplot(bank$age, main = "Age")
- Outlier : Duration
b_duration <- boxplot(bank$duration/60, main = "Duration") # Boxplot of duration variable
- Outlier capping : Duration
upper_side_outliers_duration <- quantile(bank$duration, 0.75) + 1.5*IQR(bank$duration)
bank[bank$duration > round(upper_side_outliers_duration), "duration"] <- round(upper_side_outliers_duration)
#min(bank$duration)
#max(bank$duration)
boxplot(bank$duration, main = "Duration")
bank$duration<-ifelse(bank$duration<5 ,"1",ifelse(bank$duration>=5 & bank$duration<10,"2",
ifelse(bank$duration>=10 & bank$duration<15,"3","4")))
bank$duration<-as.factor(bank$duration)
table(bank$duration)
##
## 1 2 3 4
## 4 52 69 11037
- Convert data type
bank$month <- ifelse(bank$month == 'apr', 4,
ifelse(bank$month == 'aug', 8,
ifelse(bank$month == 'dec', 12,
ifelse(bank$month == 'feb', 2,
ifelse(bank$month == 'jan', 1,
ifelse(bank$month == 'jul', 7,
ifelse(bank$month == 'jun', 6,
ifelse(bank$month == 'mar', 3,
ifelse(bank$month == 'may', 5,
ifelse(bank$month == 'dec', 12,
ifelse(bank$month == 'oct', 10,
ifelse(bank$month == 'nov', 11, 9))))))))))))
table(bank$month)
##
## 1 2 3 4 5 6 7 8 9 10 11 12
## 344 776 276 923 2824 1222 1514 1519 319 392 943 110
은행의 고객 데이터를 바탕으로 고객 특성을 분석
deposit_summary <- bank %>%
group_by(deposit) %>%
summarise(cnt = n()) %>%
mutate(prob = cnt / sum(cnt))
crude_deporate <- deposit_summary$prob[deposit_summary$deposit=="yes"]
kable(deposit_summary, caption="2x2 Contingency Table on Deposit.", format="markdown")
| deposit | cnt | prob |
|---|---|---|
| no | 5873 | 0.5261602 |
| yes | 5289 | 0.4738398 |
ggplot(data =deposit_summary, aes(x = deposit, y = prob)) +
geom_bar(stat = "identity", fill = fillColor2) +
geom_text(aes(x = deposit, y = 0.05, label = paste0("(",round(prob,2)*100, "%)",sep="")),
hjust=0.5, vjust=.5, size = 4, colour = 'black',
fontface = 'bold') +
labs(x = 'Deposit',
y = 'Prob',
title = 'Deposit rate') +
theme_minimal()
- Summary : Age
비율로 보면 노년층이 예금 가입률(76.92%)이 가장 높지만 그들이 차지하는 비중이 적기 때문에 노년 가입자를 늘리기 위한 맞춤형 전략을 세우거나, 청년과 중년층을 집중 공략하는 것이 좋다. 30, 40, 50, 20대 순으로 많다. 그말인 즉슨, 아직 20대에 더 많은 잠재고객이 있다는 뜻이기도 하다. 미래의 잠재 고객을 확보해서 장기적으로 관계(거래)를 유지하는 것이 은행의 이익에 도움이 되기 때문에 그들을 유입하기 위해서는 청년들이 많이 모이는 공간(대학 캠퍼스나 페스티벌, 번화가)에서 마케팅 캠페인을 벌이는 것도 좋은 방법이 될 것 같다.
- Report
ages_freq <- sqldf("
select
ages
, count(*) as freq
from bank
group by 1")
age_2_deposit <- sqldf("
select
age_2
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from (
select
age_2
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by age_2
)")
ages_deposit <- sqldf("
select
ages
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
ages
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by ages
);")
ages_deposit_vis <- sqldf("
select
a.ages
, deposit
, round(100. * freq / tot_freq, 2) as prob
from (
select
ages
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
ages
, count(*) as tot_freq
from bank
group by 1
) b
where a.ages = b.ages
;")
datatable(ages_freq, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
datatable(age_2_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
datatable(ages_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
ggplot(bank,aes(age,fill=deposit)) +
geom_bar() +
ggtitle("Deposit by Age") +
theme_economist() -> p1
p1
#ggplot(bank,aes(age_2,fill=deposit)) + geom_bar() +
# ggtitle("Age vs Deposit") +
# theme_economist() -> p2
#p2
ggplot(bank, aes(age_2, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Age") +
theme_minimal() -> p2
p2
ggplot(bank, aes(age_2, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Age") +
theme_minimal() -> p3
p3
ggplot(data = ages_freq, aes(x = ages, y = freq)) +
geom_bar(stat="identity", colour="white", fill = fillColor2) +
geom_text(aes(x = ages, y = 1, label = paste0("(",freq,")",sep="")),
hjust=0, vjust=.5, size = 4, colour = 'black',
fontface = 'bold') +
labs(x = 'Ages',
y = 'Freq',
title = "Ages Distribution (Deposit 'Y')") +
coord_flip() +
theme_minimal() -> p4
p4
ggplot(age_2_deposit, aes(x = "", y = deposit_y, fill = factor(age_2))) +
geom_bar(width = 1, stat = "identity") +
theme(axis.line = element_blank(),
plot.title = element_text(hjust = 0.5)) +
labs(fill = "age", x = NULL, y = NULL,
title = "Deposit 'Y' Contribution") +
coord_polar(theta = "y", start = 0) +
theme_economist() -> p5
p5
- Summary
비율이나 빈도로 보면 은퇴자들이 예금 상품에 가장 많이 가입한 것을 확인할 수 있다. 은퇴를 앞둔 사람들을 대상으로 금융 상품을 설계해서 맞춤형으로 다가가면 더 많은 모객을 할 수 있을 것으로 예상된다. 기업가와 생산직 노동자, 기술자, 서비스 종사자의 가입률이 낮은데 ROI를 계산해서 접근하면 좋을 것 같다. 관리직에 있는 사람들의 가입률은 50%에 달하는데 고정적으로 수입이 있기 때문에 그들을 자사의 고객으로 가입시키면서 장기적인 관계를 유지하는 전략을 취하는 것이 좋겠다(추후에 머신러닝으로 모형을 만들어서 그들이 가입할만한 상품을 권유한다면 회사에 장기적인 이익을 극대화할 수 있을 것이다).
- Report
job_deposit <- sqldf("
select
job
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
job
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
) a
")
job_deposit_vis <- sqldf("
select
a.job
, deposit
, round(100. * freq / tot_freq, 2) as prob
from (
select
job
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
job
, count(*) as tot_freq
from bank
group by 1
) as b
where a.job = b.job
")
datatable(job_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank,aes(job,fill=deposit))+geom_bar()+
# theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
# ggtitle("Job vs Deposit") +
# theme_economist() -> p5
#p5
#ggplot(data = job_deposit_vis, aes(x = job, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
# ggtitle("Job vs Deposit") +
# theme_economist() -> p6
#p6
ggplot(bank, aes(job, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Jobs") +
theme_minimal() -> p5
p5
ggplot(bank, aes(job, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Jobs") +
theme_minimal() -> p6
p6
- Summary
결혼한 사람들의 가입자 수가 많지만, 비율은 오히려 이혼했거나 미혼일 경우가 더 많다. 가입자의 지역까지 알 수 있다면 지역 인구의 분포를 고려해서 지역별, 고객별 세분화된 마케팅(맞춤형 상품 추천)이 가능할 것 같다.
- Report
marital_deposit <- sqldf("
select
marital
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
marital
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
)")
marital_deposit_vis <- sqldf("
select
a.marital
, deposit
, round(100. * freq / tot_freq ,2) as prob
from (
select
marital
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
marital
, count(*) as tot_freq
from bank
group by 1
) as b
where a.marital = b.marital
;
")
datatable(marital_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank, aes(marital, fill=deposit)) + geom_bar() +
# ggtitle("Marital vs Depsoit") +
# theme_economist() -> p7
#p7
#ggplot(data = marital_deposit_vis, aes(x = marital, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Marital vs Depsoit") +
# theme_economist() -> p8
#p8
ggplot(bank, aes(marital, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Jobs") +
theme_minimal() -> p7
p7
ggplot(bank, aes(marital, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Marital") +
theme_minimal() -> p8
p8
- Summary
중등 교육을 받은 사람들의 예금 가입자가 많고 고등 교육을 받은 사람들이 그 뒤를 따르고 있다. 허나 비율로 보면 고등 교육을 받은 사람들의 가입률이 가장 높기 때문에 잠재 고객의 대상으로 그들을 공략하는 것이 효율적이다.
- Report
education_deposit <- sqldf("
select
education
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
education
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1)
")
education_deposit_vis <- sqldf("
select
a.education
, deposit
, round(100. * freq / tot_freq ,2) as prob
from (
select
education
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
education
, count(*) as tot_freq
from bank
group by 1
) as b
where a.education = b.education
")
datatable(education_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank,aes(education,fill=deposit))+geom_bar() +
# ggtitle("Education vs Deposit") +
# theme_economist() -> p9
#p9
#ggplot(data = education_deposit_vis, aes(x = education, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Education vs Deposit") +
# theme_economist() -> p10
#p10
ggplot(bank, aes(education, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Education") +
theme_minimal() -> p9
p9
ggplot(bank, aes(education, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Education") +
theme_minimal() -> p10
p10
- Summary
돈을 사용하지 않고 저축한다는 의미는 소득을 전부 소비해야하는 사람들에 비해 여유롭다는 뜻이기도 하다. 대출이나 연체 이력이 있는 사람들에 비해 상대적으로 여유 자금이 있다거나 돈을 저축할 여력이 있다는 것을 의미하기 때문에 재정적으로 건전한 고객을 대상으로 마케팅을 벌이는 것이 좋겠다.
- Visualization
#ggplot(bank,aes(default,fill=deposit))+geom_bar() +
# ggtitle("Default vs Deposit") +
# theme_economist() -> p11
#p11
ggplot(bank, aes(default, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Default") +
theme_minimal() -> p11
p11
ggplot(bank, aes(default, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Default") +
theme_minimal() -> p12
p12
- Summary
잔고의 분포를 살펴보면 평균액은 1,529달러 이며 중앙값은 550달러 정도이다. 최대 금액은 81,204 달러이다.
- Report
summary(bank$balance)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -6847 122 550 1529 1708 81204
Desc(bank$balance)
## -------------------------------------------------------------------------
## bank$balance (integer)
##
## length n NAs unique 0s mean meanCI
## 11'162 11'162 0 3'805 774 1'528.54 1'468.70
## 100.0% 0.0% 6.9% 1'588.38
##
## .05 .10 .25 median .75 .90 .95
## -54.95 0.00 122.00 550.00 1'708.00 3'897.60 6'026.45
##
## range sd vcoef mad IQR skew kurt
## 88'051.00 3'225.41 2.11 797.64 1'586.00 8.22 126.78
##
## lowest : -6'847, -3'058, -2'712, -2'282, -2'049
## highest: 51'439, 52'587 (2), 56'831, 66'653, 81'204 (2)
- Visualization
ggplot(bank,aes(balance))+geom_histogram(aes(fill=deposit),color="black")+
ggtitle("Balance vs Deposit") +
theme_economist() -> p13
p13
#ggplot(bank, aes(balance, fill=deposit)) +
# geom_bar(position="stack") +
# scale_fill_brewer(palette="Set1") +
# #scale_y_continuous(labels=comma) +
# ylab("Customers") +
# ggtitle("Deposit by Balance") +
# theme_minimal() -> p13
#p13
ggplot(data = bank, aes(x = deposit, y = balance)) +
geom_point(stat = "identity") +
theme_minimal() +
coord_flip() -> p14
p14
#ggplot(bank, aes(balance, fill=deposit)) +
# geom_bar(position="fill") +
# scale_fill_brewer(palette="Set1") +
# #scale_y_continuous(labels=percent) +
# ylab("Conversion rate") +
# geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
# ggtitle("Deposit rate by Balance") +
# theme_minimal() -> p14
#p14
boxplot(bank$balance) -> p15
p15
## $stats
## [,1]
## [1,] -2049
## [2,] 122
## [3,] 550
## [4,] 1708
## [5,] 4087
## attr(,"class")
## 1
## "integer"
##
## $n
## [1] 11162
##
## $conf
## [,1]
## [1,] 526.2814
## [2,] 573.7186
##
## $out
## [1] 5090 7180 5291 4580 10576 4393 4438 4170 4822 4499 4665
## [12] 5773 6840 12956 4692 7606 14481 5724 4136 6281 5839 7561
## [23] 4844 5345 11008 4930 9103 6360 4145 9004 4758 5024 10685
## [34] 5613 5361 14282 7098 5389 4108 4291 6822 7138 4396 34646
## [45] 4436 10052 9827 6170 8029 8163 4414 7135 4570 5188 17297
## [56] 7084 5603 5303 8749 5346 5514 5254 10250 12026 7506 5041
## [67] 6619 12857 5060 4152 5447 5115 4508 4646 11887 5037 8781
## [78] 5561 4189 12737 4654 6402 6993 4420 11462 6843 5806 20138
## [89] 4333 7773 6888 5461 7119 18508 5639 12519 4254 7049 7195
## [100] 4117 8629 4536 4148 4119 22520 7724 4329 4465 5701 6016
## [111] 4089 4391 10613 4383 12857 6101 4987 5060 5689 12114 11862
## [122] 7702 4657 5355 5359 23878 7613 5561 8345 4562 10180 4808
## [133] 6422 8929 5810 8089 8866 10185 11385 4126 9601 9676 4099
## [144] 5005 4736 11891 4979 4415 12039 4659 11174 6158 4596 13546
## [155] -3058 5303 4333 6807 10086 10925 9480 6281 8556 5110 4099
## [166] 4917 7707 5583 5701 7468 4401 5106 6060 4684 4733 6657
## [177] 5462 5802 4152 36252 10252 5437 5060 6368 4182 9367 9407
## [188] 5872 9328 7506 5990 5024 6005 4500 5293 7279 5073 4227
## [199] 4406 17924 8180 4963 8781 7863 6089 5845 5795 7066 6567
## [210] 5774 7290 5909 12198 7702 5310 13094 5086 23878 17964 7818
## [221] 4118 7968 15161 7019 4987 5887 27624 5313 22086 4945 8295
## [232] 4321 6574 8866 5205 10346 20585 14533 7443 10583 5966 12956
## [243] 5511 8603 18016 7005 4388 5474 19317 6791 4717 4297 10532
## [254] 4693 9064 6983 7050 10185 52587 10884 4401 6991 27696 13014
## [265] 9367 4623 12972 9131 10905 5359 10596 9962 11862 5310 5584
## [276] 5473 11262 24277 4119 5689 17964 4752 7968 6468 4744 6574
## [287] 6538 14220 12569 7331 6046 4775 10943 4539 10252 4380 20585
## [298] 10583 6784 8295 5437 4596 12039 7111 4198 6138 6481 7529
## [309] 6807 6746 6281 4807 8603 4174 10925 14646 11115 6900 5878
## [320] 4112 4629 5063 4572 4984 4787 8278 7458 8729 4243 5462
## [331] 4412 10332 10541 10861 22867 9366 6746 4693 5291 4745 5220
## [342] 9367 6027 5715 4922 9421 4198 4708 5887 11891 5028 10250
## [353] 8304 4721 4402 5313 5108 7105 4657 81204 11303 6513 4579
## [364] 5372 4198 5021 4803 8556 7005 4112 4629 18967 4831 7802
## [375] 4468 4807 6571 10541 5291 4448 5267 9367 13014 27696 4675
## [386] 10185 52587 7620 5473 6610 7766 5359 4945 7585 5296 12980
## [397] 6771 4761 4721 4608 5958 10583 4176 6036 81204 5236 7929
## [408] 4126 9001 7529 11115 5037 4984 4787 12067 4243 4328 7802
## [419] 8000 9367 6027 8103 8304 8304 5397 29080 12569 6651 5329
## [430] 6181 4189 5021 9299 31472 5475 4124 14968 5511 10861 4629
## [441] 4112 11650 6138 4831 12067 27696 5275 4256 8304 7968 5169
## [452] 4945 6771 8304 4761 5741 4680 4951 4343 6403 5397 6551
## [463] 4416 12264 4328 5112 4833 5475 11862 4256 5715 15485 4708
## [474] 5768 4539 4787 7050 8165 18188 22125 6188 45248 10281 6046
## [485] 5301 7918 11766 4642 4718 7608 5115 12264 11115 6013 11862
## [496] 8897 4216 23076 7459 4147 29340 26965 4736 7441 4613 5169
## [507] 5359 6748 4151 6840 4101 8491 4688 5679 7895 15161 6529
## [518] 12356 5763 4859 8332 5517 13107 11008 7554 4590 7560 5637
## [529] 11115 4718 4266 4158 4401 8828 5267 4889 5561 4210 4661
## [540] 7968 7005 4348 8000 13711 5310 7433 6112 9883 8990 32685
## [551] 5310 4457 11835 5115 5112 11821 8648 4721 18111 6997 19268
## [562] 4216 5539 8229 7103 4855 8304 8535 10287 10861 4657 6728
## [573] 10884 7192 13460 5320 5047 5862 27696 15459 7803 12857 4389
## [584] 4623 12018 6542 9228 5958 7050 14144 5969 4751 4461 9314
## [595] 4745 20806 6831 5350 9756 5715 5514 6728 4401 5943 4389
## [606] 7944 5091 8121 7687 5802 4692 4335 6203 4381 7132 5244
## [617] 6388 7007 4695 5781 9447 5296 4872 4943 4930 5275 6429
## [628] 12223 4629 5807 22867 7102 6739 8023 20718 5222 6374 5432
## [639] 4968 5888 8876 6596 4374 6904 5336 11650 9645 7503 6212
## [650] 5312 4095 5345 6134 6714 9916 6014 13338 11528 7298 4264
## [661] 17924 4168 7177 5809 7378 6958 4168 15578 4110 9072 10786
## [672] 7668 4517 4324 19447 9216 -2282 4819 21522 5271 4976 4151
## [683] 4388 8422 9569 15474 8403 4222 13578 11222 4592 8494 8016
## [694] 4830 8919 4787 14930 12531 4874 4253 5700 5953 6392 7702
## [705] 5735 5193 10438 11766 9851 -6847 5261 4328 11431 7752 4471
## [716] 20011 6766 5299 7735 19343 10218 5641 4492 37127 5083 6004
## [727] 5276 13156 8564 5426 5678 7100 8319 15341 4841 5571 8876
## [738] 5223 10787 4912 5034 4567 5163 4844 5774 11265 22755 4951
## [749] 12848 5205 5127 18558 23592 4568 7934 24450 4382 4519 5769
## [760] 9326 4358 6835 5222 4798 9713 5547 10635 6835 11016 6362
## [771] 9051 4121 13849 7503 4929 25290 8226 6551 6512 5345 5801
## [782] 5784 4692 7369 5746 7649 23495 9224 13901 7426 6101 8298
## [793] 4176 7602 13774 4331 8785 4641 7831 21614 10655 5423 8982
## [804] 13658 7863 4721 5366 4513 5539 4722 4567 5553 6138 4612
## [815] 13711 66653 5249 9994 34230 5435 23189 6979 6298 4321 9214
## [826] 14850 13054 23421 7408 4293 4565 4840 4790 4726 5956 4888
## [837] 6337 4709 9301 11494 4312 4622 7944 8918 10086 9324 7832
## [848] 6637 5260 4305 5214 10984 5252 4577 12180 13410 5903 7264
## [859] 4645 5691 4348 7816 5763 6181 5154 5041 4869 8267 9192
## [870] 7876 5559 4367 8837 4982 5969 9324 5914 4157 10041 7845
## [881] 6981 7296 4522 11254 6798 4564 4105 4415 4157 5731 8417
## [892] 9710 6227 5252 17361 17672 4466 6570 8784 13818 24780 29184
## [903] 7641 4464 5010 8564 5691 7867 22815 4594 6116 4515 7811
## [914] 5744 9374 5016 7984 7780 29207 4696 15341 12276 4707 8044
## [925] 4150 6929 6791 7336 4920 20928 5828 6307 15841 8725 7051
## [936] 10269 6971 4497 6200 6690 4178 20723 4314 5122 7010 4545
## [947] 7067 6507 4613 11862 5920 5310 5315 16992 6332 4366 5050
## [958] 8514 5172 5737 5231 6432 56831 4279 8669 4790 10005 8379
## [969] 16397 7313 4196 12159 8806 11219 14522 4769 19358 5563 6641
## [980] 5381 7747 5092 4287 4708 5879 4660 25947 6619 11854 4299
## [991] 5024 4130 10465 4380 5432 6215 5916 4556 4903 5632 4874
## [1002] 51439 5521 13107 5215 5827 10378 -2712 4943 6659 7162 6839
## [1013] 6269 16786 4482 7628 4996 8097 36935 4319 13342 4910 4527
## [1024] 13578 6217 22867 5704 6699 4793 6836 4128 6525 9317 8278
## [1035] 4582 31868 10721 4969 4574 6507 8590 8486 20772 6691 4576
## [1046] 8585 4822 4344 18777 4418 6718 6102 4243 6445 6242
##
## $group
## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [35] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [69] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [103] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [137] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [171] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [205] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [239] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [273] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [307] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [341] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [375] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [409] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [443] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [477] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [511] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [545] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [579] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [613] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [647] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [681] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [715] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [749] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [783] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [817] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [851] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [885] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [919] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [953] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [987] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [1021] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [1055] 1
##
## $names
## [1] "1"
#ggplot(bank, aes(balance)) +
# geom_boxplot(stat = "identity") +
# ggtitle("Balance Distribution") +
# theme_economist() -> p122
#p122
- Summary
주택 융자가 없는 사람들은 보유한 사람들보다 예금 가입자 수와 가입률 모두 높다. 내 집 마련으로 주머니에서 나가는 돈이 없기 때문에 여유자금으로 적금 상품에 가입하는 것 같다.
- Report
housing_deposit <- sqldf("
select
housing
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
housing
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
) ")
housing_deposit_vis <- sqldf("
select
a.housing
, deposit
, round(100. * freq / tot_freq ,2) as prob
from(
select
housing
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a , (
select
housing
, count(*) as tot_freq
from bank
group by 1
) as b
where a.housing = b.housing
")
datatable(housing_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank,aes(housing,fill=deposit)) + geom_bar() +
# ggtitle("Housing vs Deposit") +
# theme_economist() -> p16
#p16
#ggplot(data = housing_deposit_vis, aes(x = housing, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Housing vs Deposit") +
# theme_economist() -> p17
#p17
ggplot(bank, aes(housing, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Housing") +
theme_minimal() -> p16
p16
ggplot(bank, aes(housing, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Housing") +
theme_minimal() -> p17
p17
- Summary
개인 신용 대출을 받은 사람들보다 대출을 받지 않은 사람들의 적금 가입률과 빈도 모두 높다. 전반적으로 경제적인 여유가 생겨야 자금을 운용(적금 가입) 한다는 것을 확인할 수 있기 때문에 그들을 대상으로 타겟팅을 하는 것이 좋겠다.
- Report
loan_deposit <- sqldf("
select
loan
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
loan
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
) ")
loan_deposit_vis <- sqldf("
select
a.loan
, deposit
, round(100. * freq / tot_freq, 2) as prob
from(
select
loan
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
loan
, count(*) as tot_freq
from bank
group by 1
) as b
where a.loan = b.loan
")
datatable(loan_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank, aes(loan, fill = deposit)) + geom_bar() +
# ggtitle("Loan vs Deposit") +
# theme_economist() -> p18
#p18
#ggplot(data = loan_deposit_vis, aes(x = loan, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Loan vs Deposit") +
# theme_economist() -> p19
#p19
ggplot(bank, aes(loan, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Loan") +
theme_minimal() -> p18
p18
ggplot(bank, aes(loan, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Loan") +
theme_minimal() -> p19
p19
- Summary
등록된 연락처 유형이 스마트폰인 경우가 압도적으로 많기 때문에 모바일 퍼스트 전략으로 접근하는 마케팅 캠페인을 벌이는 것이 잠재 고객의 유입률을 높이는데 기여할 것이다.
- Report
contact_deposit <- sqldf("
select
contact
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
contact
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
)")
contact_deposit_vis <- sqldf("
select
a.contact
, deposit
, round(100. * freq / tot_freq ,2) as prob
from (
select
contact
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
contact
, count(*) as tot_freq
from bank
group by 1
) as b
where a.contact = b.contact
")
datatable(contact_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank, aes(contact, fill = deposit)) + geom_bar() +
# ggtitle("Contact vs Deposit") +
# theme_economist() -> p20
#p20
#ggplot(data = contact_deposit_vis, aes(x = contact, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Contact vs Deposit") +
# theme_economist() -> p21
#p21
ggplot(bank, aes(contact, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Contact") +
theme_minimal() -> p20
p20
ggplot(bank, aes(contact, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Contact") +
theme_minimal() -> p21
p21
- Summary
3, 4, 9, 10월의 가입률이 더 높으나 빈도는 작기 때문에 그 기간에 집중적으로 캠페인을 벌이면 성공률과 수치가 높아질 것이다. 추가적으로 시계열 데이터가 있으면 시계열 분석도 하면 좋을 것 같다.
- Report
month_deposit <- sqldf("
select
month
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
month
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1)
order by 5 desc")
month_deposit_vis <- sqldf("
select
a.month
, deposit
, round(100. * freq / tot_freq ,2) as prob
from (
select
month
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
month
, count(*) as tot_freq
from
bank
group by 1
) as b
where a.month = b.month
")
datatable(month_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank, aes(reorder(month, deposit), fill = deposit)) + geom_bar() +
#aes(x = reorder(task1b$sub_category, sales), y = sales, label = sales))
# ggtitle("Month vs Deposit") +
# theme_economist() -> p22
#p22
#ggplot(data = month_deposit_vis, aes(x = reorder(month, prob), y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Month vs Deposit") +
# theme_economist() -> p23
#p23
bank$month <- factor(bank$month)
ggplot(bank, aes(month, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Month") +
theme_minimal() -> p22
p22
ggplot(bank, aes(month, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Month") +
theme_minimal() -> p23
p23
#month_summary <- bank %>%
# group_by(deposit, month) %>%
# summarise(count = mean(deposit))
month_summary <- bank %>%
group_by(deposit, month) %>%
summarise(cnt = n()) %>%
mutate(prob = cnt / sum(cnt))
ggplot(bank, aes(x = month, y = prob, colour = deposit)) +
geom_point(data = month_summary, aes(group = deposit)) +
geom_line(data = month_summary, aes(group = deposit)) +
scale_x_discrete("month") +
scale_y_continuous("Count of deposit") +
theme_minimal() +
ggtitle("Line chart of deposit") +
theme(plot.title=element_text(size=18)) +
theme_economist() -> p24
p24
datatable(month_summary, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Summary
마케팅을 5회 미안으로 진행하는 것이 가입률이 높았다. 지나친 광고 마케팅은 잠재적 고객에게 소음으로 비춰지면서 회사에 부정적인 인식을 줄 수 있으므로 마이크로 타게팅이 필요하다.
- Report
campaign_deposit <- sqldf("
select
campaign
, campaign
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
campaign
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
)")
campaign_deposit_vis <- sqldf("
select
a.campaign
, deposit
, round(100. * freq / tot_freq, 2) as prob
from (
select
campaign
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
campaign
, count(*) as tot_freq
from bank
group by 1
) as b
where a.campaign = b.campaign
")
datatable(campaign_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank,aes(campaign)) + geom_histogram(aes(fill = deposit), color = "black", binwidth = 5) +
# ggtitle("Campaign vs Deposit") +
# theme_economist() -> p25
#p25
#ggplot(data = campaign_deposit_vis, aes(x = campaign, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Campaign vs Deposit") +
# theme_economist() -> p26
#p26
ggplot(bank, aes(campaign, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Campaign") +
theme_minimal() -> p25
p25
ggplot(bank, aes(campaign, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="brown", lty=2, size=2) +
ggtitle("Deposit rate by Campaign") +
theme_minimal() -> p26
p26
- Summary
4분 이상 통화를 한 사람만이 가입률이 높은데, 짧은 시간 통화한 사람들은 가입 의사가 없다고 생각할 수 있다.
- Report
duration_deposit <- sqldf("
select
duration
, deposit_tot
, deposit_y
, deposit_n
, round(100. * deposit_y / deposit_tot ,2) as deposit_y_ratio
, round(100. * deposit_n / deposit_tot, 2) as deposit_n_ratio
from(
select
duration
, count(*) as deposit_tot
, sum(case when deposit = 'yes' then 1 else 0 end) as deposit_y
, sum(case when deposit = 'no' then 1 else 0 end) as deposit_n
from bank
group by 1
)")
duration_deposit_vis <- sqldf("
select
a.duration
, deposit
, round(100. * freq / tot_freq ,2) as prob
from (
select
duration
, deposit
, count(*) as freq
from bank
group by 1, 2
) as a, (
select
duration
, count(*) as tot_freq
from bank
group by 1
) as b
where a.duration = b.duration
")
datatable(duration_deposit, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))
- Visualization
#ggplot(bank, aes(duration, fill = deposit)) + geom_bar() +
# ggtitle("Duration vs Deposit") +
# theme_economist() -> p27
#p27
#ggplot(data = duration_deposit_vis, aes(x = duration, y = prob, fill = deposit)) +
# geom_bar(stat = "identity") +
# ggtitle("Duration vs Deposit") +
# theme_economist() -> p28
#p28
ggplot(bank, aes(duration, fill=deposit)) +
geom_bar(position="stack") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=comma) +
ylab("Customers") +
ggtitle("Deposit by Duration") +
theme_minimal() -> p27
p27
ggplot(bank, aes(duration, fill=deposit)) +
geom_bar(position="fill") +
scale_fill_brewer(palette="Set1") +
#scale_y_continuous(labels=percent) +
ylab("Conversion rate") +
geom_hline(yintercept=crude_deporate, col="white", lty=2, size=2) +
ggtitle("Deposit rate by Duration") +
theme_minimal() -> p28
p28
grid.arrange(p1,p2,p3,p4)->g1
g1
## TableGrob (2 x 2) "arrange": 4 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (1-1,2-2) arrange gtable[layout]
## 3 3 (2-2,1-1) arrange gtable[layout]
## 4 4 (2-2,2-2) arrange gtable[layout]
grid.arrange(p5,p6)->g2
g2
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p7,p8)->g3
g3
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p9,p10)->g4
g4
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p11,p12)->g5
g5
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p13, p14)->g6
g6
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p16,p17)->g7
g7
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p18,p19)->g8
g8
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p20,p21)->g9
g9
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p22,p23)->g10
g10
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p25,p26)->g11
g11
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
grid.arrange(p27,p28)->g12
g12
## TableGrob (2 x 1) "arrange": 2 grobs
## z cells name grob
## 1 1 (1-1,1-1) arrange gtable[layout]
## 2 2 (2-2,1-1) arrange gtable[layout]
- 전처리 요소들
– 데이터 정제 (Data cleaning)
• 결측값(Missing value)
• 이상치(Outlier)
• 잡음(Noise)
• 중복값(Duplicate value)
– 데이터분할/병합
– 표본 추출(Sampling)
– 데이터 이산화 및 이진화(Discretization and binalization)
– 데이터 표준화(Standardization)
– 차원 축소(Dimensionality reduction)
– 특징 선택 및 추출(Variable selection and feature extraction)
- feature vector map :
- admin., management : 0
- blue-collar, technician : 1
- entrepreneur, self-employed : 2
- housemaid, services : 3
- retired : 4
- student : 5
- unemployed : 6
- unknown : 7
bank$job <- ifelse(bank$job == 'admin.' | bank$job == 'management', 0,
ifelse(bank$job == 'blue-collar' | bank$job == 'technician', 1,
ifelse(bank$job == 'entrepreneur' | bank$job == 'self-employed', 2,
ifelse(bank$job == 'housemaid' | bank$job == 'services', 3,
ifelse(bank$job == 'retired', 4,
ifelse(bank$job == 'student', 5,
ifelse(bank$job == 'unemployed', 6, 7)))))))
table(bank$job)
##
## 0 1 2 3 4 5 6 7
## 3900 3767 733 1197 778 360 357 70
- feature vector map :
- divorced : 0
- married : 1
- single : 2
bank$marital <- ifelse(bank$marital == 'divorced', 0,
ifelse(bank$marital == 'married', 1, 2))
table(bank$marital)
##
## 0 1 2
## 1293 6351 3518
- feature vector map :
- primary : 0
- secondary : 1
- tertiary : 2
- unknown : 3
bank$education <- ifelse(bank$education == 'primary', 0,
ifelse(bank$education == 'secondary', 1,
ifelse(bank$education == 'tertiary', 2, 3)))
table(bank$education)
##
## 0 1 2 3
## 1500 5476 3689 497
- feature vector map :
- no : 0
- yes : 1
bank$default <- ifelse(bank$default == 'no', 0, 1)
table(bank$default)
##
## 0 1
## 10994 168
- feature vector map :
- no : 0
- yes : 1
bank$housing <- ifelse(bank$housing == 'no', 0, 1)
table(bank$housing)
##
## 0 1
## 5881 5281
- feature vector map :
- no : 0
- yes : 1
bank$loan <- ifelse(bank$loan == 'no', 0, 1)
table(bank$loan)
##
## 0 1
## 9702 1460
- feature vector map :
- cellular : 0
- telephone : 1
- unknown : 2
bank$contact <- ifelse(bank$contact == 'cellular', 0,
ifelse(bank$contact == 'telephone', 1, 2))
table(bank$contact)
##
## 0 1 2
## 8042 774 2346
- pass: already convert
table(bank$month)
##
## 1 2 3 4 5 6 7 8 9 10 11 12
## 344 776 276 923 2824 1222 1514 1519 319 392 943 110
- pass: already convert
#bank$duration<-ifelse(bank$duration<5 ,"1",ifelse(bank$duration>=5 & bank$duration<10,"2",
# ifelse(bank$duration>=10 & bank$duration<15,"3","4")))
#bank$duration<-as.factor(bank$duration)
bank$duration <- as.integer(bank$duration)
table(bank$duration)
##
## 1 2 3 4
## 4 52 69 11037
- feature vector map :
- other & unknown : 0
- failure : 1
- success : 2
bank$poutcome <- ifelse(bank$poutcome == 'other' | bank$poutcome == 'unknown', 0,
ifelse(bank$poutcome == 'technician', 1, 2))
table(bank$poutcome)
##
## 0 2
## 8863 2299
- feature vector map :
- no : 0
- yes : 1
bank$deposit <- ifelse(bank$deposit == 'no', 0, 1)
#bank$deposit <- as.factor(bank$deposit)
table(bank$deposit)
##
## 0 1
## 5873 5289
data_corr <- bank
for(i in 1:ncol(data_corr)){
data_corr[,i]<- as.integer(data_corr[,i])
}
corrplot(cor(data_corr), order="hclust", title="Correlation", addrect=3); #visualization
# pdays, previous and duration are highly correlated variables
- Load & Split the data
bank <- read.csv("./input/bank.csv")
# train / test set
set.seed(1004)
flag <- sample(c("tr", "te"), size = nrow(bank), c(8, 2), replace = T)
train <- bank[which(flag == "tr"), ]
test <- bank[which(flag == "te"), ]
prop.table(table(bank$deposit))
##
## no yes
## 0.5261602 0.4738398
- Dummy label
bank$deposit <- ifelse(bank$deposit=="yes", 1, 0)
- Preprocessing
– 결측치 처리,중복 데이터 제거,수치형 데이터 추출
- Bining : age, balance, duration
- dummy : job, marital, education, default, housing, loan, contact, poutcome, deposit
– training set / validation set / test set (6:2:2) 구성 → k의 개수 결정
– 독립변수 표준화
# NA 데이터 제거
#bank2 <- bank2[!is.na(bank2$time_spend_company), ] # tm__변수가 NA값을 가지는 데이터를 제거
#summary(bank2)
# NA 값 대치
#bank2 <- knnImputation(bank2, k = 2)
#summary(bank2)
str(bank)
## 'data.frame': 11162 obs. of 17 variables:
## $ age : int 59 56 41 55 54 42 56 60 37 28 ...
## $ job : Factor w/ 12 levels "admin.","blue-collar",..: 1 1 10 8 1 5 5 6 10 8 ...
## $ marital : Factor w/ 3 levels "divorced","married",..: 2 2 2 2 2 3 2 1 2 3 ...
## $ education: Factor w/ 4 levels "primary","secondary",..: 2 2 2 2 3 3 3 2 2 2 ...
## $ default : Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
## $ balance : int 2343 45 1270 2476 184 0 830 545 1 5090 ...
## $ housing : Factor w/ 2 levels "no","yes": 2 1 2 2 1 2 2 2 2 2 ...
## $ loan : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 2 1 1 1 ...
## $ contact : Factor w/ 3 levels "cellular","telephone",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ day : int 5 5 5 5 5 5 6 6 6 6 ...
## $ month : Factor w/ 12 levels "apr","aug","dec",..: 9 9 9 9 9 9 9 9 9 9 ...
## $ duration : int 1042 1467 1389 579 673 562 1201 1030 608 1297 ...
## $ campaign : int 1 1 1 1 2 2 1 1 1 3 ...
## $ pdays : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ previous : int 0 0 0 0 0 0 0 0 0 0 ...
## $ poutcome : Factor w/ 4 levels "failure","other",..: 4 4 4 4 4 4 4 4 4 4 ...
## $ deposit : num 1 1 1 1 1 1 1 1 1 1 ...
- Split the Data (train / validation / test set)
# 수치형 데이터 추출
bank_num <- bank[,sapply(bank, is.numeric) ] # 수치형 데이터만 추출
set.seed(1004)
flag <- sample(c("tr", "va", "te"), size = nrow(bank_num), c(6, 2, 2), replace = T)
train <- bank_num[which(flag == "tr"), ]
valid <- bank_num[which(flag == "va"), ]
test <- bank_num[which(flag == "te"), ]
prop.table(table(train$deposit))
##
## 0 1
## 0.5260487 0.4739513
prop.table(table(valid$deposit))
##
## 0 1
## 0.520862 0.479138
prop.table(table(test$deposit))
##
## 0 1
## 0.5315513 0.4684487
str(train)
## 'data.frame': 6699 obs. of 8 variables:
## $ age : int 59 56 54 56 60 37 28 38 30 29 ...
## $ balance : int 2343 45 184 830 545 1 5090 100 309 199 ...
## $ day : int 5 5 5 6 6 6 6 7 7 7 ...
## $ duration: int 1042 1467 673 1201 1030 608 1297 786 1574 1689 ...
## $ campaign: int 1 1 2 1 1 1 3 1 2 4 ...
## $ pdays : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ previous: int 0 0 0 0 0 0 0 0 0 0 ...
## $ deposit : num 1 1 1 1 1 1 1 1 1 1 ...
str(valid)
## 'data.frame': 2181 obs. of 8 variables:
## $ age : int 55 42 49 41 43 35 31 26 36 52 ...
## $ balance : int 2476 0 -8 55 388 40 307 82 1165 2240 ...
## $ day : int 5 5 8 8 8 9 9 9 13 13 ...
## $ duration: int 579 562 1119 1120 2087 617 538 654 1001 845 ...
## $ campaign: int 1 2 1 2 2 4 1 1 4 1 ...
## $ pdays : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ previous: int 0 0 0 0 0 0 0 0 0 0 ...
## $ deposit : num 1 1 1 1 1 1 1 1 1 1 ...
str(test)
## 'data.frame': 2282 obs. of 8 variables:
## $ age : int 41 31 43 33 35 43 48 48 41 41 ...
## $ balance : int 1270 703 2067 390 414 3285 1405 1596 1384 -306 ...
## $ day : int 5 8 8 9 13 13 14 14 15 15 ...
## $ duration: int 1389 943 756 665 504 1721 629 760 1162 500 ...
## $ campaign: int 1 2 1 2 4 2 2 1 4 1 ...
## $ pdays : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ previous: int 0 0 0 0 0 0 0 0 0 0 ...
## $ deposit : num 1 1 1 1 1 1 1 1 1 1 ...
pp_model <- preProcess(train[, -8], method = c("center", "scale"))
tr_x <- predict(pp_model, train[, -8])
va_x <- predict(pp_model, valid[, -8])
te_x <- predict(pp_model, test[, -8])
tr_y <- as.factor(train[, 8])
va_y <- as.factor(valid[, 8])
te_y <- as.factor(test[, 8])
boxplot(train)
boxplot(tr_x)
- Training
m_knn <- knn(tr_x, va_x, cl = tr_y, k = 5) # k = 5일 때 validation set의 예측값
#m_knn
- Predicted result table
t <- table(m_knn, va_y) # 실제 y 값과 예측된 y값의 confusion matrix 생성
t
## va_y
## m_knn 0 1
## 0 893 261
## 1 243 784
acc <- sum(diag(t)) / sum(t) # accuracy 계산
#acc
#sum(diag(t))/sum(t)
### Confusion matrix
confusionMatrix(m_knn, va_y) # confusion matrix 함수 사용
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 893 261
## 1 243 784
##
## Accuracy : 0.7689
## 95% CI : (0.7506, 0.7865)
## No Information Rate : 0.5209
## P-Value [Acc > NIR] : <2e-16
##
## Kappa : 0.5367
## Mcnemar's Test P-Value : 0.4489
##
## Sensitivity : 0.7861
## Specificity : 0.7502
## Pos Pred Value : 0.7738
## Neg Pred Value : 0.7634
## Prevalence : 0.5209
## Detection Rate : 0.4094
## Detection Prevalence : 0.5291
## Balanced Accuracy : 0.7682
##
## 'Positive' Class : 0
##
acc_k <- NULL # accuracy를 누적할 NULL 벡터 생성
for(i in 1:30){
m_knn <- knn(tr_x, va_x, cl = tr_y, k = i) # k = 1부터 30까지 바꿔가며 knn algorithm 학습
t <- table(va_y, m_knn)
acc <- sum(diag(t)) / sum(t)
acc_k <- c(acc_k, acc) # k = i의 accuracy를 acc_k 벡터에 누적
}
plot(acc_k, type ="l", xlab = "Threshold (k)", ylab = "Train accuracy")
abline(v = which.max(acc_k), col = "red", lty = 2)
points(which.max(acc_k), max(acc_k), pch = 19, col = "red")
text(which.max(acc_k), max(acc_k), pos =4, labels = round(max(acc_k), 2), col = "red", cex = 0.8)
which.max(acc_k) # 최대 accuracy를 나타내는 optimal k
## [1] 16
m_knn <- knn(tr_x, va_x, cl = tr_y, k = 16)
t <- table(m_knn, va_y)
confusionMatrix(m_knn, va_y)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 0 1
## 0 915 229
## 1 221 816
##
## Accuracy : 0.7937
## 95% CI : (0.7761, 0.8105)
## No Information Rate : 0.5209
## P-Value [Acc > NIR] : <2e-16
##
## Kappa : 0.5865
## Mcnemar's Test P-Value : 0.7414
##
## Sensitivity : 0.8055
## Specificity : 0.7809
## Pos Pred Value : 0.7998
## Neg Pred Value : 0.7869
## Prevalence : 0.5209
## Detection Rate : 0.4195
## Detection Prevalence : 0.5245
## Balanced Accuracy : 0.7932
##
## 'Positive' Class : 0
##
- Test accuracy:
final_knn <- knn(tr_x, te_x, cl = tr_y, k = which.max(acc_k)) # accuracy max값을 가지는 k값을 이용하여 test set 예측
t <- table(te_y, final_knn)
t
## final_knn
## te_y 0 1
## 0 988 225
## 1 287 782
acc <- sum(diag(t)) / sum(t)
acc # 최종 accuracy
## [1] 0.7756354
#ROC(final_knn, te_y)
- Load & Split the data
bank <- read.csv("./input/bank.csv")
# train / test set
set.seed(1004)
flag <- sample(c("tr", "te"), size = nrow(bank), c(8, 2), replace = T)
train <- bank[which(flag == "tr"), ]
test <- bank[which(flag == "te"), ]
prop.table(table(bank$deposit))
##
## no yes
## 0.5261602 0.4738398
- Dummy label
bank$deposit <- ifelse(bank$deposit=="yes", 1, 0)
- Training a model:
m_logis <- glm(deposit ~ ., data=train, family=binomial(link='logit'))
summary(m_logis)
##
## Call:
## glm(formula = deposit ~ ., family = binomial(link = "logit"),
## data = train)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -4.3371 -0.5965 -0.2033 0.6077 2.9841
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -9.831e-01 3.007e-01 -3.270 0.001076 **
## age 4.790e-04 3.583e-03 0.134 0.893652
## jobblue-collar -4.140e-01 1.176e-01 -3.521 0.000429 ***
## jobentrepreneur -3.845e-01 1.955e-01 -1.967 0.049207 *
## jobhousemaid -3.075e-01 2.127e-01 -1.446 0.148211
## jobmanagement -3.436e-01 1.200e-01 -2.863 0.004197 **
## jobretired 2.150e-01 1.638e-01 1.313 0.189172
## jobself-employed -5.820e-01 1.801e-01 -3.231 0.001233 **
## jobservices -2.553e-01 1.364e-01 -1.872 0.061174 .
## jobstudent 6.320e-01 1.972e-01 3.204 0.001354 **
## jobtechnician -2.257e-01 1.121e-01 -2.013 0.044081 *
## jobunemployed -2.193e-01 1.901e-01 -1.154 0.248624
## jobunknown -4.987e-01 3.848e-01 -1.296 0.195010
## maritalmarried -2.335e-01 9.506e-02 -2.456 0.014050 *
## maritalsingle 4.097e-02 1.096e-01 0.374 0.708448
## educationsecondary 2.444e-01 1.035e-01 2.362 0.018183 *
## educationtertiary 5.536e-01 1.212e-01 4.567 4.95e-06 ***
## educationunknown 4.082e-01 1.681e-01 2.429 0.015141 *
## defaultyes 5.827e-02 2.483e-01 0.235 0.814444
## balance 2.511e-05 9.358e-06 2.683 0.007304 **
## housingyes -6.877e-01 6.960e-02 -9.881 < 2e-16 ***
## loanyes -4.377e-01 9.277e-02 -4.718 2.38e-06 ***
## contacttelephone -1.069e-02 1.202e-01 -0.089 0.929103
## contactunknown -1.531e+00 1.082e-01 -14.151 < 2e-16 ***
## day 6.289e-03 3.948e-03 1.593 0.111156
## monthaug -7.450e-01 1.253e-01 -5.945 2.76e-09 ***
## monthdec 1.356e+00 3.978e-01 3.409 0.000651 ***
## monthfeb -9.125e-02 1.438e-01 -0.634 0.525822
## monthjan -1.293e+00 1.879e-01 -6.880 6.01e-12 ***
## monthjul -9.421e-01 1.264e-01 -7.454 9.08e-14 ***
## monthjun 3.199e-01 1.491e-01 2.146 0.031894 *
## monthmar 1.993e+00 2.508e-01 7.945 1.95e-15 ***
## monthmay -7.191e-01 1.207e-01 -5.960 2.53e-09 ***
## monthnov -9.268e-01 1.350e-01 -6.866 6.60e-12 ***
## monthoct 1.270e+00 1.994e-01 6.369 1.90e-10 ***
## monthsep 8.670e-01 2.193e-01 3.954 7.69e-05 ***
## duration 5.488e-03 1.389e-04 39.505 < 2e-16 ***
## campaign -1.079e-01 1.570e-02 -6.874 6.26e-12 ***
## pdays 3.367e-04 4.812e-04 0.700 0.484135
## previous 3.152e-02 1.711e-02 1.842 0.065536 .
## poutcomeother 9.745e-02 1.494e-01 0.652 0.514223
## poutcomesuccess 2.307e+00 1.604e-01 14.378 < 2e-16 ***
## poutcomeunknown -1.504e-01 1.551e-01 -0.970 0.332184
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 12423 on 8980 degrees of freedom
## Residual deviance: 7285 on 8938 degrees of freedom
## AIC: 7371
##
## Number of Fisher Scoring iterations: 5
- coefficients
exp(coef(m_logis))
## (Intercept) age jobblue-collar
## 0.3741406 1.0004791 0.6609801
## jobentrepreneur jobhousemaid jobmanagement
## 0.6808086 0.7352466 0.7092031
## jobretired jobself-employed jobservices
## 1.2398917 0.5587720 0.7746820
## jobstudent jobtechnician jobunemployed
## 1.8814575 0.7979861 0.8030717
## jobunknown maritalmarried maritalsingle
## 0.6073289 0.7917775 1.0418243
## educationsecondary educationtertiary educationunknown
## 1.2768770 1.7395566 1.5041604
## defaultyes balance housingyes
## 1.0599994 1.0000251 0.5027313
## loanyes contacttelephone contactunknown
## 0.6455081 0.9893625 0.2163384
## day monthaug monthdec
## 1.0063085 0.4747531 3.8813561
## monthfeb monthjan monthjul
## 0.9127920 0.2744884 0.3898223
## monthjun monthmar monthmay
## 1.3770222 7.3340495 0.4871876
## monthnov monthoct monthsep
## 0.3958008 3.5599935 2.3797058
## duration campaign pdays
## 1.0055026 0.8977018 1.0003367
## previous poutcomeother poutcomesuccess
## 1.0320173 1.1023595 10.0405651
## poutcomeunknown
## 0.8603231
- train set prediction:
# train set prediction
pred_tr <- predict(m_logis, train, type="response")
t <- table(train$deposit, pred_tr > 0.5)
# train set accuracy
acc <- sum(diag(t)) / sum(t)
acc
## [1] 0.8249638
pred_tr <- predict(m_logis, train, type="response", na.action = na.pass)
pred_tr <- ifelse(pred_tr > 0.5, 1, 0) # YES, NO
table(train$deposit)
##
## no yes
## 4737 4244
table(pred_tr)
## pred_tr
## 0 1
## 4925 4056
- test set prediction:
# test set prediction
pred_te <- predict(m_logis, test, type="response")
t <- table(test$deposit, pred_te > 0.5)
# test set accuracy
acc <- sum(diag(t)) / sum(t)
acc
## [1] 0.824851
#pred_te <- predict(m_logis, train, type="response", na.action = na.pass)
#pred_te <- ifelse(pred_te > 0.5, 1, 0) # YES, NO
#table(test$deposit)
#table(pred_te)
ROC(pred_te, test$deposit) # also try adding plot="sp"
ctrl1 <- trainControl(method = "repeatedcv", number = 10, savePredictions = TRUE)
mod_fit1 <- train(deposit ~., data=bank, method="glm", family="binomial",
trControl = ctrl1, tuneLength = 5)
summary(mod_fit1)
##
## Call:
## NULL
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -5.9952 -0.5996 -0.2117 0.6148 2.8620
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -7.870e-01 2.685e-01 -2.931 0.003383 **
## age -7.645e-04 3.204e-03 -0.239 0.811405
## `jobblue-collar` -3.314e-01 1.043e-01 -3.179 0.001480 **
## jobentrepreneur -3.955e-01 1.762e-01 -2.244 0.024818 *
## jobhousemaid -4.757e-01 1.911e-01 -2.490 0.012790 *
## jobmanagement -2.683e-01 1.075e-01 -2.496 0.012563 *
## jobretired 2.972e-01 1.474e-01 2.017 0.043693 *
## `jobself-employed` -4.298e-01 1.618e-01 -2.657 0.007886 **
## jobservices -2.835e-01 1.205e-01 -2.352 0.018673 *
## jobstudent 5.907e-01 1.763e-01 3.351 0.000805 ***
## jobtechnician -1.567e-01 9.935e-02 -1.578 0.114676
## jobunemployed -1.169e-01 1.673e-01 -0.698 0.484879
## jobunknown -3.942e-01 3.446e-01 -1.144 0.252691
## maritalmarried -1.800e-01 8.566e-02 -2.101 0.035607 *
## maritalsingle 7.670e-02 9.853e-02 0.778 0.436313
## educationsecondary 2.053e-01 9.281e-02 2.212 0.026969 *
## educationtertiary 4.631e-01 1.093e-01 4.236 2.27e-05 ***
## educationunknown 2.640e-01 1.506e-01 1.753 0.079628 .
## defaultyes -8.455e-03 2.215e-01 -0.038 0.969556
## balance 2.799e-05 8.516e-06 3.287 0.001012 **
## housingyes -7.001e-01 6.217e-02 -11.260 < 2e-16 ***
## loanyes -5.019e-01 8.381e-02 -5.988 2.13e-09 ***
## contacttelephone -5.330e-02 1.080e-01 -0.494 0.621644
## contactunknown -1.555e+00 9.665e-02 -16.091 < 2e-16 ***
## day 3.741e-03 3.541e-03 1.056 0.290813
## monthaug -8.185e-01 1.109e-01 -7.378 1.61e-13 ***
## monthdec 1.373e+00 3.706e-01 3.706 0.000211 ***
## monthfeb -1.675e-01 1.277e-01 -1.311 0.189690
## monthjan -1.239e+00 1.671e-01 -7.414 1.22e-13 ***
## monthjul -9.824e-01 1.122e-01 -8.753 < 2e-16 ***
## monthjun 2.854e-01 1.327e-01 2.151 0.031511 *
## monthmar 2.030e+00 2.289e-01 8.868 < 2e-16 ***
## monthmay -6.584e-01 1.068e-01 -6.165 7.03e-10 ***
## monthnov -9.556e-01 1.207e-01 -7.915 2.47e-15 ***
## monthoct 1.080e+00 1.762e-01 6.128 8.92e-10 ***
## monthsep 9.350e-01 1.994e-01 4.688 2.75e-06 ***
## duration 5.469e-03 1.244e-04 43.978 < 2e-16 ***
## campaign -9.119e-02 1.362e-02 -6.696 2.14e-11 ***
## pdays -8.934e-05 4.300e-04 -0.208 0.835407
## previous 1.731e-02 1.421e-02 1.218 0.223360
## poutcomeother 8.847e-02 1.331e-01 0.665 0.506246
## poutcomesuccess 2.227e+00 1.416e-01 15.731 < 2e-16 ***
## poutcomeunknown -2.768e-01 1.376e-01 -2.012 0.044259 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 15443.2 on 11161 degrees of freedom
## Residual deviance: 9110.7 on 11119 degrees of freedom
## AIC: 9196.7
##
## Number of Fisher Scoring iterations: 5
pred_cross1 = predict(mod_fit1, newdata=test)
pred_cross1<-ifelse(pred_cross1 > 0.5, 1, 0)
# accuracy 81
varImp(m_logis, scale=FALSE)
## Overall
## age 0.13368435
## jobblue-collar 3.52129432
## jobentrepreneur 1.96679158
## jobhousemaid 1.44588088
## jobmanagement 2.86295090
## jobretired 1.31303191
## jobself-employed 3.23117804
## jobservices 1.87223747
## jobstudent 3.20434766
## jobtechnician 2.01332055
## jobunemployed 1.15369734
## jobunknown 1.29589965
## maritalmarried 2.45598406
## maritalsingle 0.37394094
## educationsecondary 2.36187695
## educationtertiary 4.56694584
## educationunknown 2.42899889
## defaultyes 0.23469711
## balance 2.68263384
## housingyes 9.88051571
## loanyes 4.71810336
## contacttelephone 0.08897374
## contactunknown 14.15113044
## day 1.59302079
## monthaug 5.94503692
## monthdec 3.40947698
## monthfeb 0.63439648
## monthjan 6.87952541
## monthjul 7.45370356
## monthjun 2.14573706
## monthmar 7.94463873
## monthmay 5.95957282
## monthnov 6.86606256
## monthoct 6.36917142
## monthsep 3.95380186
## duration 39.50512179
## campaign 6.87359018
## pdays 0.69966733
## previous 1.84158220
## poutcomeother 0.65227617
## poutcomesuccess 14.37831282
## poutcomeunknown 0.96972404
full_m <- glm(deposit~., data = train, family = "binomial")
null_m <- glm(deposit~1., data = train, family = "binomial")
m_logis_step <- step(null_m, direction = "both", trace = F, scope = list(lower = null_m, upper = full_m))
m_logis_step
##
## Call: glm(formula = deposit ~ duration + month + poutcome + contact +
## housing + job + campaign + loan + education + marital + balance +
## previous + day, family = "binomial", data = train)
##
## Coefficients:
## (Intercept) duration monthaug
## -0.875320 0.005488 -0.746025
## monthdec monthfeb monthjan
## 1.355110 -0.095299 -1.296289
## monthjul monthjun monthmar
## -0.941368 0.316712 1.989402
## monthmay monthnov monthoct
## -0.719508 -0.937217 1.268458
## monthsep poutcomeother poutcomesuccess
## 0.870803 0.091495 2.281249
## poutcomeunknown contacttelephone contactunknown
## -0.231509 -0.007655 -1.530671
## housingyes jobblue-collar jobentrepreneur
## -0.685000 -0.415500 -0.382129
## jobhousemaid jobmanagement jobretired
## -0.307215 -0.343629 0.222133
## jobself-employed jobservices jobstudent
## -0.582051 -0.256766 0.623427
## jobtechnician jobunemployed jobunknown
## -0.228135 -0.218601 -0.493176
## campaign loanyes educationsecondary
## -0.107999 -0.436501 0.243253
## educationtertiary educationunknown maritalmarried
## 0.549834 0.408518 -0.235894
## maritalsingle balance previous
## 0.035681 0.000025 0.031070
## day
## 0.006256
##
## Degrees of Freedom: 8980 Total (i.e. Null); 8941 Residual
## Null Deviance: 12420
## Residual Deviance: 7286 AIC: 7366
summary(m_logis_step)
##
## Call:
## glm(formula = deposit ~ duration + month + poutcome + contact +
## housing + job + campaign + loan + education + marital + balance +
## previous + day, family = "binomial", data = train)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -4.3341 -0.5964 -0.2035 0.6067 2.9832
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -8.753e-01 2.163e-01 -4.047 5.19e-05 ***
## duration 5.488e-03 1.389e-04 39.503 < 2e-16 ***
## monthaug -7.460e-01 1.251e-01 -5.962 2.50e-09 ***
## monthdec 1.355e+00 3.978e-01 3.406 0.000659 ***
## monthfeb -9.530e-02 1.437e-01 -0.663 0.507136
## monthjan -1.296e+00 1.878e-01 -6.902 5.11e-12 ***
## monthjul -9.414e-01 1.262e-01 -7.458 8.82e-14 ***
## monthjun 3.167e-01 1.490e-01 2.125 0.033567 *
## monthmar 1.989e+00 2.507e-01 7.936 2.09e-15 ***
## monthmay -7.195e-01 1.207e-01 -5.963 2.48e-09 ***
## monthnov -9.372e-01 1.340e-01 -6.997 2.62e-12 ***
## monthoct 1.268e+00 1.992e-01 6.367 1.93e-10 ***
## monthsep 8.708e-01 2.193e-01 3.971 7.14e-05 ***
## poutcomeother 9.149e-02 1.492e-01 0.613 0.539749
## poutcomesuccess 2.281e+00 1.562e-01 14.603 < 2e-16 ***
## poutcomeunknown -2.315e-01 1.034e-01 -2.240 0.025101 *
## contacttelephone -7.655e-03 1.190e-01 -0.064 0.948728
## contactunknown -1.531e+00 1.081e-01 -14.159 < 2e-16 ***
## housingyes -6.850e-01 6.893e-02 -9.938 < 2e-16 ***
## jobblue-collar -4.155e-01 1.174e-01 -3.538 0.000403 ***
## jobentrepreneur -3.821e-01 1.952e-01 -1.958 0.050282 .
## jobhousemaid -3.072e-01 2.122e-01 -1.448 0.147633
## jobmanagement -3.436e-01 1.199e-01 -2.866 0.004156 **
## jobretired 2.221e-01 1.468e-01 1.513 0.130333
## jobself-employed -5.821e-01 1.801e-01 -3.232 0.001227 **
## jobservices -2.568e-01 1.363e-01 -1.884 0.059568 .
## jobstudent 6.234e-01 1.939e-01 3.215 0.001306 **
## jobtechnician -2.281e-01 1.120e-01 -2.037 0.041639 *
## jobunemployed -2.186e-01 1.900e-01 -1.151 0.249809
## jobunknown -4.932e-01 3.844e-01 -1.283 0.199476
## campaign -1.080e-01 1.570e-02 -6.879 6.05e-12 ***
## loanyes -4.365e-01 9.246e-02 -4.721 2.35e-06 ***
## educationsecondary 2.433e-01 1.028e-01 2.366 0.017989 *
## educationtertiary 5.498e-01 1.201e-01 4.576 4.73e-06 ***
## educationunknown 4.085e-01 1.681e-01 2.431 0.015063 *
## maritalmarried -2.359e-01 9.472e-02 -2.490 0.012760 *
## maritalsingle 3.568e-02 1.029e-01 0.347 0.728785
## balance 2.500e-05 9.323e-06 2.682 0.007316 **
## previous 3.107e-02 1.711e-02 1.815 0.069458 .
## day 6.256e-03 3.946e-03 1.585 0.112896
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 12423.2 on 8980 degrees of freedom
## Residual deviance: 7285.6 on 8941 degrees of freedom
## AIC: 7365.6
##
## Number of Fisher Scoring iterations: 5
- training data class prediction
pred_tr <- predict(m_logis_step, type = "response")
- trainig set classification 성능
t <- table(train$deposit, pred_tr > 0.5) # threshold = 0.5기준으로 confusion matrix
t
##
## FALSE TRUE
## no 4045 692
## yes 876 3368
acc_tr <- sum(diag(t)) / sum(t) # training accuracy
acc_tr
## [1] 0.8254092
- test dataset classification 성능
pred_te <- predict(m_logis_step, test, type = "response") # class prediction
t_te <- table(test$deposit, pred_te >0.5) # confusion matrix
t_te
##
## FALSE TRUE
## no 969 167
## yes 214 831
acc_te <- sum(diag(t_te)) / sum(t_te) # test accuracy
acc_te
## [1] 0.8253095
- 가장 높은 accuracy를 보여주는 threshold 탐색
acc_th <- NULL
threshold <- seq(0.1, 0.9, by = 0.1) # threshold 범위: 0.1~0.9 범위에서 0.1씩 증가시키면서 탐색
for(i in threshold){
pred_te <- predict(m_logis_step, test, type = "response") # class prediction
t_te <- table(test$deposit, pred_te > i) # confusion matrix
t_te
acc_te <- sum(diag(t_te)) / sum(t_te) # test accuracy
acc_te # test accuracy
acc_th <- c(acc_th, acc_te)
}
# plotting
plot(threshold, acc_th, type = "l", xlab = "Threshold", ylab = "Test accuracy")
abline(v = threshold[which.max(acc_th)], col = "red", lty = 2)
points(threshold[which.max(acc_th)], max(acc_th), pch = 19, col = "red")
text(threshold[which.max(acc_th)], max(acc_th), pos =4, labels = round(max(acc_th), 2), col = "red", cex = 0.8)
##### threshold = 0.6 test result
t_te <- table(test$deposit, pred_te > 0.5) # confusion matrix
t_te
##
## FALSE TRUE
## no 969 167
## yes 214 831
acc_te <- sum(diag(t_te)) / sum(t_te) # test accuracy
acc_te # test accuracy
## [1] 0.8253095
- result plot
plot(pred_te, col = as.factor(test$deposit), pch = 19, ylim = c(0, 1), ylab = "Predicted class")
abline(h = 0.6, lty = 2)
- Reshape Data
bank$deposit <- factor(as.numeric(bank$deposit))
bank$housing <- factor(as.numeric(bank$housing))
bank$loan <- factor(as.numeric(bank$loan))
bank$deposit <- factor(as.numeric(bank$deposit))
- Sampling
feature <- bank
response <- as.factor(bank$deposit)
feature$deposit <- as.factor(bank$deposit)
### For Cross validation purpose will keep 20% of data aside from my orginal train set
## This is just to check how well my data works for unseen data
set.seed(1004)
ind <- createDataPartition(feature$deposit, times=1, p=0.8, list=FALSE)
train_data <- feature[ind, ]
test_data <- feature[-ind, ]
prop.table(table(bank$deposit))
##
## 1 2
## 0.5261602 0.4738398
prop.table(table(train_data$deposit))
##
## 1 2
## 0.5261449 0.4738551
prop.table(table(test_data$deposit))
##
## 1 2
## 0.5262214 0.4737786
set.seed(1004)
## Training
dt <- rpart(as.factor(deposit)~., data = train_data, cp = 0.1^20) # 모든 변수 사용, Full tree 생성
xerror_min_which <- which.min(dt$cptable[, "xerror"])
xerror_min <- min(dt$cptable[, "xerror"])
printcp(dt) # cptable 출력
##
## Classification tree:
## rpart(formula = as.factor(deposit) ~ ., data = train_data, cp = 0.1^20)
##
## Variables actually used in tree construction:
## [1] age balance campaign contact day duration education
## [8] housing job loan marital month pdays poutcome
## [15] previous
##
## Root node error: 4232/8931 = 0.47386
##
## n= 8931
##
## CP nsplit rel error xerror xstd
## 1 3.9130e-01 0 1.00000 1.00000 0.0111501
## 2 4.6786e-02 1 0.60870 0.61413 0.0101433
## 3 2.5638e-02 3 0.51512 0.52079 0.0096277
## 4 2.0203e-02 5 0.46385 0.47968 0.0093585
## 5 1.7250e-02 7 0.42344 0.42935 0.0089896
## 6 1.5832e-02 8 0.40619 0.41990 0.0089150
## 7 1.1106e-02 9 0.39036 0.40855 0.0088232
## 8 1.0279e-02 10 0.37925 0.39390 0.0087008
## 9 5.4348e-03 13 0.34735 0.37595 0.0085445
## 10 4.9622e-03 14 0.34192 0.35964 0.0083964
## 11 2.8355e-03 16 0.33199 0.34688 0.0082761
## 12 2.5205e-03 18 0.32632 0.34168 0.0082259
## 13 2.1267e-03 21 0.31876 0.33507 0.0081611
## 14 1.8904e-03 26 0.30506 0.33365 0.0081471
## 15 1.8116e-03 29 0.29939 0.33436 0.0081541
## 16 1.6541e-03 32 0.29395 0.33199 0.0081306
## 17 1.4178e-03 33 0.29230 0.32609 0.0080713
## 18 1.2996e-03 34 0.29088 0.32632 0.0080737
## 19 1.1815e-03 41 0.28119 0.32372 0.0080474
## 20 9.4518e-04 44 0.27765 0.32325 0.0080426
## 21 8.6641e-04 46 0.27576 0.32136 0.0080233
## 22 8.2703e-04 52 0.27056 0.32254 0.0080353
## 23 7.0888e-04 58 0.26560 0.32349 0.0080450
## 24 6.3012e-04 64 0.26134 0.32656 0.0080761
## 25 4.7259e-04 72 0.25614 0.32538 0.0080642
## 26 3.9382e-04 91 0.24551 0.33199 0.0081306
## 27 3.5444e-04 94 0.24433 0.33767 0.0081867
## 28 3.1506e-04 114 0.23629 0.34026 0.0082121
## 29 2.9537e-04 117 0.23535 0.34074 0.0082167
## 30 2.8355e-04 121 0.23417 0.34145 0.0082236
## 31 2.3629e-04 126 0.23275 0.34783 0.0082851
## 32 1.7722e-04 149 0.22684 0.34901 0.0082964
## 33 1.3503e-04 157 0.22543 0.35610 0.0083633
## 34 1.1815e-04 164 0.22448 0.36082 0.0084073
## 35 7.8765e-05 174 0.22330 0.36319 0.0084291
## 36 5.9074e-05 192 0.22188 0.36957 0.0084873
## 37 3.9382e-05 206 0.22023 0.37216 0.0085107
## 38 1.0000e-20 212 0.21999 0.37311 0.0085192
plotcp(dt) # cpplot 출력
abline(v = xerror_min_which, lty = 2, col = "red")
text(xerror_min_which, xerror_min, labels = round(xerror_min_which, 2), pos = 3, col = "red")
# pruning
dt_prune <- prune(dt, cp = dt$cptable[which.min(dt$cptable[, "xerror"]), "CP"])
# training accuracy
pred_tr_dt <- predict(dt_prune, type = "class") # class(범주형)으로 예측
#CrossTable(x = train_data$deposit, y = pred_tr_dt, prop.chisq = FALSE)
confusionMatrix(train_data$deposit, pred_tr_dt)
## Confusion Matrix and Statistics
##
## Reference
## Prediction 1 2
## 1 3989 710
## 2 457 3775
##
## Accuracy : 0.8693
## 95% CI : (0.8622, 0.8763)
## No Information Rate : 0.5022
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.7387
## Mcnemar's Test P-Value : 1.622e-13
##
## Sensitivity : 0.8972
## Specificity : 0.8417
## Pos Pred Value : 0.8489
## Neg Pred Value : 0.8920
## Prevalence : 0.4978
## Detection Rate : 0.4466
## Detection Prevalence : 0.5261
## Balanced Accuracy : 0.8695
##
## 'Positive' Class : 1
##
# test accuracy
pred_te_dt <- predict(dt_prune, test_data, type = "class")
#CrossTable(x = test_data$deposit, y = pred_te_dt, prop.chisq = FALSE)
confusionMatrix(test_data$deposit, pred_te_dt, positive = "1")
## Confusion Matrix and Statistics
##
## Reference
## Prediction 1 2
## 1 959 215
## 2 138 919
##
## Accuracy : 0.8418
## 95% CI : (0.826, 0.8567)
## No Information Rate : 0.5083
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.6838
## Mcnemar's Test P-Value : 5.231e-05
##
## Sensitivity : 0.8742
## Specificity : 0.8104
## Pos Pred Value : 0.8169
## Neg Pred Value : 0.8694
## Prevalence : 0.4917
## Detection Rate : 0.4299
## Detection Prevalence : 0.5262
## Balanced Accuracy : 0.8423
##
## 'Positive' Class : 1
##
#ROC(pred_te_dt, test_data$deposit)
# plotting
plot(dt_prune, margin = 0.1)
text(dt_prune, use.n = T)
dt_prune$variable.importance
## duration month poutcome contact pdays
## 1246.5563085 570.2049748 286.9444871 241.2573626 123.9170639
## day housing previous age job
## 92.0833719 90.2352205 79.9784952 56.7944357 54.3680209
## campaign balance loan default education
## 29.6723697 21.7758852 10.1851659 1.1765666 0.6100337
barplot(dt_prune$variable.importance, ylim = c(0, 1200))
fancyRpartPlot(dt_prune, cex = 1, palettes = c("Greys","RdPu")) #fancy tree
set.seed(1004)
# build the simplest decision tree
dtc <- C5.0(train_data[, -17], train_data$deposit)
# display simple facts about the tree
dtc
##
## Call:
## C5.0.default(x = train_data[, -17], y = train_data$deposit)
##
## Classification Tree
## Number of samples: 8931
## Number of predictors: 16
##
## Tree size: 163
##
## Non-standard options: attempt to group attributes
#set.seed(1004)
#c5_model <- C5.0(deposit ~ ., data=train_data)
#c5_model
#plot(c5_model, main="Decision Tree Plot (C5.0)")
## Evaluating model performance
# create a factor vector of predictions on test data
pred_tr <- predict(dtc, train_data)
# cross tabulation of predicted versus actual classes
#CrossTable(train_data$deposit, pred_tr,
# prop.chisq = FALSE, prop.c = FALSE, prop.r = FALSE,
# dnn = c('actual deposit', 'predicted deposit'))
confusionMatrix(train_data$deposit, pred_tr, positive = "1")
## Confusion Matrix and Statistics
##
## Reference
## Prediction 1 2
## 1 4027 672
## 2 323 3909
##
## Accuracy : 0.8886
## 95% CI : (0.8819, 0.895)
## No Information Rate : 0.5129
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.7775
## Mcnemar's Test P-Value : < 2.2e-16
##
## Sensitivity : 0.9257
## Specificity : 0.8533
## Pos Pred Value : 0.8570
## Neg Pred Value : 0.9237
## Prevalence : 0.4871
## Detection Rate : 0.4509
## Detection Prevalence : 0.5261
## Balanced Accuracy : 0.8895
##
## 'Positive' Class : 1
##
pred_te <- predict(dtc, test_data)
#CrossTable(test_data$deposit, pred_te,
# prop.chisq = FALSE, prop.c = FALSE, prop.r = FALSE,
# dnn = c('actual deposit', 'predicted deposit'))
confusionMatrix(test_data$deposit, pred_te, positive = "1")
## Confusion Matrix and Statistics
##
## Reference
## Prediction 1 2
## 1 961 213
## 2 119 938
##
## Accuracy : 0.8512
## 95% CI : (0.8357, 0.8657)
## No Information Rate : 0.5159
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.7029
## Mcnemar's Test P-Value : 3.325e-07
##
## Sensitivity : 0.8898
## Specificity : 0.8149
## Pos Pred Value : 0.8186
## Neg Pred Value : 0.8874
## Prevalence : 0.4841
## Detection Rate : 0.4307
## Detection Prevalence : 0.5262
## Balanced Accuracy : 0.8524
##
## 'Positive' Class : 1
##
#ROC(pred_te, test$deposit) # also try adding plot="sp"
Boosting the accuracy of decision trees (의사결정 트리의 정확도 향상)
C5.0 알고리즘이 C4.5 알고리즘을 개선한 방법 중 하나는 적응형 부스팅(AdaBoost)을 추가한 것이다. 이 방법은 여러 개의 의사결정 트리를 만들어서 각 예시에 대해 최고 클래스를 투표하게 만드는 과정이다.
부스팅은 성능이 약한 여러 학습자를 결헙함으로써 어느 한 학습자 혼자보다 훨씬 강한 팀을 만들 수 있다는 생각에 뿌리를 두고 있다. 각 모델은 각자의 유일한 강점과 약점을 찾으며, 특정 문제를 풀 때 더 좋거나 더 나쁠 수 있다. 그러므로 상호 보완적인 장점과 단점을 갖는 여러 학습자를 조합해 분류기의 정확도를 극적으로 향상시킬 수 있다.
부스팅 팀에 사용할 독립적인 의사결정 트리의 개수를 나타내는 trials 파라미터를 간단히 추가한다. trials 파라미터는 상한선을 설정한다. 추가 시행이 정확도를 향상시키지 못할 것으로 보이면 알고리즘은 더 이상 트리를 추가하지 않는다.
10회 시행으로 시작할 것인데, 연구에 따르면 10회 시행 시 테스트 데이터에 대한 오류율이 약 25% 정도 줄기때문에 이 숫자는 사실상 표준이 된 상태다.
## Improving model performance
## Boosting the accuracy of decision trees
# boosted decision tree with 10 trials
data_boost10 <- C5.0(train_data[-17], train_data$deposit,
trials = 10)
data_boost10
##
## Call:
## C5.0.default(x = train_data[-17], y = train_data$deposit, trials = 10)
##
## Classification Tree
## Number of samples: 8931
## Number of predictors: 16
##
## Number of boosting iterations: 10
## Average tree size: 133.2
##
## Non-standard options: attempt to group attributes
#summary(data_boost10)
## Evaluation on training data (8931 cases):
##
## Trial Decision Tree
## ----- ----------------
## Size Errors
##
## 0 205 1960(21.9%)
## 1 49 2401(26.9%)
## 2 84 2870(32.1%)
## 3 86 2478(27.7%)
## 4 67 3118(34.9%)
## 5 64 2809(31.5%)
## 6 88 3003(33.6%)
## 7 113 2298(25.7%)
## 8 123 2285(25.6%)
## 9 99 2231(25.0%)
## boost 1724(19.3%) <<
##
##
## (a) (b) <-classified as
## ---- ----
## 4111 588 (a): class 1
## 1136 3096 (b): class 2
10회의 반복을 통해 트리의 크기가 줄어들었다.
data_boost_pred10 <- predict(data_boost10, test_data)
#CrossTable(test_data$deposit, data_boost_pred10,
# prop.chisq = FALSE, prop.c = FALSE, prop.r = FALSE,
# dnn = c('actual deposit', 'predicted deposit'))
confusionMatrix(test_data$deposit, data_boost_pred10, positive = "1")
## Confusion Matrix and Statistics
##
## Reference
## Prediction 1 2
## 1 993 181
## 2 142 915
##
## Accuracy : 0.8552
## 95% CI : (0.8399, 0.8696)
## No Information Rate : 0.5087
## P-Value [Acc > NIR] : < 2e-16
##
## Kappa : 0.7102
## Mcnemar's Test P-Value : 0.03448
##
## Sensitivity : 0.8749
## Specificity : 0.8349
## Pos Pred Value : 0.8458
## Neg Pred Value : 0.8657
## Prevalence : 0.5087
## Detection Rate : 0.4451
## Detection Prevalence : 0.5262
## Balanced Accuracy : 0.8549
##
## 'Positive' Class : 1
##
#ROC(data_boost_pred10, test_data$deposit) # also try adding plot="sp"
- Finding Tuning parameter
- 파라미터는 최대 p^3개의 후보 모델로 테스트를 진행한다.
- Decision Tree의 튜닝은 model, trials, winoow 설정에 대해 12개의 조합의 그리드로 이뤄진 후보 모델을 비교한다.
- 3^3 = 27개가 되어야 하지만, model과 winnow 파라미터가 두 개의 값(각각 tree, rules와 TRUE, FALSE)만 취할 수 있기 때문에
- 그리드 크기는 3 * 2 * 2 = 12가 된다.
modelLookup("C5.0")
## model parameter label forReg forClass probModel
## 1 C5.0 trials # Boosting Iterations FALSE TRUE TRUE
## 2 C5.0 model Model Type FALSE TRUE TRUE
## 3 C5.0 winnow Winnow FALSE TRUE TRUE
- Creating a simple tuned model
# automated parameter tuning of C5.0 decision tree
set.seed(1004) # 시뮬레이션할 때, 동일한 결과를 반복하기 위해 난수 고정
m <- train(deposit ~ ., data = train_data, method = "C5.0")
# summary of tuning results
m
## C5.0
##
## 8931 samples
## 16 predictor
## 2 classes: '1', '2'
##
## No pre-processing
## Resampling: Bootstrapped (25 reps)
## Summary of sample sizes: 8931, 8931, 8931, 8931, 8931, 8931, ...
## Resampling results across tuning parameters:
##
## model winnow trials Accuracy Kappa
## rules FALSE 1 0.8329363 0.6658720
## rules FALSE 10 0.8515142 0.7038357
## rules FALSE 20 0.8557756 0.7123245
## rules TRUE 1 0.8332760 0.6665739
## rules TRUE 10 0.8514724 0.7038454
## rules TRUE 20 0.8555500 0.7119438
## tree FALSE 1 0.8222014 0.6443441
## tree FALSE 10 0.8440799 0.6879450
## tree FALSE 20 0.8512086 0.7023366
## tree TRUE 1 0.8222574 0.6444444
## tree TRUE 10 0.8443965 0.6886099
## tree TRUE 20 0.8504388 0.7008307
##
## Accuracy was used to select the optimal model using the largest value.
## The final values used for the model were trials = 20, model = rules
## and winnow = FALSE.
# apply the best C5.0 candidate model to make predictions
p <- predict(m, train_data)
table(p, train_data$deposit)
##
## p 1 2
## 1 4064 246
## 2 635 3986
# obtain predicted classes (default: type = "raw", probabilities: type = "prob")
head(predict(m, train_data))
## [1] 2 2 2 2 2 2
## Levels: 1 2
- Customizing the tuning process
디폴트 설정을 사용하면 최적화된 모델을 쉽게 만들 수 있다. 하지만 디폴트 설정을 학습 작업에 좀 더 특화된 설정으로 변경하게 되면 성능을 높은 수준으로 올리는 데 도움이 된다. 파라미터를 최적화하기 위해 10-fold 교차검증(10-Fold C.V)를 이용해서 카파 통계량을 추정하고 반영할 것이다.
trainControl() 함수는 제어 객체로 알려진 설정 옵션 집합을 생성하기 위해 사용된다. 제어 객체는 train()함수를 이끈다. 이 옵션들을 통해 모델의 평가 기준을 관리할 수 있으며, 리샘플링 전략과 최고 모델을 선택하는 데 사용되는 척도 같은 것들이 해당된다. 이 함수는 튜닝 실험의 거의 모든 측면을 수정하는 데 사용할 수 있지만, 지금은 주요 파라미터인 method와 selectionFunction에 집중할 것이다.
trainControl() 함수의 경우 method parameter를 홀드아웃 샘플링 또는 k-fold 교차 검증과 같은 리샘플링 방법을 설정하는 데 사용할 수 있다.
selectionFunction 파라미터는 다양한 후보 중에 최적의 모델을 선택하는 함수를 지정하는데 사용한다. 그런 함수는 세 개가 있다. best 함수는 단순히 명시된 성능 척도에 대해 최고 값을 갖는 후보를 선택한다. 이 함수가 디폴트로 사용된다. 다른 두 함수는 최고 모델의 특정한 성능 임계치 내에 있는 가장 인색하거나 가장 단순한 모델을 선택하기 위해 사용된다. oneSE 함수는 최고 성능의 1표준 오차 내에 가장 단순한 후보를 선택하며, tolerance는 사용자 지정 비율 내에 가장 단순한 후보를 사용한다.
## use trainControl() to alter resampling strategy
## 10-fold Cross Validation과 oneSE 선택 함수를 사용해 ctrl이란 이름의 제어 객체를 생성
ctrl <- trainControl(method = "cv", number = 10,
selectionFunction = "oneSE")
최적화할 파라미터의 그리드 생성. 그리드의 열은 희망하는 모델의 파라미터 이름으로 구성된다. 그리드의 행은 원하는 파라미터 값의 조합으로 구성된다. 지금은 C5.0 의사결정 트리를 사용하기 때문에 .model, .trials, .winnow라는 이름으로 열이 만들어진다.
# use expand.grid() to create grid of tuning parameters
# 상수 model = "tree"와 winnow = "FALSE"를 유지하면서 8 종류의 trials를 검색
grid <- expand.grid(.model = "tree",
.trials = c(1, 5, 10, 15, 20, 25, 30, 35),
.winnow = FALSE)
# look at the result of expand.grid()
grid
## .model .trials .winnow
## 1 tree 1 FALSE
## 2 tree 5 FALSE
## 3 tree 10 FALSE
## 4 tree 15 FALSE
## 5 tree 20 FALSE
## 6 tree 25 FALSE
## 7 tree 30 FALSE
## 8 tree 35 FALSE
train() 함수는 각 행의 모델 파라미터 조합을 이용해서 평가를 위한 후보 모델을 구축할 것이다.
직전에 생성된 검색 그리드와 제어 리스트가 있으므로 train() 실험을 철저히 맞춤화해서 시행할 준비가 됐다. 이전에 했던 것처럼 반복 가능한 결과를 보장하기 위해 시드를 임의의 값으로 설정한다. 하지만 이번에는 파라미터 metric = “Kappa”를 추가하면서 제어 객체와 튜닝 그리드를 전달할 것이다. 이 경우 모델 평가 함수(이 경우 “oneSE”)가 카파 통계량을 사용한다는 것을 말한다.
# customize train() with the control list and grid of parameters
set.seed(1004)
m <- train(deposit ~ ., data = train_data, method = "C5.0",
trControl = ctrl,
tuneGrid = grid)
m
## C5.0
##
## 8931 samples
## 16 predictor
## 2 classes: '1', '2'
##
## No pre-processing
## Resampling: Cross-Validated (10 fold)
## Summary of sample sizes: 8038, 8039, 8038, 8038, 8038, 8037, ...
## Resampling results across tuning parameters:
##
## trials Accuracy Kappa
## 1 0.8441397 0.6884703
## 5 0.8508559 0.7015087
## 10 0.8564560 0.7127236
## 15 0.8602609 0.7204790
## 20 0.8612698 0.7221875
## 25 0.8630603 0.7259894
## 30 0.8621645 0.7242119
## 35 0.8622767 0.7245865
##
## Tuning parameter 'model' was held constant at a value of tree
##
## Tuning parameter 'winnow' was held constant at a value of FALSE
## Accuracy was used to select the optimal model using the one SE rule.
## The final values used for the model were trials = 20, model = tree
## and winnow = FALSE.
- Accuracy was used to select the optimal model using the one SE rule.
| model | winnow | trials | Accuracy | Kappa | 비고 | |
|---|---|---|---|---|---|---|
| 1 | rules | FALSE | 20 | 0.8557756 | 0.7123245 | 이전에 시행했던 최고 성능 모델 |
| 2 | tree | FALSE | 20 | 0.8612698 | 0.7221875 | 성능을 개선한 모델 중 선택된 모형 |
| 3 | tree | FALSE | 25 | 0.8630603 | 0.7259894 | 성능을 개선한 모델 중 가장 성능이 좋은 모형 |
- Load & Split the data:
bank <- read.csv("./input/bank.csv")
# train / test set
set.seed(1004)
flag <- sample(c("tr", "te"), size = nrow(bank), c(8, 2), replace = T)
train <- bank[which(flag == "tr"), ]
test <- bank[which(flag == "te"), ]
prop.table(table(bank$deposit))
##
## no yes
## 0.5261602 0.4738398
- Training a model:
set.seed(1004)
mybag <- bagging(deposit ~ ., data = train_data, nbagg = 25)
bag_pred <- predict(mybag, train_data)
- Evaluating model performance:
#table(bag_pred, train_data$deposit)
#bag_pred$confusion
bag_pred
## $formula
## deposit ~ .
##
## $votes
## [,1] [,2]
## [1,] 0 100
## [2,] 0 100
## [3,] 20 80
## [4,] 2 98
## [5,] 0 100
## [6,] 0 100
## [7,] 0 100
## [8,] 0 100
## [9,] 0 100
## [10,] 0 100
## [11,] 0 100
## [12,] 27 73
## [13,] 0 100
## [14,] 0 100
## [15,] 29 71
## [16,] 63 37
## [17,] 0 100
## [18,] 0 100
## [19,] 0 100
## [20,] 0 100
## [21,] 39 61
## [22,] 0 100
## [23,] 27 73
## [24,] 0 100
## [25,] 4 96
## [26,] 0 100
## [27,] 4 96
## [28,] 0 100
## [29,] 2 98
## [30,] 29 71
## [31,] 23 77
## [32,] 83 17
## [33,] 0 100
## [34,] 0 100
## [35,] 0 100
## [36,] 0 100
## [37,] 0 100
## [38,] 0 100
## [39,] 0 100
## [40,] 41 59
## [41,] 0 100
## [42,] 0 100
## [43,] 0 100
## [44,] 0 100
## [45,] 0 100
## [46,] 0 100
## [47,] 0 100
## [48,] 0 100
## [49,] 0 100
## [50,] 0 100
## [51,] 0 100
## [52,] 0 100
## [53,] 0 100
## [54,] 0 100
## [55,] 39 61
## [56,] 28 72
## [57,] 0 100
## [58,] 29 71
## [59,] 0 100
## [60,] 0 100
## [61,] 0 100
## [62,] 0 100
## [63,] 0 100
## [64,] 29 71
## [65,] 0 100
## [66,] 0 100
## [67,] 0 100
## [68,] 0 100
## [69,] 0 100
## [70,] 0 100
## [71,] 0 100
## [72,] 0 100
## [73,] 0 100
## [74,] 0 100
## [75,] 0 100
## [76,] 0 100
## [77,] 0 100
## [78,] 19 81
## [79,] 0 100
## [80,] 25 75
## [81,] 0 100
## [82,] 0 100
## [83,] 20 80
## [84,] 63 37
## [85,] 0 100
## [86,] 0 100
## [87,] 0 100
## [88,] 100 0
## [89,] 0 100
## [90,] 0 100
## [91,] 4 96
## [92,] 0 100
## [93,] 0 100
## [94,] 23 77
## [95,] 0 100
## [96,] 0 100
## [97,] 0 100
## [98,] 79 21
## [99,] 0 100
## [100,] 4 96
## [101,] 29 71
## [102,] 0 100
## [103,] 0 100
## [104,] 0 100
## [105,] 0 100
## [106,] 27 73
## [107,] 0 100
## [108,] 0 100
## [109,] 0 100
## [110,] 0 100
## [111,] 0 100
## [112,] 20 80
## [113,] 20 80
## [114,] 0 100
## [115,] 0 100
## [116,] 79 21
## [117,] 0 100
## [118,] 0 100
## [119,] 0 100
## [120,] 0 100
## [121,] 4 96
## [122,] 0 100
## [123,] 0 100
## [124,] 0 100
## [125,] 0 100
## [126,] 0 100
## [127,] 0 100
## [128,] 0 100
## [129,] 0 100
## [130,] 0 100
## [131,] 0 100
## [132,] 0 100
## [133,] 0 100
## [134,] 20 80
## [135,] 27 73
## [136,] 29 71
## [137,] 0 100
## [138,] 0 100
## [139,] 25 75
## [140,] 27 73
## [141,] 0 100
## [142,] 0 100
## [143,] 27 73
## [144,] 0 100
## [145,] 0 100
## [146,] 0 100
## [147,] 0 100
## [148,] 0 100
## [149,] 0 100
## [150,] 0 100
## [151,] 0 100
## [152,] 6 94
## [153,] 0 100
## [154,] 20 80
## [155,] 0 100
## [156,] 0 100
## [157,] 0 100
## [158,] 0 100
## [159,] 0 100
## [160,] 0 100
## [161,] 0 100
## [162,] 0 100
## [163,] 100 0
## [164,] 0 100
## [165,] 0 100
## [166,] 0 100
## [167,] 0 100
## [168,] 27 73
## [169,] 83 17
## [170,] 4 96
## [171,] 0 100
## [172,] 23 77
## [173,] 0 100
## [174,] 100 0
## [175,] 0 100
## [176,] 2 98
## [177,] 25 75
## [178,] 0 100
## [179,] 0 100
## [180,] 79 21
## [181,] 0 100
## [182,] 0 100
## [183,] 0 100
## [184,] 0 100
## [185,] 0 100
## [186,] 0 100
## [187,] 0 100
## [188,] 39 61
## [189,] 0 100
## [190,] 0 100
## [191,] 0 100
## [192,] 7 93
## [193,] 27 73
## [194,] 20 80
## [195,] 0 100
## [196,] 6 94
## [197,] 0 100
## [198,] 27 73
## [199,] 23 77
## [200,] 0 100
## [201,] 0 100
## [202,] 0 100
## [203,] 100 0
## [204,] 0 100
## [205,] 0 100
## [206,] 0 100
## [207,] 0 100
## [208,] 0 100
## [209,] 20 80
## [210,] 6 94
## [211,] 0 100
## [212,] 0 100
## [213,] 0 100
## [214,] 0 100
## [215,] 23 77
## [216,] 0 100
## [217,] 0 100
## [218,] 0 100
## [219,] 0 100
## [220,] 85 15
## [221,] 0 100
## [222,] 52 48
## [223,] 51 49
## [224,] 4 96
## [225,] 0 100
## [226,] 0 100
## [227,] 93 7
## [228,] 0 100
## [229,] 0 100
## [230,] 0 100
## [231,] 0 100
## [232,] 0 100
## [233,] 0 100
## [234,] 39 61
## [235,] 0 100
## [236,] 0 100
## [237,] 20 80
## [238,] 0 100
## [239,] 0 100
## [240,] 0 100
## [241,] 0 100
## [242,] 20 80
## [243,] 0 100
## [244,] 20 80
## [245,] 0 100
## [246,] 0 100
## [247,] 4 96
## [248,] 0 100
## [249,] 20 80
## [250,] 0 100
## [251,] 0 100
## [252,] 51 49
## [253,] 29 71
## [254,] 0 100
## [255,] 10 90
## [256,] 0 100
## [257,] 0 100
## [258,] 0 100
## [259,] 25 75
## [260,] 27 73
## [261,] 0 100
## [262,] 1 99
## [263,] 0 100
## [264,] 0 100
## [265,] 0 100
## [266,] 92 8
## [267,] 0 100
## [268,] 0 100
## [269,] 0 100
## [270,] 0 100
## [271,] 10 90
## [272,] 0 100
## [273,] 0 100
## [274,] 0 100
## [275,] 0 100
## [276,] 0 100
## [277,] 0 100
## [278,] 20 80
## [279,] 4 96
## [280,] 0 100
## [281,] 0 100
## [282,] 0 100
## [283,] 0 100
## [284,] 84 16
## [285,] 0 100
## [286,] 0 100
## [287,] 79 21
## [288,] 0 100
## [289,] 0 100
## [290,] 25 75
## [291,] 23 77
## [292,] 0 100
## [293,] 20 80
## [294,] 0 100
## [295,] 27 73
## [296,] 0 100
## [297,] 0 100
## [298,] 0 100
## [299,] 30 70
## [300,] 2 98
## [301,] 28 72
## [302,] 1 99
## [303,] 0 100
## [304,] 39 61
## [305,] 20 80
## [306,] 1 99
## [307,] 20 80
## [308,] 0 100
## [309,] 4 96
## [310,] 0 100
## [311,] 0 100
## [312,] 43 57
## [313,] 0 100
## [314,] 0 100
## [315,] 0 100
## [316,] 0 100
## [317,] 20 80
## [318,] 0 100
## [319,] 0 100
## [320,] 0 100
## [321,] 0 100
## [322,] 0 100
## [323,] 1 99
## [324,] 0 100
## [325,] 1 99
## [326,] 1 99
## [327,] 0 100
## [328,] 11 89
## [329,] 0 100
## [330,] 0 100
## [331,] 0 100
## [332,] 0 100
## [333,] 0 100
## [334,] 0 100
## [335,] 0 100
## [336,] 0 100
## [337,] 1 99
## [338,] 0 100
## [339,] 0 100
## [340,] 28 72
## [341,] 0 100
## [342,] 1 99
## [343,] 50 50
## [344,] 0 100
## [345,] 0 100
## [346,] 0 100
## [347,] 0 100
## [348,] 0 100
## [349,] 0 100
## [350,] 0 100
## [351,] 0 100
## [352,] 0 100
## [353,] 0 100
## [354,] 8 92
## [355,] 2 98
## [356,] 0 100
## [357,] 0 100
## [358,] 0 100
## [359,] 0 100
## [360,] 0 100
## [361,] 0 100
## [362,] 0 100
## [363,] 0 100
## [364,] 0 100
## [365,] 0 100
## [366,] 0 100
## [367,] 0 100
## [368,] 0 100
## [369,] 26 74
## [370,] 0 100
## [371,] 0 100
## [372,] 0 100
## [373,] 0 100
## [374,] 0 100
## [375,] 0 100
## [376,] 0 100
## [377,] 17 83
## [378,] 0 100
## [379,] 0 100
## [380,] 0 100
## [381,] 0 100
## [382,] 0 100
## [383,] 0 100
## [384,] 0 100
## [385,] 0 100
## [386,] 0 100
## [387,] 0 100
## [388,] 0 100
## [389,] 0 100
## [390,] 0 100
## [391,] 0 100
## [392,] 0 100
## [393,] 73 27
## [394,] 0 100
## [395,] 0 100
## [396,] 0 100
## [397,] 0 100
## [398,] 0 100
## [399,] 0 100
## [400,] 0 100
## [401,] 0 100
## [402,] 1 99
## [403,] 0 100
## [404,] 0 100
## [405,] 0 100
## [406,] 0 100
## [407,] 0 100
## [408,] 1 99
## [409,] 0 100
## [410,] 96 4
## [411,] 1 99
## [412,] 0 100
## [413,] 0 100
## [414,] 0 100
## [415,] 0 100
## [416,] 0 100
## [417,] 0 100
## [418,] 0 100
## [419,] 0 100
## [420,] 0 100
## [421,] 1 99
## [422,] 0 100
## [423,] 0 100
## [424,] 0 100
## [425,] 0 100
## [426,] 0 100
## [427,] 0 100
## [428,] 0 100
## [429,] 0 100
## [430,] 0 100
## [431,] 0 100
## [432,] 0 100
## [433,] 1 99
## [434,] 0 100
## [435,] 0 100
## [436,] 0 100
## [437,] 0 100
## [438,] 0 100
## [439,] 0 100
## [440,] 0 100
## [441,] 0 100
## [442,] 0 100
## [443,] 0 100
## [444,] 0 100
## [445,] 0 100
## [446,] 0 100
## [447,] 0 100
## [448,] 98 2
## [449,] 0 100
## [450,] 0 100
## [451,] 0 100
## [452,] 0 100
## [453,] 0 100
## [454,] 41 59
## [455,] 1 99
## [456,] 43 57
## [457,] 0 100
## [458,] 20 80
## [459,] 0 100
## [460,] 0 100
## [461,] 0 100
## [462,] 0 100
## [463,] 0 100
## [464,] 0 100
## [465,] 18 82
## [466,] 0 100
## [467,] 0 100
## [468,] 0 100
## [469,] 0 100
## [470,] 0 100
## [471,] 0 100
## [472,] 0 100
## [473,] 0 100
## [474,] 34 66
## [475,] 0 100
## [476,] 0 100
## [477,] 0 100
## [478,] 0 100
## [479,] 0 100
## [480,] 0 100
## [481,] 0 100
## [482,] 0 100
## [483,] 0 100
## [484,] 17 83
## [485,] 0 100
## [486,] 0 100
## [487,] 0 100
## [488,] 0 100
## [489,] 49 51
## [490,] 0 100
## [491,] 0 100
## [492,] 0 100
## [493,] 0 100
## [494,] 0 100
## [495,] 0 100
## [496,] 0 100
## [497,] 0 100
## [498,] 0 100
## [499,] 0 100
## [500,] 0 100
## [501,] 0 100
## [502,] 0 100
## [503,] 0 100
## [504,] 0 100
## [505,] 0 100
## [506,] 0 100
## [507,] 0 100
## [508,] 12 88
## [509,] 0 100
## [510,] 1 99
## [511,] 0 100
## [512,] 11 89
## [513,] 1 99
## [514,] 0 100
## [515,] 0 100
## [516,] 0 100
## [517,] 0 100
## [518,] 0 100
## [519,] 4 96
## [520,] 0 100
## [521,] 0 100
## [522,] 0 100
## [523,] 11 89
## [524,] 0 100
## [525,] 0 100
## [526,] 0 100
## [527,] 0 100
## [528,] 0 100
## [529,] 0 100
## [530,] 0 100
## [531,] 0 100
## [532,] 0 100
## [533,] 0 100
## [534,] 0 100
## [535,] 0 100
## [536,] 0 100
## [537,] 0 100
## [538,] 0 100
## [539,] 0 100
## [540,] 0 100
## [541,] 0 100
## [542,] 0 100
## [543,] 2 98
## [544,] 0 100
## [545,] 0 100
## [546,] 0 100
## [547,] 0 100
## [548,] 0 100
## [549,] 0 100
## [550,] 0 100
## [551,] 0 100
## [552,] 9 91
## [553,] 18 82
## [554,] 0 100
## [555,] 0 100
## [556,] 0 100
## [557,] 0 100
## [558,] 0 100
## [559,] 0 100
## [560,] 4 96
## [561,] 0 100
## [562,] 0 100
## [563,] 0 100
## [564,] 0 100
## [565,] 0 100
## [566,] 0 100
## [567,] 0 100
## [568,] 0 100
## [569,] 0 100
## [570,] 0 100
## [571,] 1 99
## [572,] 30 70
## [573,] 0 100
## [574,] 0 100
## [575,] 45 55
## [576,] 0 100
## [577,] 0 100
## [578,] 0 100
## [579,] 0 100
## [580,] 46 54
## [581,] 0 100
## [582,] 1 99
## [583,] 100 0
## [584,] 0 100
## [585,] 0 100
## [586,] 1 99
## [587,] 0 100
## [588,] 0 100
## [589,] 3 97
## [590,] 0 100
## [591,] 0 100
## [592,] 0 100
## [593,] 0 100
## [594,] 0 100
## [595,] 0 100
## [596,] 0 100
## [597,] 32 68
## [598,] 0 100
## [599,] 0 100
## [600,] 0 100
## [601,] 0 100
## [602,] 0 100
## [603,] 0 100
## [604,] 0 100
## [605,] 0 100
## [606,] 9 91
## [607,] 20 80
## [608,] 0 100
## [609,] 0 100
## [610,] 0 100
## [611,] 0 100
## [612,] 20 80
## [613,] 0 100
## [614,] 10 90
## [615,] 0 100
## [616,] 0 100
## [617,] 0 100
## [618,] 0 100
## [619,] 2 98
## [620,] 1 99
## [621,] 0 100
## [622,] 2 98
## [623,] 0 100
## [624,] 0 100
## [625,] 12 88
## [626,] 0 100
## [627,] 0 100
## [628,] 0 100
## [629,] 0 100
## [630,] 0 100
## [631,] 0 100
## [632,] 0 100
## [633,] 1 99
## [634,] 0 100
## [635,] 0 100
## [636,] 0 100
## [637,] 31 69
## [638,] 0 100
## [639,] 0 100
## [640,] 18 82
## [641,] 0 100
## [642,] 0 100
## [643,] 1 99
## [644,] 0 100
## [645,] 0 100
## [646,] 0 100
## [647,] 0 100
## [648,] 0 100
## [649,] 0 100
## [650,] 0 100
## [651,] 0 100
## [652,] 0 100
## [653,] 0 100
## [654,] 0 100
## [655,] 0 100
## [656,] 0 100
## [657,] 0 100
## [658,] 0 100
## [659,] 0 100
## [660,] 65 35
## [661,] 2 98
## [662,] 1 99
## [663,] 0 100
## [664,] 0 100
## [665,] 0 100
## [666,] 0 100
## [667,] 0 100
## [668,] 0 100
## [669,] 0 100
## [670,] 10 90
## [671,] 0 100
## [672,] 0 100
## [673,] 0 100
## [674,] 0 100
## [675,] 0 100
## [676,] 0 100
## [677,] 0 100
## [678,] 0 100
## [679,] 100 0
## [680,] 0 100
## [681,] 0 100
## [682,] 0 100
## [683,] 1 99
## [684,] 1 99
## [685,] 0 100
## [686,] 0 100
## [687,] 0 100
## [688,] 0 100
## [689,] 0 100
## [690,] 2 98
## [691,] 0 100
## [692,] 0 100
## [693,] 0 100
## [694,] 0 100
## [695,] 28 72
## [696,] 0 100
## [697,] 32 68
## [698,] 24 76
## [699,] 0 100
## [700,] 0 100
## [701,] 0 100
## [702,] 0 100
## [703,] 0 100
## [704,] 0 100
## [705,] 0 100
## [706,] 0 100
## [707,] 0 100
## [708,] 0 100
## [709,] 0 100
## [710,] 0 100
## [711,] 0 100
## [712,] 0 100
## [713,] 32 68
## [714,] 0 100
## [715,] 0 100
## [716,] 2 98
## [717,] 66 34
## [718,] 0 100
## [719,] 0 100
## [720,] 67 33
## [721,] 2 98
## [722,] 1 99
## [723,] 1 99
## [724,] 1 99
## [725,] 0 100
## [726,] 0 100
## [727,] 7 93
## [728,] 1 99
## [729,] 28 72
## [730,] 1 99
## [731,] 1 99
## [732,] 1 99
## [733,] 1 99
## [734,] 1 99
## [735,] 0 100
## [736,] 1 99
## [737,] 54 46
## [738,] 33 67
## [739,] 1 99
## [740,] 1 99
## [741,] 0 100
## [742,] 1 99
## [743,] 0 100
## [744,] 14 86
## [745,] 100 0
## [746,] 2 98
## [747,] 83 17
## [748,] 100 0
## [749,] 100 0
## [750,] 100 0
## [751,] 0 100
## [752,] 88 12
## [753,] 2 98
## [754,] 100 0
## [755,] 2 98
## [756,] 100 0
## [757,] 100 0
## [758,] 100 0
## [759,] 100 0
## [760,] 0 100
## [761,] 0 100
## [762,] 0 100
## [763,] 0 100
## [764,] 0 100
## [765,] 0 100
## [766,] 0 100
## [767,] 0 100
## [768,] 0 100
## [769,] 20 80
## [770,] 0 100
## [771,] 0 100
## [772,] 0 100
## [773,] 0 100
## [774,] 6 94
## [775,] 0 100
## [776,] 0 100
## [777,] 0 100
## [778,] 0 100
## [779,] 0 100
## [780,] 0 100
## [781,] 0 100
## [782,] 0 100
## [783,] 0 100
## [784,] 7 93
## [785,] 0 100
## [786,] 0 100
## [787,] 2 98
## [788,] 0 100
## [789,] 0 100
## [790,] 0 100
## [791,] 0 100
## [792,] 0 100
## [793,] 37 63
## [794,] 0 100
## [795,] 0 100
## [796,] 0 100
## [797,] 14 86
## [798,] 48 52
## [799,] 0 100
## [800,] 0 100
## [801,] 0 100
## [802,] 0 100
## [803,] 0 100
## [804,] 89 11
## [805,] 4 96
## [806,] 0 100
## [807,] 43 57
## [808,] 0 100
## [809,] 91 9
## [810,] 0 100
## [811,] 0 100
## [812,] 0 100
## [813,] 0 100
## [814,] 0 100
## [815,] 50 50
## [816,] 0 100
## [817,] 0 100
## [818,] 0 100
## [819,] 0 100
## [820,] 0 100
## [821,] 0 100
## [822,] 0 100
## [823,] 70 30
## [824,] 0 100
## [825,] 50 50
## [826,] 2 98
## [827,] 1 99
## [828,] 0 100
## [829,] 0 100
## [830,] 0 100
## [831,] 0 100
## [832,] 0 100
## [833,] 0 100
## [834,] 0 100
## [835,] 0 100
## [836,] 0 100
## [837,] 0 100
## [838,] 0 100
## [839,] 0 100
## [840,] 0 100
## [841,] 0 100
## [842,] 0 100
## [843,] 0 100
## [844,] 0 100
## [845,] 0 100
## [846,] 0 100
## [847,] 0 100
## [848,] 0 100
## [849,] 0 100
## [850,] 0 100
## [851,] 0 100
## [852,] 0 100
## [853,] 0 100
## [854,] 43 57
## [855,] 0 100
## [856,] 1 99
## [857,] 67 33
## [858,] 0 100
## [859,] 0 100
## [860,] 0 100
## [861,] 0 100
## [862,] 0 100
## [863,] 26 74
## [864,] 0 100
## [865,] 45 55
## [866,] 0 100
## [867,] 0 100
## [868,] 0 100
## [869,] 0 100
## [870,] 0 100
## [871,] 0 100
## [872,] 0 100
## [873,] 0 100
## [874,] 100 0
## [875,] 1 99
## [876,] 0 100
## [877,] 0 100
## [878,] 0 100
## [879,] 0 100
## [880,] 0 100
## [881,] 0 100
## [882,] 0 100
## [883,] 0 100
## [884,] 0 100
## [885,] 0 100
## [886,] 0 100
## [887,] 0 100
## [888,] 0 100
## [889,] 0 100
## [890,] 0 100
## [891,] 0 100
## [892,] 0 100
## [893,] 0 100
## [894,] 0 100
## [895,] 0 100
## [896,] 0 100
## [897,] 0 100
## [898,] 56 44
## [899,] 0 100
## [900,] 0 100
## [901,] 0 100
## [902,] 4 96
## [903,] 0 100
## [904,] 0 100
## [905,] 19 81
## [906,] 37 63
## [907,] 0 100
## [908,] 0 100
## [909,] 0 100
## [910,] 0 100
## [911,] 38 62
## [912,] 0 100
## [913,] 0 100
## [914,] 0 100
## [915,] 0 100
## [916,] 9 91
## [917,] 65 35
## [918,] 22 78
## [919,] 56 44
## [920,] 14 86
## [921,] 0 100
## [922,] 78 22
## [923,] 57 43
## [924,] 73 27
## [925,] 0 100
## [926,] 44 56
## [927,] 0 100
## [928,] 0 100
## [929,] 1 99
## [930,] 72 28
## [931,] 19 81
## [932,] 0 100
## [933,] 0 100
## [934,] 56 44
## [935,] 77 23
## [936,] 73 27
## [937,] 0 100
## [938,] 0 100
## [939,] 73 27
## [940,] 0 100
## [941,] 56 44
## [942,] 0 100
## [943,] 51 49
## [944,] 0 100
## [945,] 0 100
## [946,] 0 100
## [947,] 56 44
## [948,] 0 100
## [949,] 0 100
## [950,] 0 100
## [951,] 56 44
## [952,] 0 100
## [953,] 0 100
## [954,] 0 100
## [955,] 0 100
## [956,] 0 100
## [957,] 0 100
## [958,] 0 100
## [959,] 0 100
## [960,] 56 44
## [961,] 0 100
## [962,] 0 100
## [963,] 0 100
## [964,] 0 100
## [965,] 73 27
## [966,] 33 67
## [967,] 1 99
## [968,] 59 41
## [969,] 0 100
## [970,] 56 44
## [971,] 56 44
## [972,] 0 100
## [973,] 56 44
## [974,] 0 100
## [975,] 44 56
## [976,] 0 100
## [977,] 56 44
## [978,] 0 100
## [979,] 0 100
## [980,] 0 100
## [981,] 0 100
## [982,] 2 98
## [983,] 13 87
## [984,] 13 87
## [985,] 17 83
## [986,] 0 100
## [987,] 50 50
## [988,] 19 81
## [989,] 2 98
## [990,] 2 98
## [991,] 0 100
## [992,] 2 98
## [993,] 1 99
## [994,] 2 98
## [995,] 6 94
## [996,] 0 100
## [997,] 2 98
## [998,] 76 24
## [999,] 9 91
## [1000,] 51 49
## [1001,] 7 93
## [1002,] 2 98
## [1003,] 2 98
## [1004,] 2 98
## [1005,] 2 98
## [1006,] 91 9
## [1007,] 46 54
## [1008,] 3 97
## [1009,] 3 97
## [1010,] 2 98
## [1011,] 2 98
## [1012,] 51 49
## [1013,] 49 51
## [1014,] 2 98
## [1015,] 49 51
## [1016,] 13 87
## [1017,] 2 98
## [1018,] 12 88
## [1019,] 54 46
## [1020,] 2 98
## [1021,] 0 100
## [1022,] 49 51
## [1023,] 1 99
## [1024,] 71 29
## [1025,] 2 98
## [1026,] 2 98
## [1027,] 1 99
## [1028,] 2 98
## [1029,] 60 40
## [1030,] 1 99
## [1031,] 2 98
## [1032,] 8 92
## [1033,] 0 100
## [1034,] 13 87
## [1035,] 8 92
## [1036,] 14 86
## [1037,] 0 100
## [1038,] 74 26
## [1039,] 2 98
## [1040,] 10 90
## [1041,] 48 52
## [1042,] 34 66
## [1043,] 3 97
## [1044,] 51 49
## [1045,] 2 98
## [1046,] 58 42
## [1047,] 2 98
## [1048,] 54 46
## [1049,] 2 98
## [1050,] 2 98
## [1051,] 8 92
## [1052,] 77 23
## [1053,] 0 100
## [1054,] 1 99
## [1055,] 20 80
## [1056,] 3 97
## [1057,] 19 81
## [1058,] 19 81
## [1059,] 0 100
## [1060,] 19 81
## [1061,] 0 100
## [1062,] 23 77
## [1063,] 0 100
## [1064,] 0 100
## [1065,] 2 98
## [1066,] 20 80
## [1067,] 20 80
## [1068,] 18 82
## [1069,] 19 81
## [1070,] 0 100
## [1071,] 0 100
## [1072,] 58 42
## [1073,] 18 82
## [1074,] 20 80
## [1075,] 21 79
## [1076,] 18 82
## [1077,] 18 82
## [1078,] 3 97
## [1079,] 3 97
## [1080,] 0 100
## [1081,] 4 96
## [1082,] 2 98
## [1083,] 2 98
## [1084,] 2 98
## [1085,] 7 93
## [1086,] 1 99
## [1087,] 0 100
## [1088,] 1 99
## [1089,] 1 99
## [1090,] 0 100
## [1091,] 1 99
## [1092,] 1 99
## [1093,] 0 100
## [1094,] 0 100
## [1095,] 2 98
## [1096,] 7 93
## [1097,] 7 93
## [1098,] 1 99
## [1099,] 0 100
## [1100,] 0 100
## [1101,] 0 100
## [1102,] 0 100
## [1103,] 1 99
## [1104,] 0 100
## [1105,] 2 98
## [1106,] 2 98
## [1107,] 0 100
## [1108,] 1 99
## [1109,] 1 99
## [1110,] 1 99
## [1111,] 0 100
## [1112,] 0 100
## [1113,] 1 99
## [1114,] 1 99
## [1115,] 1 99
## [1116,] 0 100
## [1117,] 1 99
## [1118,] 1 99
## [1119,] 0 100
## [1120,] 0 100
## [1121,] 1 99
## [1122,] 0 100
## [1123,] 0 100
## [1124,] 1 99
## [1125,] 0 100
## [1126,] 0 100
## [1127,] 0 100
## [1128,] 0 100
## [1129,] 0 100
## [1130,] 1 99
## [1131,] 1 99
## [1132,] 22 78
## [1133,] 0 100
## [1134,] 53 47
## [1135,] 12 88
## [1136,] 0 100
## [1137,] 68 32
## [1138,] 0 100
## [1139,] 4 96
## [1140,] 46 54
## [1141,] 0 100
## [1142,] 53 47
## [1143,] 0 100
## [1144,] 0 100
## [1145,] 7 93
## [1146,] 0 100
## [1147,] 52 48
## [1148,] 0 100
## [1149,] 0 100
## [1150,] 0 100
## [1151,] 3 97
## [1152,] 33 67
## [1153,] 0 100
## [1154,] 28 72
## [1155,] 33 67
## [1156,] 14 86
## [1157,] 0 100
## [1158,] 0 100
## [1159,] 16 84
## [1160,] 11 89
## [1161,] 13 87
## [1162,] 14 86
## [1163,] 0 100
## [1164,] 13 87
## [1165,] 13 87
## [1166,] 53 47
## [1167,] 87 13
## [1168,] 0 100
## [1169,] 0 100
## [1170,] 0 100
## [1171,] 13 87
## [1172,] 20 80
## [1173,] 0 100
## [1174,] 0 100
## [1175,] 79 21
## [1176,] 10 90
## [1177,] 13 87
## [1178,] 12 88
## [1179,] 75 25
## [1180,] 0 100
## [1181,] 0 100
## [1182,] 0 100
## [1183,] 35 65
## [1184,] 0 100
## [1185,] 0 100
## [1186,] 0 100
## [1187,] 0 100
## [1188,] 68 32
## [1189,] 1 99
## [1190,] 1 99
## [1191,] 1 99
## [1192,] 0 100
## [1193,] 0 100
## [1194,] 0 100
## [1195,] 7 93
## [1196,] 48 52
## [1197,] 1 99
## [1198,] 1 99
## [1199,] 0 100
## [1200,] 1 99
## [1201,] 16 84
## [1202,] 1 99
## [1203,] 50 50
## [1204,] 7 93
## [1205,] 0 100
## [1206,] 1 99
## [1207,] 0 100
## [1208,] 13 87
## [1209,] 1 99
## [1210,] 0 100
## [1211,] 1 99
## [1212,] 49 51
## [1213,] 11 89
## [1214,] 0 100
## [1215,] 1 99
## [1216,] 0 100
## [1217,] 76 24
## [1218,] 8 92
## [1219,] 0 100
## [1220,] 0 100
## [1221,] 1 99
## [1222,] 0 100
## [1223,] 0 100
## [1224,] 1 99
## [1225,] 0 100
## [1226,] 0 100
## [1227,] 1 99
## [1228,] 0 100
## [1229,] 0 100
## [1230,] 0 100
## [1231,] 9 91
## [1232,] 1 99
## [1233,] 0 100
## [1234,] 0 100
## [1235,] 0 100
## [1236,] 0 100
## [1237,] 0 100
## [1238,] 0 100
## [1239,] 0 100
## [1240,] 0 100
## [1241,] 0 100
## [1242,] 0 100
## [1243,] 1 99
## [1244,] 39 61
## [1245,] 0 100
## [1246,] 0 100
## [1247,] 1 99
## [1248,] 1 99
## [1249,] 47 53
## [1250,] 0 100
## [1251,] 0 100
## [1252,] 19 81
## [1253,] 1 99
## [1254,] 8 92
## [1255,] 0 100
## [1256,] 0 100
## [1257,] 0 100
## [1258,] 3 97
## [1259,] 0 100
## [1260,] 0 100
## [1261,] 1 99
## [1262,] 0 100
## [1263,] 0 100
## [1264,] 0 100
## [1265,] 0 100
## [1266,] 41 59
## [1267,] 0 100
## [1268,] 0 100
## [1269,] 0 100
## [1270,] 85 15
## [1271,] 1 99
## [1272,] 1 99
## [1273,] 1 99
## [1274,] 11 89
## [1275,] 3 97
## [1276,] 1 99
## [1277,] 25 75
## [1278,] 0 100
## [1279,] 1 99
## [1280,] 48 52
## [1281,] 0 100
## [1282,] 0 100
## [1283,] 0 100
## [1284,] 47 53
## [1285,] 64 36
## [1286,] 7 93
## [1287,] 0 100
## [1288,] 0 100
## [1289,] 1 99
## [1290,] 1 99
## [1291,] 0 100
## [1292,] 6 94
## [1293,] 2 98
## [1294,] 1 99
## [1295,] 1 99
## [1296,] 1 99
## [1297,] 49 51
## [1298,] 3 97
## [1299,] 54 46
## [1300,] 0 100
## [1301,] 9 91
## [1302,] 72 28
## [1303,] 29 71
## [1304,] 7 93
## [1305,] 79 21
## [1306,] 49 51
## [1307,] 1 99
## [1308,] 0 100
## [1309,] 0 100
## [1310,] 10 90
## [1311,] 1 99
## [1312,] 1 99
## [1313,] 79 21
## [1314,] 29 71
## [1315,] 5 95
## [1316,] 0 100
## [1317,] 1 99
## [1318,] 1 99
## [1319,] 1 99
## [1320,] 1 99
## [1321,] 0 100
## [1322,] 47 53
## [1323,] 75 25
## [1324,] 2 98
## [1325,] 2 98
## [1326,] 47 53
## [1327,] 1 99
## [1328,] 52 48
## [1329,] 2 98
## [1330,] 0 100
## [1331,] 0 100
## [1332,] 20 80
## [1333,] 2 98
## [1334,] 0 100
## [1335,] 0 100
## [1336,] 18 82
## [1337,] 0 100
## [1338,] 0 100
## [1339,] 13 87
## [1340,] 0 100
## [1341,] 15 85
## [1342,] 0 100
## [1343,] 6 94
## [1344,] 0 100
## [1345,] 0 100
## [1346,] 2 98
## [1347,] 0 100
## [1348,] 0 100
## [1349,] 0 100
## [1350,] 75 25
## [1351,] 9 91
## [1352,] 69 31
## [1353,] 0 100
## [1354,] 0 100
## [1355,] 0 100
## [1356,] 37 63
## [1357,] 0 100
## [1358,] 0 100
## [1359,] 0 100
## [1360,] 42 58
## [1361,] 9 91
## [1362,] 2 98
## [1363,] 0 100
## [1364,] 0 100
## [1365,] 0 100
## [1366,] 2 98
## [1367,] 5 95
## [1368,] 10 90
## [1369,] 0 100
## [1370,] 5 95
## [1371,] 9 91
## [1372,] 0 100
## [1373,] 67 33
## [1374,] 0 100
## [1375,] 0 100
## [1376,] 12 88
## [1377,] 5 95
## [1378,] 0 100
## [1379,] 0 100
## [1380,] 15 85
## [1381,] 0 100
## [1382,] 0 100
## [1383,] 0 100
## [1384,] 0 100
## [1385,] 4 96
## [1386,] 0 100
## [1387,] 13 87
## [1388,] 0 100
## [1389,] 3 97
## [1390,] 9 91
## [1391,] 58 42
## [1392,] 18 82
## [1393,] 0 100
## [1394,] 0 100
## [1395,] 28 72
## [1396,] 5 95
## [1397,] 0 100
## [1398,] 1 99
## [1399,] 0 100
## [1400,] 0 100
## [1401,] 0 100
## [1402,] 0 100
## [1403,] 1 99
## [1404,] 0 100
## [1405,] 6 94
## [1406,] 9 91
## [1407,] 0 100
## [1408,] 22 78
## [1409,] 17 83
## [1410,] 1 99
## [1411,] 0 100
## [1412,] 0 100
## [1413,] 9 91
## [1414,] 0 100
## [1415,] 0 100
## [1416,] 2 98
## [1417,] 0 100
## [1418,] 81 19
## [1419,] 0 100
## [1420,] 7 93
## [1421,] 100 0
## [1422,] 54 46
## [1423,] 27 73
## [1424,] 0 100
## [1425,] 2 98
## [1426,] 0 100
## [1427,] 94 6
## [1428,] 0 100
## [1429,] 39 61
## [1430,] 1 99
## [1431,] 72 28
## [1432,] 0 100
## [1433,] 73 27
## [1434,] 17 83
## [1435,] 0 100
## [1436,] 0 100
## [1437,] 63 37
## [1438,] 0 100
## [1439,] 62 38
## [1440,] 66 34
## [1441,] 0 100
## [1442,] 0 100
## [1443,] 0 100
## [1444,] 0 100
## [1445,] 53 47
## [1446,] 37 63
## [1447,] 9 91
## [1448,] 38 62
## [1449,] 0 100
## [1450,] 0 100
## [1451,] 0 100
## [1452,] 1 99
## [1453,] 0 100
## [1454,] 0 100
## [1455,] 0 100
## [1456,] 0 100
## [1457,] 0 100
## [1458,] 0 100
## [1459,] 0 100
## [1460,] 0 100
## [1461,] 1 99
## [1462,] 0 100
## [1463,] 1 99
## [1464,] 0 100
## [1465,] 0 100
## [1466,] 0 100
## [1467,] 0 100
## [1468,] 1 99
## [1469,] 0 100
## [1470,] 1 99
## [1471,] 0 100
## [1472,] 1 99
## [1473,] 40 60
## [1474,] 0 100
## [1475,] 0 100
## [1476,] 0 100
## [1477,] 0 100
## [1478,] 0 100
## [1479,] 18 82
## [1480,] 0 100
## [1481,] 0 100
## [1482,] 1 99
## [1483,] 0 100
## [1484,] 0 100
## [1485,] 0 100
## [1486,] 0 100
## [1487,] 0 100
## [1488,] 0 100
## [1489,] 66 34
## [1490,] 0 100
## [1491,] 0 100
## [1492,] 0 100
## [1493,] 0 100
## [1494,] 0 100
## [1495,] 0 100
## [1496,] 1 99
## [1497,] 0 100
## [1498,] 0 100
## [1499,] 0 100
## [1500,] 0 100
## [1501,] 2 98
## [1502,] 0 100
## [1503,] 0 100
## [1504,] 0 100
## [1505,] 79 21
## [1506,] 0 100
## [1507,] 0 100
## [1508,] 13 87
## [1509,] 0 100
## [1510,] 1 99
## [1511,] 0 100
## [1512,] 35 65
## [1513,] 0 100
## [1514,] 0 100
## [1515,] 0 100
## [1516,] 0 100
## [1517,] 0 100
## [1518,] 7 93
## [1519,] 0 100
## [1520,] 0 100
## [1521,] 0 100
## [1522,] 62 38
## [1523,] 0 100
## [1524,] 0 100
## [1525,] 0 100
## [1526,] 0 100
## [1527,] 0 100
## [1528,] 0 100
## [1529,] 0 100
## [1530,] 0 100
## [1531,] 0 100
## [1532,] 20 80
## [1533,] 0 100
## [1534,] 0 100
## [1535,] 40 60
## [1536,] 0 100
## [1537,] 0 100
## [1538,] 0 100
## [1539,] 82 18
## [1540,] 0 100
## [1541,] 48 52
## [1542,] 0 100
## [1543,] 0 100
## [1544,] 1 99
## [1545,] 0 100
## [1546,] 8 92
## [1547,] 0 100
## [1548,] 0 100
## [1549,] 0 100
## [1550,] 0 100
## [1551,] 0 100
## [1552,] 0 100
## [1553,] 0 100
## [1554,] 0 100
## [1555,] 0 100
## [1556,] 0 100
## [1557,] 78 22
## [1558,] 0 100
## [1559,] 0 100
## [1560,] 0 100
## [1561,] 0 100
## [1562,] 0 100
## [1563,] 45 55
## [1564,] 0 100
## [1565,] 0 100
## [1566,] 0 100
## [1567,] 0 100
## [1568,] 0 100
## [1569,] 0 100
## [1570,] 0 100
## [1571,] 0 100
## [1572,] 0 100
## [1573,] 0 100
## [1574,] 0 100
## [1575,] 0 100
## [1576,] 36 64
## [1577,] 0 100
## [1578,] 1 99
## [1579,] 0 100
## [1580,] 0 100
## [1581,] 0 100
## [1582,] 0 100
## [1583,] 0 100
## [1584,] 17 83
## [1585,] 0 100
## [1586,] 0 100
## [1587,] 0 100
## [1588,] 79 21
## [1589,] 0 100
## [1590,] 0 100
## [1591,] 0 100
## [1592,] 0 100
## [1593,] 0 100
## [1594,] 0 100
## [1595,] 100 0
## [1596,] 0 100
## [1597,] 0 100
## [1598,] 0 100
## [1599,] 0 100
## [1600,] 0 100
## [1601,] 0 100
## [1602,] 0 100
## [1603,] 0 100
## [1604,] 0 100
## [1605,] 0 100
## [1606,] 0 100
## [1607,] 100 0
## [1608,] 0 100
## [1609,] 0 100
## [1610,] 0 100
## [1611,] 0 100
## [1612,] 0 100
## [1613,] 0 100
## [1614,] 0 100
## [1615,] 0 100
## [1616,] 1 99
## [1617,] 0 100
## [1618,] 73 27
## [1619,] 0 100
## [1620,] 0 100
## [1621,] 7 93
## [1622,] 1 99
## [1623,] 42 58
## [1624,] 0 100
## [1625,] 1 99
## [1626,] 96 4
## [1627,] 0 100
## [1628,] 0 100
## [1629,] 0 100
## [1630,] 0 100
## [1631,] 0 100
## [1632,] 35 65
## [1633,] 0 100
## [1634,] 0 100
## [1635,] 1 99
## [1636,] 0 100
## [1637,] 0 100
## [1638,] 0 100
## [1639,] 0 100
## [1640,] 0 100
## [1641,] 0 100
## [1642,] 35 65
## [1643,] 0 100
## [1644,] 0 100
## [1645,] 38 62
## [1646,] 0 100
## [1647,] 18 82
## [1648,] 0 100
## [1649,] 0 100
## [1650,] 0 100
## [1651,] 9 91
## [1652,] 0 100
## [1653,] 71 29
## [1654,] 25 75
## [1655,] 0 100
## [1656,] 0 100
## [1657,] 7 93
## [1658,] 0 100
## [1659,] 67 33
## [1660,] 58 42
## [1661,] 38 62
## [1662,] 0 100
## [1663,] 39 61
## [1664,] 55 45
## [1665,] 0 100
## [1666,] 2 98
## [1667,] 0 100
## [1668,] 0 100
## [1669,] 100 0
## [1670,] 1 99
## [1671,] 28 72
## [1672,] 0 100
## [1673,] 0 100
## [1674,] 0 100
## [1675,] 0 100
## [1676,] 1 99
## [1677,] 0 100
## [1678,] 0 100
## [1679,] 0 100
## [1680,] 0 100
## [1681,] 44 56
## [1682,] 0 100
## [1683,] 0 100
## [1684,] 0 100
## [1685,] 26 74
## [1686,] 100 0
## [1687,] 74 26
## [1688,] 19 81
## [1689,] 1 99
## [1690,] 59 41
## [1691,] 0 100
## [1692,] 0 100
## [1693,] 100 0
## [1694,] 0 100
## [1695,] 3 97
## [1696,] 100 0
## [1697,] 44 56
## [1698,] 74 26
## [1699,] 0 100
## [1700,] 1 99
## [1701,] 100 0
## [1702,] 15 85
## [1703,] 0 100
## [1704,] 90 10
## [1705,] 0 100
## [1706,] 0 100
## [1707,] 0 100
## [1708,] 0 100
## [1709,] 54 46
## [1710,] 100 0
## [1711,] 51 49
## [1712,] 90 10
## [1713,] 57 43
## [1714,] 77 23
## [1715,] 38 62
## [1716,] 0 100
## [1717,] 5 95
## [1718,] 0 100
## [1719,] 0 100
## [1720,] 96 4
## [1721,] 100 0
## [1722,] 100 0
## [1723,] 86 14
## [1724,] 12 88
## [1725,] 12 88
## [1726,] 21 79
## [1727,] 0 100
## [1728,] 69 31
## [1729,] 100 0
## [1730,] 78 22
## [1731,] 100 0
## [1732,] 0 100
## [1733,] 0 100
## [1734,] 100 0
## [1735,] 0 100
## [1736,] 35 65
## [1737,] 21 79
## [1738,] 7 93
## [1739,] 100 0
## [1740,] 96 4
## [1741,] 45 55
## [1742,] 0 100
## [1743,] 32 68
## [1744,] 49 51
## [1745,] 9 91
## [1746,] 36 64
## [1747,] 48 52
## [1748,] 100 0
## [1749,] 0 100
## [1750,] 0 100
## [1751,] 29 71
## [1752,] 3 97
## [1753,] 100 0
## [1754,] 29 71
## [1755,] 4 96
## [1756,] 95 5
## [1757,] 99 1
## [1758,] 68 32
## [1759,] 67 33
## [1760,] 0 100
## [1761,] 58 42
## [1762,] 0 100
## [1763,] 60 40
## [1764,] 33 67
## [1765,] 4 96
## [1766,] 0 100
## [1767,] 3 97
## [1768,] 21 79
## [1769,] 32 68
## [1770,] 0 100
## [1771,] 0 100
## [1772,] 100 0
## [1773,] 5 95
## [1774,] 3 97
## [1775,] 48 52
## [1776,] 0 100
## [1777,] 0 100
## [1778,] 7 93
## [1779,] 100 0
## [1780,] 48 52
## [1781,] 26 74
## [1782,] 0 100
## [1783,] 0 100
## [1784,] 59 41
## [1785,] 99 1
## [1786,] 67 33
## [1787,] 82 18
## [1788,] 5 95
## [1789,] 0 100
## [1790,] 2 98
## [1791,] 32 68
## [1792,] 0 100
## [1793,] 99 1
## [1794,] 33 67
## [1795,] 32 68
## [1796,] 3 97
## [1797,] 100 0
## [1798,] 68 32
## [1799,] 27 73
## [1800,] 0 100
## [1801,] 0 100
## [1802,] 66 34
## [1803,] 100 0
## [1804,] 0 100
## [1805,] 0 100
## [1806,] 97 3
## [1807,] 0 100
## [1808,] 0 100
## [1809,] 0 100
## [1810,] 0 100
## [1811,] 93 7
## [1812,] 0 100
## [1813,] 0 100
## [1814,] 49 51
## [1815,] 68 32
## [1816,] 0 100
## [1817,] 67 33
## [1818,] 3 97
## [1819,] 68 32
## [1820,] 100 0
## [1821,] 20 80
## [1822,] 0 100
## [1823,] 26 74
## [1824,] 99 1
## [1825,] 6 94
## [1826,] 100 0
## [1827,] 100 0
## [1828,] 100 0
## [1829,] 100 0
## [1830,] 100 0
## [1831,] 0 100
## [1832,] 100 0
## [1833,] 47 53
## [1834,] 0 100
## [1835,] 0 100
## [1836,] 48 52
## [1837,] 3 97
## [1838,] 0 100
## [1839,] 32 68
## [1840,] 99 1
## [1841,] 0 100
## [1842,] 68 32
## [1843,] 0 100
## [1844,] 0 100
## [1845,] 100 0
## [1846,] 0 100
## [1847,] 0 100
## [1848,] 17 83
## [1849,] 0 100
## [1850,] 2 98
## [1851,] 5 95
## [1852,] 67 33
## [1853,] 100 0
## [1854,] 100 0
## [1855,] 0 100
## [1856,] 68 32
## [1857,] 0 100
## [1858,] 0 100
## [1859,] 70 30
## [1860,] 100 0
## [1861,] 100 0
## [1862,] 100 0
## [1863,] 21 79
## [1864,] 15 85
## [1865,] 0 100
## [1866,] 6 94
## [1867,] 57 43
## [1868,] 99 1
## [1869,] 60 40
## [1870,] 99 1
## [1871,] 0 100
## [1872,] 100 0
## [1873,] 100 0
## [1874,] 50 50
## [1875,] 68 32
## [1876,] 0 100
## [1877,] 67 33
## [1878,] 54 46
## [1879,] 48 52
## [1880,] 31 69
## [1881,] 33 67
## [1882,] 0 100
## [1883,] 0 100
## [1884,] 0 100
## [1885,] 0 100
## [1886,] 0 100
## [1887,] 99 1
## [1888,] 100 0
## [1889,] 68 32
## [1890,] 9 91
## [1891,] 0 100
## [1892,] 52 48
## [1893,] 53 47
## [1894,] 95 5
## [1895,] 35 65
## [1896,] 21 79
## [1897,] 99 1
## [1898,] 29 71
## [1899,] 0 100
## [1900,] 18 82
## [1901,] 0 100
## [1902,] 4 96
## [1903,] 100 0
## [1904,] 61 39
## [1905,] 100 0
## [1906,] 77 23
## [1907,] 34 66
## [1908,] 95 5
## [1909,] 0 100
## [1910,] 5 95
## [1911,] 100 0
## [1912,] 0 100
## [1913,] 13 87
## [1914,] 53 47
## [1915,] 53 47
## [1916,] 93 7
## [1917,] 6 94
## [1918,] 17 83
## [1919,] 80 20
## [1920,] 66 34
## [1921,] 100 0
## [1922,] 78 22
## [1923,] 56 44
## [1924,] 1 99
## [1925,] 0 100
## [1926,] 18 82
## [1927,] 100 0
## [1928,] 34 66
## [1929,] 0 100
## [1930,] 0 100
## [1931,] 33 67
## [1932,] 34 66
## [1933,] 0 100
## [1934,] 100 0
## [1935,] 100 0
## [1936,] 100 0
## [1937,] 100 0
## [1938,] 51 49
## [1939,] 1 99
## [1940,] 0 100
## [1941,] 0 100
## [1942,] 96 4
## [1943,] 0 100
## [1944,] 100 0
## [1945,] 0 100
## [1946,] 0 100
## [1947,] 89 11
## [1948,] 4 96
## [1949,] 5 95
## [1950,] 19 81
## [1951,] 0 100
## [1952,] 0 100
## [1953,] 76 24
## [1954,] 0 100
## [1955,] 18 82
## [1956,] 69 31
## [1957,] 0 100
## [1958,] 94 6
## [1959,] 15 85
## [1960,] 5 95
## [1961,] 54 46
## [1962,] 0 100
## [1963,] 63 37
## [1964,] 60 40
## [1965,] 1 99
## [1966,] 33 67
## [1967,] 53 47
## [1968,] 89 11
## [1969,] 45 55
## [1970,] 0 100
## [1971,] 73 27
## [1972,] 59 41
## [1973,] 0 100
## [1974,] 5 95
## [1975,] 5 95
## [1976,] 94 6
## [1977,] 94 6
## [1978,] 0 100
## [1979,] 100 0
## [1980,] 68 32
## [1981,] 69 31
## [1982,] 0 100
## [1983,] 99 1
## [1984,] 100 0
## [1985,] 0 100
## [1986,] 76 24
## [1987,] 0 100
## [1988,] 1 99
## [1989,] 0 100
## [1990,] 100 0
## [1991,] 0 100
## [1992,] 100 0
## [1993,] 10 90
## [1994,] 73 27
## [1995,] 100 0
## [1996,] 0 100
## [1997,] 100 0
## [1998,] 47 53
## [1999,] 0 100
## [2000,] 0 100
## [2001,] 100 0
## [2002,] 99 1
## [2003,] 0 100
## [2004,] 3 97
## [2005,] 12 88
## [2006,] 0 100
## [2007,] 0 100
## [2008,] 94 6
## [2009,] 0 100
## [2010,] 0 100
## [2011,] 100 0
## [2012,] 28 72
## [2013,] 75 25
## [2014,] 64 36
## [2015,] 0 100
## [2016,] 59 41
## [2017,] 0 100
## [2018,] 3 97
## [2019,] 0 100
## [2020,] 0 100
## [2021,] 0 100
## [2022,] 100 0
## [2023,] 0 100
## [2024,] 13 87
## [2025,] 93 7
## [2026,] 1 99
## [2027,] 0 100
## [2028,] 66 34
## [2029,] 0 100
## [2030,] 2 98
## [2031,] 3 97
## [2032,] 100 0
## [2033,] 95 5
## [2034,] 0 100
## [2035,] 0 100
## [2036,] 44 56
## [2037,] 5 95
## [2038,] 98 2
## [2039,] 100 0
## [2040,] 100 0
## [2041,] 83 17
## [2042,] 19 81
## [2043,] 100 0
## [2044,] 0 100
## [2045,] 0 100
## [2046,] 87 13
## [2047,] 2 98
## [2048,] 98 2
## [2049,] 66 34
## [2050,] 0 100
## [2051,] 0 100
## [2052,] 100 0
## [2053,] 92 8
## [2054,] 77 23
## [2055,] 100 0
## [2056,] 100 0
## [2057,] 3 97
## [2058,] 1 99
## [2059,] 78 22
## [2060,] 59 41
## [2061,] 67 33
## [2062,] 100 0
## [2063,] 0 100
## [2064,] 78 22
## [2065,] 5 95
## [2066,] 93 7
## [2067,] 72 28
## [2068,] 2 98
## [2069,] 76 24
## [2070,] 99 1
## [2071,] 1 99
## [2072,] 42 58
## [2073,] 57 43
## [2074,] 52 48
## [2075,] 0 100
## [2076,] 5 95
## [2077,] 2 98
## [2078,] 0 100
## [2079,] 0 100
## [2080,] 0 100
## [2081,] 5 95
## [2082,] 1 99
## [2083,] 19 81
## [2084,] 0 100
## [2085,] 0 100
## [2086,] 36 64
## [2087,] 48 52
## [2088,] 98 2
## [2089,] 98 2
## [2090,] 0 100
## [2091,] 91 9
## [2092,] 0 100
## [2093,] 95 5
## [2094,] 0 100
## [2095,] 70 30
## [2096,] 6 94
## [2097,] 44 56
## [2098,] 99 1
## [2099,] 86 14
## [2100,] 94 6
## [2101,] 2 98
## [2102,] 66 34
## [2103,] 100 0
## [2104,] 82 18
## [2105,] 100 0
## [2106,] 0 100
## [2107,] 3 97
## [2108,] 2 98
## [2109,] 0 100
## [2110,] 20 80
## [2111,] 5 95
## [2112,] 24 76
## [2113,] 20 80
## [2114,] 0 100
## [2115,] 20 80
## [2116,] 4 96
## [2117,] 22 78
## [2118,] 0 100
## [2119,] 0 100
## [2120,] 0 100
## [2121,] 0 100
## [2122,] 0 100
## [2123,] 0 100
## [2124,] 0 100
## [2125,] 0 100
## [2126,] 4 96
## [2127,] 0 100
## [2128,] 0 100
## [2129,] 0 100
## [2130,] 5 95
## [2131,] 7 93
## [2132,] 0 100
## [2133,] 0 100
## [2134,] 4 96
## [2135,] 0 100
## [2136,] 0 100
## [2137,] 1 99
## [2138,] 2 98
## [2139,] 2 98
## [2140,] 0 100
## [2141,] 3 97
## [2142,] 0 100
## [2143,] 2 98
## [2144,] 0 100
## [2145,] 0 100
## [2146,] 0 100
## [2147,] 0 100
## [2148,] 0 100
## [2149,] 0 100
## [2150,] 0 100
## [2151,] 0 100
## [2152,] 1 99
## [2153,] 0 100
## [2154,] 0 100
## [2155,] 7 93
## [2156,] 0 100
## [2157,] 2 98
## [2158,] 0 100
## [2159,] 3 97
## [2160,] 0 100
## [2161,] 3 97
## [2162,] 1 99
## [2163,] 0 100
## [2164,] 2 98
## [2165,] 1 99
## [2166,] 0 100
## [2167,] 0 100
## [2168,] 1 99
## [2169,] 2 98
## [2170,] 0 100
## [2171,] 2 98
## [2172,] 1 99
## [2173,] 1 99
## [2174,] 0 100
## [2175,] 0 100
## [2176,] 1 99
## [2177,] 0 100
## [2178,] 0 100
## [2179,] 0 100
## [2180,] 0 100
## [2181,] 7 93
## [2182,] 1 99
## [2183,] 0 100
## [2184,] 0 100
## [2185,] 0 100
## [2186,] 0 100
## [2187,] 0 100
## [2188,] 0 100
## [2189,] 0 100
## [2190,] 0 100
## [2191,] 0 100
## [2192,] 1 99
## [2193,] 0 100
## [2194,] 18 82
## [2195,] 3 97
## [2196,] 0 100
## [2197,] 4 96
## [2198,] 19 81
## [2199,] 0 100
## [2200,] 0 100
## [2201,] 13 87
## [2202,] 0 100
## [2203,] 0 100
## [2204,] 0 100
## [2205,] 2 98
## [2206,] 0 100
## [2207,] 0 100
## [2208,] 0 100
## [2209,] 0 100
## [2210,] 1 99
## [2211,] 0 100
## [2212,] 2 98
## [2213,] 0 100
## [2214,] 0 100
## [2215,] 0 100
## [2216,] 0 100
## [2217,] 0 100
## [2218,] 0 100
## [2219,] 0 100
## [2220,] 0 100
## [2221,] 0 100
## [2222,] 0 100
## [2223,] 0 100
## [2224,] 2 98
## [2225,] 1 99
## [2226,] 0 100
## [2227,] 2 98
## [2228,] 0 100
## [2229,] 1 99
## [2230,] 0 100
## [2231,] 1 99
## [2232,] 0 100
## [2233,] 1 99
## [2234,] 1 99
## [2235,] 0 100
## [2236,] 0 100
## [2237,] 0 100
## [2238,] 2 98
## [2239,] 0 100
## [2240,] 0 100
## [2241,] 0 100
## [2242,] 0 100
## [2243,] 0 100
## [2244,] 1 99
## [2245,] 0 100
## [2246,] 0 100
## [2247,] 0 100
## [2248,] 0 100
## [2249,] 0 100
## [2250,] 1 99
## [2251,] 0 100
## [2252,] 0 100
## [2253,] 1 99
## [2254,] 0 100
## [2255,] 0 100
## [2256,] 0 100
## [2257,] 2 98
## [2258,] 0 100
## [2259,] 0 100
## [2260,] 0 100
## [2261,] 0 100
## [2262,] 0 100
## [2263,] 0 100
## [2264,] 0 100
## [2265,] 0 100
## [2266,] 0 100
## [2267,] 0 100
## [2268,] 0 100
## [2269,] 0 100
## [2270,] 0 100
## [2271,] 1 99
## [2272,] 2 98
## [2273,] 0 100
## [2274,] 3 97
## [2275,] 0 100
## [2276,] 1 99
## [2277,] 0 100
## [2278,] 0 100
## [2279,] 0 100
## [2280,] 0 100
## [2281,] 2 98
## [2282,] 1 99
## [2283,] 0 100
## [2284,] 0 100
## [2285,] 0 100
## [2286,] 0 100
## [2287,] 0 100
## [2288,] 1 99
## [2289,] 1 99
## [2290,] 0 100
## [2291,] 0 100
## [2292,] 0 100
## [2293,] 0 100
## [2294,] 0 100
## [2295,] 3 97
## [2296,] 0 100
## [2297,] 1 99
## [2298,] 0 100
## [2299,] 0 100
## [2300,] 0 100
## [2301,] 0 100
## [2302,] 0 100
## [2303,] 1 99
## [2304,] 0 100
## [2305,] 0 100
## [2306,] 0 100
## [2307,] 0 100
## [2308,] 0 100
## [2309,] 0 100
## [2310,] 100 0
## [2311,] 3 97
## [2312,] 100 0
## [2313,] 0 100
## [2314,] 100 0
## [2315,] 0 100
## [2316,] 0 100
## [2317,] 81 19
## [2318,] 3 97
## [2319,] 33 67
## [2320,] 55 45
## [2321,] 5 95
## [2322,] 26 74
## [2323,] 8 92
## [2324,] 0 100
## [2325,] 2 98
## [2326,] 100 0
## [2327,] 0 100
## [2328,] 100 0
## [2329,] 4 96
## [2330,] 100 0
## [2331,] 96 4
## [2332,] 69 31
## [2333,] 5 95
## [2334,] 89 11
## [2335,] 0 100
## [2336,] 80 20
## [2337,] 100 0
## [2338,] 100 0
## [2339,] 100 0
## [2340,] 0 100
## [2341,] 4 96
## [2342,] 75 25
## [2343,] 4 96
## [2344,] 0 100
## [2345,] 7 93
## [2346,] 6 94
## [2347,] 0 100
## [2348,] 68 32
## [2349,] 100 0
## [2350,] 100 0
## [2351,] 95 5
## [2352,] 6 94
## [2353,] 4 96
## [2354,] 99 1
## [2355,] 0 100
## [2356,] 100 0
## [2357,] 0 100
## [2358,] 6 94
## [2359,] 5 95
## [2360,] 95 5
## [2361,] 0 100
## [2362,] 0 100
## [2363,] 4 96
## [2364,] 52 48
## [2365,] 0 100
## [2366,] 6 94
## [2367,] 3 97
## [2368,] 0 100
## [2369,] 68 32
## [2370,] 100 0
## [2371,] 2 98
## [2372,] 74 26
## [2373,] 4 96
## [2374,] 14 86
## [2375,] 0 100
## [2376,] 0 100
## [2377,] 100 0
## [2378,] 80 20
## [2379,] 5 95
## [2380,] 0 100
## [2381,] 37 63
## [2382,] 82 18
## [2383,] 24 76
## [2384,] 0 100
## [2385,] 0 100
## [2386,] 0 100
## [2387,] 100 0
## [2388,] 0 100
## [2389,] 0 100
## [2390,] 0 100
## [2391,] 0 100
## [2392,] 0 100
## [2393,] 1 99
## [2394,] 3 97
## [2395,] 1 99
## [2396,] 21 79
## [2397,] 19 81
## [2398,] 2 98
## [2399,] 0 100
## [2400,] 0 100
## [2401,] 1 99
## [2402,] 0 100
## [2403,] 0 100
## [2404,] 4 96
## [2405,] 0 100
## [2406,] 0 100
## [2407,] 0 100
## [2408,] 0 100
## [2409,] 0 100
## [2410,] 3 97
## [2411,] 0 100
## [2412,] 4 96
## [2413,] 0 100
## [2414,] 0 100
## [2415,] 0 100
## [2416,] 0 100
## [2417,] 0 100
## [2418,] 3 97
## [2419,] 0 100
## [2420,] 0 100
## [2421,] 0 100
## [2422,] 0 100
## [2423,] 0 100
## [2424,] 0 100
## [2425,] 0 100
## [2426,] 0 100
## [2427,] 0 100
## [2428,] 0 100
## [2429,] 0 100
## [2430,] 0 100
## [2431,] 0 100
## [2432,] 0 100
## [2433,] 2 98
## [2434,] 1 99
## [2435,] 0 100
## [2436,] 0 100
## [2437,] 0 100
## [2438,] 0 100
## [2439,] 0 100
## [2440,] 3 97
## [2441,] 0 100
## [2442,] 0 100
## [2443,] 1 99
## [2444,] 0 100
## [2445,] 0 100
## [2446,] 0 100
## [2447,] 0 100
## [2448,] 0 100
## [2449,] 0 100
## [2450,] 3 97
## [2451,] 0 100
## [2452,] 0 100
## [2453,] 49 51
## [2454,] 0 100
## [2455,] 35 65
## [2456,] 2 98
## [2457,] 94 6
## [2458,] 0 100
## [2459,] 40 60
## [2460,] 64 36
## [2461,] 48 52
## [2462,] 13 87
## [2463,] 0 100
## [2464,] 0 100
## [2465,] 100 0
## [2466,] 100 0
## [2467,] 0 100
## [2468,] 17 83
## [2469,] 96 4
## [2470,] 6 94
## [2471,] 100 0
## [2472,] 0 100
## [2473,] 93 7
## [2474,] 0 100
## [2475,] 77 23
## [2476,] 0 100
## [2477,] 0 100
## [2478,] 36 64
## [2479,] 76 24
## [2480,] 37 63
## [2481,] 14 86
## [2482,] 69 31
## [2483,] 0 100
## [2484,] 20 80
## [2485,] 1 99
## [2486,] 0 100
## [2487,] 0 100
## [2488,] 0 100
## [2489,] 72 28
## [2490,] 8 92
## [2491,] 0 100
## [2492,] 0 100
## [2493,] 0 100
## [2494,] 100 0
## [2495,] 0 100
## [2496,] 0 100
## [2497,] 95 5
## [2498,] 4 96
## [2499,] 3 97
## [2500,] 3 97
## [2501,] 45 55
## [2502,] 0 100
## [2503,] 13 87
## [2504,] 0 100
## [2505,] 0 100
## [2506,] 50 50
## [2507,] 100 0
## [2508,] 5 95
## [2509,] 2 98
## [2510,] 99 1
## [2511,] 100 0
## [2512,] 100 0
## [2513,] 0 100
## [2514,] 86 14
## [2515,] 100 0
## [2516,] 95 5
## [2517,] 58 42
## [2518,] 1 99
## [2519,] 40 60
## [2520,] 0 100
## [2521,] 0 100
## [2522,] 0 100
## [2523,] 51 49
## [2524,] 41 59
## [2525,] 57 43
## [2526,] 11 89
## [2527,] 57 43
## [2528,] 45 55
## [2529,] 75 25
## [2530,] 37 63
## [2531,] 0 100
## [2532,] 46 54
## [2533,] 7 93
## [2534,] 58 42
## [2535,] 0 100
## [2536,] 57 43
## [2537,] 0 100
## [2538,] 30 70
## [2539,] 0 100
## [2540,] 0 100
## [2541,] 11 89
## [2542,] 6 94
## [2543,] 46 54
## [2544,] 57 43
## [2545,] 45 55
## [2546,] 35 65
## [2547,] 46 54
## [2548,] 54 46
## [2549,] 8 92
## [2550,] 0 100
## [2551,] 16 84
## [2552,] 27 73
## [2553,] 8 92
## [2554,] 2 98
## [2555,] 8 92
## [2556,] 8 92
## [2557,] 3 97
## [2558,] 14 86
## [2559,] 52 48
## [2560,] 8 92
## [2561,] 0 100
## [2562,] 0 100
## [2563,] 1 99
## [2564,] 2 98
## [2565,] 35 65
## [2566,] 0 100
## [2567,] 0 100
## [2568,] 6 94
## [2569,] 1 99
## [2570,] 0 100
## [2571,] 47 53
## [2572,] 0 100
## [2573,] 0 100
## [2574,] 0 100
## [2575,] 2 98
## [2576,] 0 100
## [2577,] 31 69
## [2578,] 2 98
## [2579,] 0 100
## [2580,] 1 99
## [2581,] 0 100
## [2582,] 75 25
## [2583,] 0 100
## [2584,] 1 99
## [2585,] 0 100
## [2586,] 0 100
## [2587,] 11 89
## [2588,] 1 99
## [2589,] 1 99
## [2590,] 4 96
## [2591,] 0 100
## [2592,] 0 100
## [2593,] 1 99
## [2594,] 0 100
## [2595,] 0 100
## [2596,] 0 100
## [2597,] 13 87
## [2598,] 42 58
## [2599,] 50 50
## [2600,] 0 100
## [2601,] 0 100
## [2602,] 0 100
## [2603,] 35 65
## [2604,] 0 100
## [2605,] 0 100
## [2606,] 0 100
## [2607,] 0 100
## [2608,] 1 99
## [2609,] 78 22
## [2610,] 34 66
## [2611,] 0 100
## [2612,] 0 100
## [2613,] 11 89
## [2614,] 74 26
## [2615,] 31 69
## [2616,] 0 100
## [2617,] 4 96
## [2618,] 11 89
## [2619,] 0 100
## [2620,] 79 21
## [2621,] 0 100
## [2622,] 13 87
## [2623,] 0 100
## [2624,] 0 100
## [2625,] 2 98
## [2626,] 4 96
## [2627,] 8 92
## [2628,] 3 97
## [2629,] 78 22
## [2630,] 93 7
## [2631,] 1 99
## [2632,] 2 98
## [2633,] 0 100
## [2634,] 2 98
## [2635,] 1 99
## [2636,] 37 63
## [2637,] 0 100
## [2638,] 2 98
## [2639,] 49 51
## [2640,] 0 100
## [2641,] 0 100
## [2642,] 22 78
## [2643,] 0 100
## [2644,] 0 100
## [2645,] 0 100
## [2646,] 4 96
## [2647,] 22 78
## [2648,] 0 100
## [2649,] 3 97
## [2650,] 20 80
## [2651,] 20 80
## [2652,] 21 79
## [2653,] 2 98
## [2654,] 20 80
## [2655,] 3 97
## [2656,] 20 80
## [2657,] 0 100
## [2658,] 0 100
## [2659,] 19 81
## [2660,] 0 100
## [2661,] 0 100
## [2662,] 0 100
## [2663,] 42 58
## [2664,] 4 96
## [2665,] 0 100
## [2666,] 0 100
## [2667,] 2 98
## [2668,] 0 100
## [2669,] 0 100
## [2670,] 2 98
## [2671,] 0 100
## [2672,] 2 98
## [2673,] 0 100
## [2674,] 0 100
## [2675,] 0 100
## [2676,] 0 100
## [2677,] 0 100
## [2678,] 0 100
## [2679,] 0 100
## [2680,] 0 100
## [2681,] 2 98
## [2682,] 0 100
## [2683,] 0 100
## [2684,] 0 100
## [2685,] 0 100
## [2686,] 0 100
## [2687,] 0 100
## [2688,] 0 100
## [2689,] 0 100
## [2690,] 1 99
## [2691,] 0 100
## [2692,] 0 100
## [2693,] 0 100
## [2694,] 43 57
## [2695,] 0 100
## [2696,] 0 100
## [2697,] 0 100
## [2698,] 0 100
## [2699,] 0 100
## [2700,] 1 99
## [2701,] 0 100
## [2702,] 1 99
## [2703,] 0 100
## [2704,] 0 100
## [2705,] 1 99
## [2706,] 0 100
## [2707,] 2 98
## [2708,] 1 99
## [2709,] 0 100
## [2710,] 0 100
## [2711,] 1 99
## [2712,] 0 100
## [2713,] 0 100
## [2714,] 1 99
## [2715,] 1 99
## [2716,] 0 100
## [2717,] 2 98
## [2718,] 15 85
## [2719,] 0 100
## [2720,] 43 57
## [2721,] 18 82
## [2722,] 53 47
## [2723,] 0 100
## [2724,] 24 76
## [2725,] 50 50
## [2726,] 53 47
## [2727,] 2 98
## [2728,] 16 84
## [2729,] 19 81
## [2730,] 57 43
## [2731,] 55 45
## [2732,] 0 100
## [2733,] 76 24
## [2734,] 39 61
## [2735,] 0 100
## [2736,] 1 99
## [2737,] 0 100
## [2738,] 0 100
## [2739,] 10 90
## [2740,] 1 99
## [2741,] 19 81
## [2742,] 1 99
## [2743,] 1 99
## [2744,] 1 99
## [2745,] 3 97
## [2746,] 1 99
## [2747,] 0 100
## [2748,] 11 89
## [2749,] 0 100
## [2750,] 19 81
## [2751,] 1 99
## [2752,] 0 100
## [2753,] 0 100
## [2754,] 1 99
## [2755,] 16 84
## [2756,] 0 100
## [2757,] 0 100
## [2758,] 12 88
## [2759,] 0 100
## [2760,] 34 66
## [2761,] 0 100
## [2762,] 12 88
## [2763,] 71 29
## [2764,] 0 100
## [2765,] 6 94
## [2766,] 10 90
## [2767,] 0 100
## [2768,] 0 100
## [2769,] 3 97
## [2770,] 0 100
## [2771,] 0 100
## [2772,] 15 85
## [2773,] 5 95
## [2774,] 88 12
## [2775,] 1 99
## [2776,] 1 99
## [2777,] 0 100
## [2778,] 0 100
## [2779,] 0 100
## [2780,] 6 94
## [2781,] 3 97
## [2782,] 0 100
## [2783,] 4 96
## [2784,] 40 60
## [2785,] 0 100
## [2786,] 2 98
## [2787,] 0 100
## [2788,] 0 100
## [2789,] 2 98
## [2790,] 0 100
## [2791,] 0 100
## [2792,] 0 100
## [2793,] 0 100
## [2794,] 5 95
## [2795,] 0 100
## [2796,] 100 0
## [2797,] 2 98
## [2798,] 0 100
## [2799,] 39 61
## [2800,] 65 35
## [2801,] 61 39
## [2802,] 0 100
## [2803,] 70 30
## [2804,] 50 50
## [2805,] 35 65
## [2806,] 0 100
## [2807,] 0 100
## [2808,] 4 96
## [2809,] 4 96
## [2810,] 5 95
## [2811,] 0 100
## [2812,] 81 19
## [2813,] 0 100
## [2814,] 2 98
## [2815,] 0 100
## [2816,] 2 98
## [2817,] 0 100
## [2818,] 0 100
## [2819,] 70 30
## [2820,] 0 100
## [2821,] 0 100
## [2822,] 0 100
## [2823,] 0 100
## [2824,] 20 80
## [2825,] 3 97
## [2826,] 0 100
## [2827,] 0 100
## [2828,] 0 100
## [2829,] 0 100
## [2830,] 23 77
## [2831,] 0 100
## [2832,] 21 79
## [2833,] 0 100
## [2834,] 0 100
## [2835,] 0 100
## [2836,] 45 55
## [2837,] 27 73
## [2838,] 75 25
## [2839,] 97 3
## [2840,] 0 100
## [2841,] 34 66
## [2842,] 0 100
## [2843,] 0 100
## [2844,] 14 86
## [2845,] 0 100
## [2846,] 24 76
## [2847,] 0 100
## [2848,] 30 70
## [2849,] 0 100
## [2850,] 0 100
## [2851,] 23 77
## [2852,] 47 53
## [2853,] 0 100
## [2854,] 12 88
## [2855,] 94 6
## [2856,] 76 24
## [2857,] 5 95
## [2858,] 0 100
## [2859,] 0 100
## [2860,] 96 4
## [2861,] 3 97
## [2862,] 0 100
## [2863,] 1 99
## [2864,] 59 41
## [2865,] 8 92
## [2866,] 4 96
## [2867,] 0 100
## [2868,] 74 26
## [2869,] 0 100
## [2870,] 96 4
## [2871,] 0 100
## [2872,] 31 69
## [2873,] 5 95
## [2874,] 0 100
## [2875,] 32 68
## [2876,] 0 100
## [2877,] 0 100
## [2878,] 0 100
## [2879,] 3 97
## [2880,] 68 32
## [2881,] 0 100
## [2882,] 60 40
## [2883,] 2 98
## [2884,] 0 100
## [2885,] 31 69
## [2886,] 4 96
## [2887,] 0 100
## [2888,] 1 99
## [2889,] 76 24
## [2890,] 58 42
## [2891,] 0 100
## [2892,] 49 51
## [2893,] 69 31
## [2894,] 0 100
## [2895,] 0 100
## [2896,] 0 100
## [2897,] 94 6
## [2898,] 0 100
## [2899,] 0 100
## [2900,] 68 32
## [2901,] 0 100
## [2902,] 0 100
## [2903,] 0 100
## [2904,] 2 98
## [2905,] 100 0
## [2906,] 0 100
## [2907,] 0 100
## [2908,] 0 100
## [2909,] 0 100
## [2910,] 0 100
## [2911,] 0 100
## [2912,] 0 100
## [2913,] 0 100
## [2914,] 68 32
## [2915,] 32 68
## [2916,] 0 100
## [2917,] 0 100
## [2918,] 42 58
## [2919,] 0 100
## [2920,] 26 74
## [2921,] 42 58
## [2922,] 20 80
## [2923,] 0 100
## [2924,] 18 82
## [2925,] 0 100
## [2926,] 5 95
## [2927,] 0 100
## [2928,] 68 32
## [2929,] 2 98
## [2930,] 0 100
## [2931,] 100 0
## [2932,] 48 52
## [2933,] 47 53
## [2934,] 34 66
## [2935,] 26 74
## [2936,] 19 81
## [2937,] 82 18
## [2938,] 0 100
## [2939,] 100 0
## [2940,] 5 95
## [2941,] 93 7
## [2942,] 45 55
## [2943,] 52 48
## [2944,] 0 100
## [2945,] 0 100
## [2946,] 19 81
## [2947,] 0 100
## [2948,] 53 47
## [2949,] 74 26
## [2950,] 9 91
## [2951,] 0 100
## [2952,] 10 90
## [2953,] 10 90
## [2954,] 0 100
## [2955,] 8 92
## [2956,] 48 52
## [2957,] 100 0
## [2958,] 100 0
## [2959,] 69 31
## [2960,] 80 20
## [2961,] 1 99
## [2962,] 0 100
## [2963,] 95 5
## [2964,] 35 65
## [2965,] 3 97
## [2966,] 0 100
## [2967,] 52 48
## [2968,] 0 100
## [2969,] 0 100
## [2970,] 20 80
## [2971,] 0 100
## [2972,] 0 100
## [2973,] 0 100
## [2974,] 0 100
## [2975,] 75 25
## [2976,] 0 100
## [2977,] 0 100
## [2978,] 81 19
## [2979,] 97 3
## [2980,] 62 38
## [2981,] 0 100
## [2982,] 2 98
## [2983,] 0 100
## [2984,] 1 99
## [2985,] 0 100
## [2986,] 94 6
## [2987,] 0 100
## [2988,] 0 100
## [2989,] 0 100
## [2990,] 93 7
## [2991,] 83 17
## [2992,] 10 90
## [2993,] 0 100
## [2994,] 100 0
## [2995,] 78 22
## [2996,] 100 0
## [2997,] 0 100
## [2998,] 88 12
## [2999,] 100 0
## [3000,] 40 60
## [3001,] 0 100
## [3002,] 53 47
## [3003,] 95 5
## [3004,] 0 100
## [3005,] 0 100
## [3006,] 0 100
## [3007,] 5 95
## [3008,] 47 53
## [3009,] 100 0
## [3010,] 94 6
## [3011,] 0 100
## [3012,] 0 100
## [3013,] 50 50
## [3014,] 55 45
## [3015,] 0 100
## [3016,] 94 6
## [3017,] 70 30
## [3018,] 100 0
## [3019,] 45 55
## [3020,] 1 99
## [3021,] 0 100
## [3022,] 66 34
## [3023,] 0 100
## [3024,] 2 98
## [3025,] 0 100
## [3026,] 0 100
## [3027,] 7 93
## [3028,] 0 100
## [3029,] 0 100
## [3030,] 0 100
## [3031,] 72 28
## [3032,] 36 64
## [3033,] 70 30
## [3034,] 99 1
## [3035,] 0 100
## [3036,] 92 8
## [3037,] 0 100
## [3038,] 0 100
## [3039,] 1 99
## [3040,] 0 100
## [3041,] 0 100
## [3042,] 0 100
## [3043,] 0 100
## [3044,] 53 47
## [3045,] 94 6
## [3046,] 0 100
## [3047,] 5 95
## [3048,] 73 27
## [3049,] 0 100
## [3050,] 2 98
## [3051,] 0 100
## [3052,] 3 97
## [3053,] 93 7
## [3054,] 100 0
## [3055,] 0 100
## [3056,] 0 100
## [3057,] 0 100
## [3058,] 0 100
## [3059,] 62 38
## [3060,] 3 97
## [3061,] 3 97
## [3062,] 0 100
## [3063,] 1 99
## [3064,] 0 100
## [3065,] 0 100
## [3066,] 0 100
## [3067,] 4 96
## [3068,] 3 97
## [3069,] 66 34
## [3070,] 43 57
## [3071,] 43 57
## [3072,] 0 100
## [3073,] 98 2
## [3074,] 74 26
## [3075,] 93 7
## [3076,] 47 53
## [3077,] 0 100
## [3078,] 52 48
## [3079,] 0 100
## [3080,] 100 0
## [3081,] 30 70
## [3082,] 0 100
## [3083,] 96 4
## [3084,] 0 100
## [3085,] 0 100
## [3086,] 1 99
## [3087,] 2 98
## [3088,] 3 97
## [3089,] 0 100
## [3090,] 61 39
## [3091,] 0 100
## [3092,] 0 100
## [3093,] 47 53
## [3094,] 99 1
## [3095,] 0 100
## [3096,] 0 100
## [3097,] 0 100
## [3098,] 0 100
## [3099,] 0 100
## [3100,] 0 100
## [3101,] 0 100
## [3102,] 27 73
## [3103,] 2 98
## [3104,] 4 96
## [3105,] 12 88
## [3106,] 0 100
## [3107,] 0 100
## [3108,] 0 100
## [3109,] 1 99
## [3110,] 52 48
## [3111,] 70 30
## [3112,] 0 100
## [3113,] 13 87
## [3114,] 93 7
## [3115,] 0 100
## [3116,] 86 14
## [3117,] 2 98
## [3118,] 0 100
## [3119,] 0 100
## [3120,] 87 13
## [3121,] 0 100
## [3122,] 100 0
## [3123,] 7 93
## [3124,] 0 100
## [3125,] 0 100
## [3126,] 0 100
## [3127,] 19 81
## [3128,] 0 100
## [3129,] 0 100
## [3130,] 4 96
## [3131,] 0 100
## [3132,] 0 100
## [3133,] 0 100
## [3134,] 2 98
## [3135,] 0 100
## [3136,] 0 100
## [3137,] 0 100
## [3138,] 1 99
## [3139,] 5 95
## [3140,] 66 34
## [3141,] 21 79
## [3142,] 4 96
## [3143,] 0 100
## [3144,] 0 100
## [3145,] 0 100
## [3146,] 14 86
## [3147,] 0 100
## [3148,] 0 100
## [3149,] 0 100
## [3150,] 0 100
## [3151,] 0 100
## [3152,] 0 100
## [3153,] 0 100
## [3154,] 0 100
## [3155,] 0 100
## [3156,] 0 100
## [3157,] 0 100
## [3158,] 0 100
## [3159,] 0 100
## [3160,] 2 98
## [3161,] 0 100
## [3162,] 0 100
## [3163,] 1 99
## [3164,] 0 100
## [3165,] 0 100
## [3166,] 0 100
## [3167,] 0 100
## [3168,] 0 100
## [3169,] 0 100
## [3170,] 0 100
## [3171,] 0 100
## [3172,] 0 100
## [3173,] 0 100
## [3174,] 0 100
## [3175,] 0 100
## [3176,] 0 100
## [3177,] 0 100
## [3178,] 0 100
## [3179,] 0 100
## [3180,] 0 100
## [3181,] 0 100
## [3182,] 0 100
## [3183,] 3 97
## [3184,] 0 100
## [3185,] 0 100
## [3186,] 0 100
## [3187,] 0 100
## [3188,] 0 100
## [3189,] 2 98
## [3190,] 0 100
## [3191,] 0 100
## [3192,] 2 98
## [3193,] 0 100
## [3194,] 1 99
## [3195,] 0 100
## [3196,] 0 100
## [3197,] 1 99
## [3198,] 0 100
## [3199,] 1 99
## [3200,] 0 100
## [3201,] 0 100
## [3202,] 1 99
## [3203,] 0 100
## [3204,] 0 100
## [3205,] 0 100
## [3206,] 3 97
## [3207,] 0 100
## [3208,] 1 99
## [3209,] 0 100
## [3210,] 2 98
## [3211,] 0 100
## [3212,] 0 100
## [3213,] 0 100
## [3214,] 0 100
## [3215,] 0 100
## [3216,] 0 100
## [3217,] 0 100
## [3218,] 0 100
## [3219,] 0 100
## [3220,] 0 100
## [3221,] 0 100
## [3222,] 1 99
## [3223,] 0 100
## [3224,] 0 100
## [3225,] 2 98
## [3226,] 0 100
## [3227,] 0 100
## [3228,] 0 100
## [3229,] 0 100
## [3230,] 0 100
## [3231,] 0 100
## [3232,] 2 98
## [3233,] 1 99
## [3234,] 0 100
## [3235,] 0 100
## [3236,] 0 100
## [3237,] 0 100
## [3238,] 0 100
## [3239,] 0 100
## [3240,] 1 99
## [3241,] 0 100
## [3242,] 0 100
## [3243,] 0 100
## [3244,] 2 98
## [3245,] 0 100
## [3246,] 0 100
## [3247,] 0 100
## [3248,] 0 100
## [3249,] 1 99
## [3250,] 0 100
## [3251,] 0 100
## [3252,] 0 100
## [3253,] 0 100
## [3254,] 0 100
## [3255,] 0 100
## [3256,] 0 100
## [3257,] 0 100
## [3258,] 0 100
## [3259,] 0 100
## [3260,] 0 100
## [3261,] 0 100
## [3262,] 0 100
## [3263,] 0 100
## [3264,] 0 100
## [3265,] 0 100
## [3266,] 0 100
## [3267,] 0 100
## [3268,] 1 99
## [3269,] 0 100
## [3270,] 1 99
## [3271,] 0 100
## [3272,] 0 100
## [3273,] 0 100
## [3274,] 0 100
## [3275,] 0 100
## [3276,] 9 91
## [3277,] 0 100
## [3278,] 0 100
## [3279,] 2 98
## [3280,] 0 100
## [3281,] 0 100
## [3282,] 3 97
## [3283,] 43 57
## [3284,] 0 100
## [3285,] 2 98
## [3286,] 80 20
## [3287,] 77 23
## [3288,] 0 100
## [3289,] 45 55
## [3290,] 0 100
## [3291,] 0 100
## [3292,] 81 19
## [3293,] 72 28
## [3294,] 32 68
## [3295,] 18 82
## [3296,] 0 100
## [3297,] 0 100
## [3298,] 0 100
## [3299,] 1 99
## [3300,] 0 100
## [3301,] 50 50
## [3302,] 57 43
## [3303,] 0 100
## [3304,] 63 37
## [3305,] 1 99
## [3306,] 35 65
## [3307,] 0 100
## [3308,] 20 80
## [3309,] 0 100
## [3310,] 2 98
## [3311,] 1 99
## [3312,] 4 96
## [3313,] 0 100
## [3314,] 11 89
## [3315,] 29 71
## [3316,] 99 1
## [3317,] 0 100
## [3318,] 100 0
## [3319,] 1 99
## [3320,] 1 99
## [3321,] 0 100
## [3322,] 7 93
## [3323,] 0 100
## [3324,] 0 100
## [3325,] 0 100
## [3326,] 0 100
## [3327,] 0 100
## [3328,] 0 100
## [3329,] 93 7
## [3330,] 2 98
## [3331,] 0 100
## [3332,] 100 0
## [3333,] 0 100
## [3334,] 0 100
## [3335,] 100 0
## [3336,] 0 100
## [3337,] 1 99
## [3338,] 0 100
## [3339,] 2 98
## [3340,] 80 20
## [3341,] 0 100
## [3342,] 0 100
## [3343,] 5 95
## [3344,] 0 100
## [3345,] 0 100
## [3346,] 0 100
## [3347,] 0 100
## [3348,] 47 53
## [3349,] 100 0
## [3350,] 0 100
## [3351,] 0 100
## [3352,] 7 93
## [3353,] 0 100
## [3354,] 78 22
## [3355,] 0 100
## [3356,] 100 0
## [3357,] 38 62
## [3358,] 0 100
## [3359,] 0 100
## [3360,] 0 100
## [3361,] 0 100
## [3362,] 27 73
## [3363,] 0 100
## [3364,] 7 93
## [3365,] 12 88
## [3366,] 0 100
## [3367,] 4 96
## [3368,] 7 93
## [3369,] 0 100
## [3370,] 5 95
## [3371,] 0 100
## [3372,] 0 100
## [3373,] 89 11
## [3374,] 0 100
## [3375,] 41 59
## [3376,] 4 96
## [3377,] 0 100
## [3378,] 0 100
## [3379,] 0 100
## [3380,] 99 1
## [3381,] 0 100
## [3382,] 4 96
## [3383,] 35 65
## [3384,] 0 100
## [3385,] 2 98
## [3386,] 100 0
## [3387,] 0 100
## [3388,] 55 45
## [3389,] 2 98
## [3390,] 0 100
## [3391,] 2 98
## [3392,] 0 100
## [3393,] 3 97
## [3394,] 0 100
## [3395,] 1 99
## [3396,] 35 65
## [3397,] 34 66
## [3398,] 0 100
## [3399,] 0 100
## [3400,] 2 98
## [3401,] 21 79
## [3402,] 65 35
## [3403,] 48 52
## [3404,] 0 100
## [3405,] 48 52
## [3406,] 0 100
## [3407,] 7 93
## [3408,] 57 43
## [3409,] 0 100
## [3410,] 0 100
## [3411,] 2 98
## [3412,] 28 72
## [3413,] 0 100
## [3414,] 0 100
## [3415,] 26 74
## [3416,] 5 95
## [3417,] 1 99
## [3418,] 75 25
## [3419,] 79 21
## [3420,] 0 100
## [3421,] 1 99
## [3422,] 0 100
## [3423,] 47 53
## [3424,] 0 100
## [3425,] 0 100
## [3426,] 0 100
## [3427,] 0 100
## [3428,] 1 99
## [3429,] 0 100
## [3430,] 6 94
## [3431,] 0 100
## [3432,] 73 27
## [3433,] 0 100
## [3434,] 0 100
## [3435,] 1 99
## [3436,] 74 26
## [3437,] 44 56
## [3438,] 94 6
## [3439,] 1 99
## [3440,] 0 100
## [3441,] 75 25
## [3442,] 1 99
## [3443,] 1 99
## [3444,] 0 100
## [3445,] 0 100
## [3446,] 4 96
## [3447,] 49 51
## [3448,] 0 100
## [3449,] 0 100
## [3450,] 77 23
## [3451,] 20 80
## [3452,] 0 100
## [3453,] 1 99
## [3454,] 0 100
## [3455,] 0 100
## [3456,] 0 100
## [3457,] 32 68
## [3458,] 0 100
## [3459,] 0 100
## [3460,] 76 24
## [3461,] 0 100
## [3462,] 6 94
## [3463,] 0 100
## [3464,] 19 81
## [3465,] 0 100
## [3466,] 0 100
## [3467,] 0 100
## [3468,] 0 100
## [3469,] 0 100
## [3470,] 48 52
## [3471,] 0 100
## [3472,] 0 100
## [3473,] 0 100
## [3474,] 100 0
## [3475,] 100 0
## [3476,] 0 100
## [3477,] 0 100
## [3478,] 0 100
## [3479,] 73 27
## [3480,] 0 100
## [3481,] 0 100
## [3482,] 0 100
## [3483,] 0 100
## [3484,] 32 68
## [3485,] 12 88
## [3486,] 0 100
## [3487,] 0 100
## [3488,] 1 99
## [3489,] 1 99
## [3490,] 50 50
## [3491,] 0 100
## [3492,] 2 98
## [3493,] 20 80
## [3494,] 31 69
## [3495,] 0 100
## [3496,] 100 0
## [3497,] 54 46
## [3498,] 0 100
## [3499,] 0 100
## [3500,] 1 99
## [3501,] 0 100
## [3502,] 19 81
## [3503,] 0 100
## [3504,] 0 100
## [3505,] 0 100
## [3506,] 0 100
## [3507,] 27 73
## [3508,] 66 34
## [3509,] 44 56
## [3510,] 100 0
## [3511,] 0 100
## [3512,] 0 100
## [3513,] 0 100
## [3514,] 0 100
## [3515,] 0 100
## [3516,] 0 100
## [3517,] 0 100
## [3518,] 0 100
## [3519,] 54 46
## [3520,] 1 99
## [3521,] 79 21
## [3522,] 1 99
## [3523,] 0 100
## [3524,] 99 1
## [3525,] 8 92
## [3526,] 0 100
## [3527,] 1 99
## [3528,] 0 100
## [3529,] 95 5
## [3530,] 100 0
## [3531,] 1 99
## [3532,] 0 100
## [3533,] 37 63
## [3534,] 47 53
## [3535,] 92 8
## [3536,] 0 100
## [3537,] 94 6
## [3538,] 100 0
## [3539,] 0 100
## [3540,] 15 85
## [3541,] 2 98
## [3542,] 27 73
## [3543,] 64 36
## [3544,] 0 100
## [3545,] 75 25
## [3546,] 82 18
## [3547,] 0 100
## [3548,] 14 86
## [3549,] 0 100
## [3550,] 0 100
## [3551,] 0 100
## [3552,] 0 100
## [3553,] 3 97
## [3554,] 0 100
## [3555,] 0 100
## [3556,] 0 100
## [3557,] 2 98
## [3558,] 76 24
## [3559,] 0 100
## [3560,] 3 97
## [3561,] 22 78
## [3562,] 0 100
## [3563,] 0 100
## [3564,] 48 52
## [3565,] 0 100
## [3566,] 0 100
## [3567,] 100 0
## [3568,] 1 99
## [3569,] 2 98
## [3570,] 0 100
## [3571,] 0 100
## [3572,] 0 100
## [3573,] 0 100
## [3574,] 0 100
## [3575,] 0 100
## [3576,] 0 100
## [3577,] 100 0
## [3578,] 0 100
## [3579,] 0 100
## [3580,] 0 100
## [3581,] 0 100
## [3582,] 0 100
## [3583,] 4 96
## [3584,] 0 100
## [3585,] 2 98
## [3586,] 0 100
## [3587,] 0 100
## [3588,] 1 99
## [3589,] 96 4
## [3590,] 1 99
## [3591,] 5 95
## [3592,] 31 69
## [3593,] 0 100
## [3594,] 0 100
## [3595,] 1 99
## [3596,] 45 55
## [3597,] 5 95
## [3598,] 0 100
## [3599,] 0 100
## [3600,] 0 100
## [3601,] 0 100
## [3602,] 0 100
## [3603,] 100 0
## [3604,] 5 95
## [3605,] 0 100
## [3606,] 97 3
## [3607,] 5 95
## [3608,] 100 0
## [3609,] 62 38
## [3610,] 0 100
## [3611,] 0 100
## [3612,] 0 100
## [3613,] 19 81
## [3614,] 0 100
## [3615,] 0 100
## [3616,] 0 100
## [3617,] 0 100
## [3618,] 0 100
## [3619,] 0 100
## [3620,] 75 25
## [3621,] 0 100
## [3622,] 0 100
## [3623,] 0 100
## [3624,] 99 1
## [3625,] 0 100
## [3626,] 100 0
## [3627,] 7 93
## [3628,] 0 100
## [3629,] 0 100
## [3630,] 0 100
## [3631,] 0 100
## [3632,] 0 100
## [3633,] 0 100
## [3634,] 91 9
## [3635,] 5 95
## [3636,] 0 100
## [3637,] 0 100
## [3638,] 1 99
## [3639,] 15 85
## [3640,] 22 78
## [3641,] 0 100
## [3642,] 0 100
## [3643,] 0 100
## [3644,] 0 100
## [3645,] 0 100
## [3646,] 0 100
## [3647,] 0 100
## [3648,] 27 73
## [3649,] 1 99
## [3650,] 0 100
## [3651,] 0 100
## [3652,] 0 100
## [3653,] 1 99
## [3654,] 2 98
## [3655,] 0 100
## [3656,] 100 0
## [3657,] 0 100
## [3658,] 99 1
## [3659,] 0 100
## [3660,] 100 0
## [3661,] 0 100
## [3662,] 64 36
## [3663,] 1 99
## [3664,] 0 100
## [3665,] 0 100
## [3666,] 8 92
## [3667,] 100 0
## [3668,] 0 100
## [3669,] 17 83
## [3670,] 3 97
## [3671,] 19 81
## [3672,] 0 100
## [3673,] 35 65
## [3674,] 5 95
## [3675,] 0 100
## [3676,] 38 62
## [3677,] 2 98
## [3678,] 0 100
## [3679,] 0 100
## [3680,] 3 97
## [3681,] 0 100
## [3682,] 0 100
## [3683,] 0 100
## [3684,] 0 100
## [3685,] 70 30
## [3686,] 5 95
## [3687,] 0 100
## [3688,] 0 100
## [3689,] 0 100
## [3690,] 100 0
## [3691,] 0 100
## [3692,] 0 100
## [3693,] 0 100
## [3694,] 100 0
## [3695,] 0 100
## [3696,] 0 100
## [3697,] 11 89
## [3698,] 32 68
## [3699,] 3 97
## [3700,] 0 100
## [3701,] 0 100
## [3702,] 4 96
## [3703,] 3 97
## [3704,] 0 100
## [3705,] 0 100
## [3706,] 0 100
## [3707,] 0 100
## [3708,] 1 99
## [3709,] 1 99
## [3710,] 18 82
## [3711,] 0 100
## [3712,] 0 100
## [3713,] 76 24
## [3714,] 0 100
## [3715,] 0 100
## [3716,] 7 93
## [3717,] 84 16
## [3718,] 0 100
## [3719,] 0 100
## [3720,] 93 7
## [3721,] 0 100
## [3722,] 8 92
## [3723,] 0 100
## [3724,] 30 70
## [3725,] 17 83
## [3726,] 0 100
## [3727,] 0 100
## [3728,] 0 100
## [3729,] 0 100
## [3730,] 4 96
## [3731,] 0 100
## [3732,] 0 100
## [3733,] 7 93
## [3734,] 1 99
## [3735,] 6 94
## [3736,] 0 100
## [3737,] 75 25
## [3738,] 20 80
## [3739,] 0 100
## [3740,] 2 98
## [3741,] 2 98
## [3742,] 18 82
## [3743,] 0 100
## [3744,] 0 100
## [3745,] 63 37
## [3746,] 41 59
## [3747,] 20 80
## [3748,] 100 0
## [3749,] 0 100
## [3750,] 2 98
## [3751,] 0 100
## [3752,] 53 47
## [3753,] 0 100
## [3754,] 4 96
## [3755,] 100 0
## [3756,] 0 100
## [3757,] 29 71
## [3758,] 1 99
## [3759,] 0 100
## [3760,] 25 75
## [3761,] 0 100
## [3762,] 30 70
## [3763,] 0 100
## [3764,] 0 100
## [3765,] 0 100
## [3766,] 29 71
## [3767,] 0 100
## [3768,] 5 95
## [3769,] 63 37
## [3770,] 86 14
## [3771,] 0 100
## [3772,] 0 100
## [3773,] 4 96
## [3774,] 3 97
## [3775,] 12 88
## [3776,] 0 100
## [3777,] 100 0
## [3778,] 3 97
## [3779,] 1 99
## [3780,] 56 44
## [3781,] 39 61
## [3782,] 59 41
## [3783,] 0 100
## [3784,] 78 22
## [3785,] 0 100
## [3786,] 100 0
## [3787,] 16 84
## [3788,] 1 99
## [3789,] 50 50
## [3790,] 1 99
## [3791,] 62 38
## [3792,] 0 100
## [3793,] 25 75
## [3794,] 0 100
## [3795,] 0 100
## [3796,] 0 100
## [3797,] 0 100
## [3798,] 47 53
## [3799,] 0 100
## [3800,] 0 100
## [3801,] 0 100
## [3802,] 0 100
## [3803,] 1 99
## [3804,] 0 100
## [3805,] 92 8
## [3806,] 21 79
## [3807,] 1 99
## [3808,] 0 100
## [3809,] 0 100
## [3810,] 100 0
## [3811,] 0 100
## [3812,] 2 98
## [3813,] 0 100
## [3814,] 16 84
## [3815,] 68 32
## [3816,] 1 99
## [3817,] 0 100
## [3818,] 0 100
## [3819,] 57 43
## [3820,] 67 33
## [3821,] 0 100
## [3822,] 44 56
## [3823,] 0 100
## [3824,] 0 100
## [3825,] 2 98
## [3826,] 15 85
## [3827,] 0 100
## [3828,] 0 100
## [3829,] 2 98
## [3830,] 0 100
## [3831,] 0 100
## [3832,] 0 100
## [3833,] 0 100
## [3834,] 0 100
## [3835,] 4 96
## [3836,] 0 100
## [3837,] 0 100
## [3838,] 0 100
## [3839,] 0 100
## [3840,] 0 100
## [3841,] 0 100
## [3842,] 68 32
## [3843,] 66 34
## [3844,] 0 100
## [3845,] 27 73
## [3846,] 55 45
## [3847,] 0 100
## [3848,] 74 26
## [3849,] 1 99
## [3850,] 0 100
## [3851,] 0 100
## [3852,] 0 100
## [3853,] 0 100
## [3854,] 0 100
## [3855,] 0 100
## [3856,] 100 0
## [3857,] 10 90
## [3858,] 13 87
## [3859,] 4 96
## [3860,] 28 72
## [3861,] 34 66
## [3862,] 0 100
## [3863,] 0 100
## [3864,] 0 100
## [3865,] 5 95
## [3866,] 0 100
## [3867,] 56 44
## [3868,] 0 100
## [3869,] 79 21
## [3870,] 0 100
## [3871,] 2 98
## [3872,] 38 62
## [3873,] 0 100
## [3874,] 0 100
## [3875,] 100 0
## [3876,] 0 100
## [3877,] 20 80
## [3878,] 6 94
## [3879,] 0 100
## [3880,] 32 68
## [3881,] 100 0
## [3882,] 15 85
## [3883,] 0 100
## [3884,] 47 53
## [3885,] 0 100
## [3886,] 1 99
## [3887,] 2 98
## [3888,] 48 52
## [3889,] 0 100
## [3890,] 18 82
## [3891,] 0 100
## [3892,] 0 100
## [3893,] 1 99
## [3894,] 1 99
## [3895,] 1 99
## [3896,] 7 93
## [3897,] 31 69
## [3898,] 0 100
## [3899,] 0 100
## [3900,] 45 55
## [3901,] 24 76
## [3902,] 1 99
## [3903,] 0 100
## [3904,] 1 99
## [3905,] 0 100
## [3906,] 48 52
## [3907,] 0 100
## [3908,] 79 21
## [3909,] 1 99
## [3910,] 1 99
## [3911,] 0 100
## [3912,] 0 100
## [3913,] 0 100
## [3914,] 0 100
## [3915,] 0 100
## [3916,] 27 73
## [3917,] 0 100
## [3918,] 0 100
## [3919,] 10 90
## [3920,] 0 100
## [3921,] 0 100
## [3922,] 0 100
## [3923,] 0 100
## [3924,] 0 100
## [3925,] 0 100
## [3926,] 1 99
## [3927,] 0 100
## [3928,] 0 100
## [3929,] 0 100
## [3930,] 8 92
## [3931,] 53 47
## [3932,] 0 100
## [3933,] 0 100
## [3934,] 100 0
## [3935,] 0 100
## [3936,] 0 100
## [3937,] 6 94
## [3938,] 0 100
## [3939,] 100 0
## [3940,] 100 0
## [3941,] 0 100
## [3942,] 0 100
## [3943,] 0 100
## [3944,] 0 100
## [3945,] 0 100
## [3946,] 0 100
## [3947,] 7 93
## [3948,] 0 100
## [3949,] 1 99
## [3950,] 0 100
## [3951,] 0 100
## [3952,] 0 100
## [3953,] 0 100
## [3954,] 0 100
## [3955,] 97 3
## [3956,] 1 99
## [3957,] 0 100
## [3958,] 2 98
## [3959,] 29 71
## [3960,] 0 100
## [3961,] 0 100
## [3962,] 0 100
## [3963,] 0 100
## [3964,] 0 100
## [3965,] 0 100
## [3966,] 17 83
## [3967,] 1 99
## [3968,] 0 100
## [3969,] 14 86
## [3970,] 0 100
## [3971,] 5 95
## [3972,] 0 100
## [3973,] 0 100
## [3974,] 17 83
## [3975,] 5 95
## [3976,] 100 0
## [3977,] 100 0
## [3978,] 0 100
## [3979,] 1 99
## [3980,] 0 100
## [3981,] 0 100
## [3982,] 18 82
## [3983,] 0 100
## [3984,] 94 6
## [3985,] 0 100
## [3986,] 0 100
## [3987,] 0 100
## [3988,] 53 47
## [3989,] 0 100
## [3990,] 0 100
## [3991,] 99 1
## [3992,] 100 0
## [3993,] 1 99
## [3994,] 0 100
## [3995,] 66 34
## [3996,] 25 75
## [3997,] 0 100
## [3998,] 0 100
## [3999,] 0 100
## [4000,] 99 1
## [4001,] 0 100
## [4002,] 31 69
## [4003,] 0 100
## [4004,] 1 99
## [4005,] 0 100
## [4006,] 0 100
## [4007,] 1 99
## [4008,] 3 97
## [4009,] 99 1
## [4010,] 0 100
## [4011,] 0 100
## [4012,] 0 100
## [4013,] 0 100
## [4014,] 0 100
## [4015,] 98 2
## [4016,] 0 100
## [4017,] 89 11
## [4018,] 0 100
## [4019,] 4 96
## [4020,] 0 100
## [4021,] 1 99
## [4022,] 10 90
## [4023,] 0 100
## [4024,] 0 100
## [4025,] 0 100
## [4026,] 48 52
## [4027,] 0 100
## [4028,] 4 96
## [4029,] 5 95
## [4030,] 0 100
## [4031,] 89 11
## [4032,] 5 95
## [4033,] 0 100
## [4034,] 0 100
## [4035,] 2 98
## [4036,] 2 98
## [4037,] 0 100
## [4038,] 0 100
## [4039,] 1 99
## [4040,] 100 0
## [4041,] 0 100
## [4042,] 78 22
## [4043,] 99 1
## [4044,] 80 20
## [4045,] 0 100
## [4046,] 0 100
## [4047,] 0 100
## [4048,] 0 100
## [4049,] 4 96
## [4050,] 0 100
## [4051,] 0 100
## [4052,] 7 93
## [4053,] 0 100
## [4054,] 0 100
## [4055,] 0 100
## [4056,] 0 100
## [4057,] 0 100
## [4058,] 35 65
## [4059,] 0 100
## [4060,] 4 96
## [4061,] 0 100
## [4062,] 0 100
## [4063,] 1 99
## [4064,] 2 98
## [4065,] 0 100
## [4066,] 0 100
## [4067,] 0 100
## [4068,] 0 100
## [4069,] 0 100
## [4070,] 79 21
## [4071,] 69 31
## [4072,] 30 70
## [4073,] 1 99
## [4074,] 2 98
## [4075,] 0 100
## [4076,] 5 95
## [4077,] 0 100
## [4078,] 4 96
## [4079,] 4 96
## [4080,] 100 0
## [4081,] 5 95
## [4082,] 0 100
## [4083,] 11 89
## [4084,] 0 100
## [4085,] 40 60
## [4086,] 68 32
## [4087,] 100 0
## [4088,] 20 80
## [4089,] 0 100
## [4090,] 78 22
## [4091,] 2 98
## [4092,] 0 100
## [4093,] 2 98
## [4094,] 1 99
## [4095,] 100 0
## [4096,] 0 100
## [4097,] 1 99
## [4098,] 0 100
## [4099,] 0 100
## [4100,] 0 100
## [4101,] 0 100
## [4102,] 0 100
## [4103,] 0 100
## [4104,] 53 47
## [4105,] 12 88
## [4106,] 1 99
## [4107,] 0 100
## [4108,] 0 100
## [4109,] 2 98
## [4110,] 29 71
## [4111,] 0 100
## [4112,] 39 61
## [4113,] 2 98
## [4114,] 0 100
## [4115,] 0 100
## [4116,] 0 100
## [4117,] 0 100
## [4118,] 0 100
## [4119,] 0 100
## [4120,] 100 0
## [4121,] 0 100
## [4122,] 0 100
## [4123,] 0 100
## [4124,] 83 17
## [4125,] 7 93
## [4126,] 6 94
## [4127,] 0 100
## [4128,] 70 30
## [4129,] 0 100
## [4130,] 0 100
## [4131,] 4 96
## [4132,] 66 34
## [4133,] 4 96
## [4134,] 0 100
## [4135,] 0 100
## [4136,] 0 100
## [4137,] 10 90
## [4138,] 21 79
## [4139,] 0 100
## [4140,] 0 100
## [4141,] 2 98
## [4142,] 0 100
## [4143,] 0 100
## [4144,] 2 98
## [4145,] 25 75
## [4146,] 0 100
## [4147,] 2 98
## [4148,] 0 100
## [4149,] 15 85
## [4150,] 13 87
## [4151,] 10 90
## [4152,] 64 36
## [4153,] 0 100
## [4154,] 0 100
## [4155,] 0 100
## [4156,] 36 64
## [4157,] 1 99
## [4158,] 0 100
## [4159,] 0 100
## [4160,] 59 41
## [4161,] 0 100
## [4162,] 3 97
## [4163,] 100 0
## [4164,] 100 0
## [4165,] 0 100
## [4166,] 0 100
## [4167,] 0 100
## [4168,] 0 100
## [4169,] 0 100
## [4170,] 2 98
## [4171,] 6 94
## [4172,] 0 100
## [4173,] 0 100
## [4174,] 0 100
## [4175,] 1 99
## [4176,] 0 100
## [4177,] 1 99
## [4178,] 0 100
## [4179,] 0 100
## [4180,] 95 5
## [4181,] 0 100
## [4182,] 0 100
## [4183,] 0 100
## [4184,] 20 80
## [4185,] 7 93
## [4186,] 1 99
## [4187,] 0 100
## [4188,] 0 100
## [4189,] 0 100
## [4190,] 0 100
## [4191,] 100 0
## [4192,] 0 100
## [4193,] 3 97
## [4194,] 0 100
## [4195,] 0 100
## [4196,] 22 78
## [4197,] 1 99
## [4198,] 0 100
## [4199,] 51 49
## [4200,] 0 100
## [4201,] 79 21
## [4202,] 0 100
## [4203,] 1 99
## [4204,] 16 84
## [4205,] 0 100
## [4206,] 4 96
## [4207,] 1 99
## [4208,] 0 100
## [4209,] 100 0
## [4210,] 58 42
## [4211,] 2 98
## [4212,] 0 100
## [4213,] 0 100
## [4214,] 74 26
## [4215,] 0 100
## [4216,] 5 95
## [4217,] 0 100
## [4218,] 1 99
## [4219,] 20 80
## [4220,] 50 50
## [4221,] 0 100
## [4222,] 0 100
## [4223,] 0 100
## [4224,] 0 100
## [4225,] 1 99
## [4226,] 67 33
## [4227,] 0 100
## [4228,] 6 94
## [4229,] 1 99
## [4230,] 1 99
## [4231,] 33 67
## [4232,] 100 0
## [4233,] 100 0
## [4234,] 100 0
## [4235,] 5 95
## [4236,] 100 0
## [4237,] 100 0
## [4238,] 100 0
## [4239,] 100 0
## [4240,] 44 56
## [4241,] 100 0
## [4242,] 100 0
## [4243,] 56 44
## [4244,] 90 10
## [4245,] 100 0
## [4246,] 100 0
## [4247,] 100 0
## [4248,] 100 0
## [4249,] 100 0
## [4250,] 100 0
## [4251,] 100 0
## [4252,] 22 78
## [4253,] 53 47
## [4254,] 100 0
## [4255,] 84 16
## [4256,] 50 50
## [4257,] 7 93
## [4258,] 100 0
## [4259,] 100 0
## [4260,] 100 0
## [4261,] 100 0
## [4262,] 100 0
## [4263,] 100 0
## [4264,] 98 2
## [4265,] 100 0
## [4266,] 100 0
## [4267,] 86 14
## [4268,] 79 21
## [4269,] 0 100
## [4270,] 100 0
## [4271,] 100 0
## [4272,] 100 0
## [4273,] 100 0
## [4274,] 4 96
## [4275,] 99 1
## [4276,] 99 1
## [4277,] 100 0
## [4278,] 96 4
## [4279,] 100 0
## [4280,] 100 0
## [4281,] 96 4
## [4282,] 100 0
## [4283,] 75 25
## [4284,] 0 100
## [4285,] 100 0
## [4286,] 100 0
## [4287,] 100 0
## [4288,] 100 0
## [4289,] 83 17
## [4290,] 100 0
## [4291,] 0 100
## [4292,] 88 12
## [4293,] 51 49
## [4294,] 100 0
## [4295,] 55 45
## [4296,] 100 0
## [4297,] 81 19
## [4298,] 100 0
## [4299,] 2 98
## [4300,] 100 0
## [4301,] 100 0
## [4302,] 97 3
## [4303,] 100 0
## [4304,] 82 18
## [4305,] 32 68
## [4306,] 100 0
## [4307,] 100 0
## [4308,] 62 38
## [4309,] 100 0
## [4310,] 100 0
## [4311,] 61 39
## [4312,] 100 0
## [4313,] 100 0
## [4314,] 100 0
## [4315,] 100 0
## [4316,] 39 61
## [4317,] 100 0
## [4318,] 100 0
## [4319,] 56 44
## [4320,] 100 0
## [4321,] 1 99
## [4322,] 100 0
## [4323,] 49 51
## [4324,] 100 0
## [4325,] 100 0
## [4326,] 100 0
## [4327,] 100 0
## [4328,] 0 100
## [4329,] 100 0
## [4330,] 88 12
## [4331,] 100 0
## [4332,] 100 0
## [4333,] 93 7
## [4334,] 100 0
## [4335,] 1 99
## [4336,] 100 0
## [4337,] 75 25
## [4338,] 84 16
## [4339,] 1 99
## [4340,] 100 0
## [4341,] 100 0
## [4342,] 95 5
## [4343,] 100 0
## [4344,] 81 19
## [4345,] 100 0
## [4346,] 97 3
## [4347,] 100 0
## [4348,] 100 0
## [4349,] 100 0
## [4350,] 6 94
## [4351,] 100 0
## [4352,] 100 0
## [4353,] 100 0
## [4354,] 100 0
## [4355,] 100 0
## [4356,] 99 1
## [4357,] 100 0
## [4358,] 100 0
## [4359,] 100 0
## [4360,] 100 0
## [4361,] 100 0
## [4362,] 53 47
## [4363,] 100 0
## [4364,] 100 0
## [4365,] 100 0
## [4366,] 100 0
## [4367,] 100 0
## [4368,] 100 0
## [4369,] 100 0
## [4370,] 87 13
## [4371,] 100 0
## [4372,] 21 79
## [4373,] 100 0
## [4374,] 100 0
## [4375,] 100 0
## [4376,] 1 99
## [4377,] 100 0
## [4378,] 45 55
## [4379,] 100 0
## [4380,] 77 23
## [4381,] 100 0
## [4382,] 98 2
## [4383,] 100 0
## [4384,] 100 0
## [4385,] 91 9
## [4386,] 54 46
## [4387,] 100 0
## [4388,] 80 20
## [4389,] 77 23
## [4390,] 100 0
## [4391,] 100 0
## [4392,] 100 0
## [4393,] 94 6
## [4394,] 100 0
## [4395,] 0 100
## [4396,] 100 0
## [4397,] 100 0
## [4398,] 92 8
## [4399,] 100 0
## [4400,] 100 0
## [4401,] 84 16
## [4402,] 100 0
## [4403,] 50 50
## [4404,] 84 16
## [4405,] 100 0
## [4406,] 100 0
## [4407,] 0 100
## [4408,] 100 0
## [4409,] 97 3
## [4410,] 72 28
## [4411,] 100 0
## [4412,] 96 4
## [4413,] 100 0
## [4414,] 100 0
## [4415,] 2 98
## [4416,] 87 13
## [4417,] 21 79
## [4418,] 3 97
## [4419,] 19 81
## [4420,] 64 36
## [4421,] 98 2
## [4422,] 69 31
## [4423,] 66 34
## [4424,] 96 4
## [4425,] 54 46
## [4426,] 37 63
## [4427,] 97 3
## [4428,] 100 0
## [4429,] 100 0
## [4430,] 0 100
## [4431,] 99 1
## [4432,] 74 26
## [4433,] 100 0
## [4434,] 100 0
## [4435,] 0 100
## [4436,] 79 21
## [4437,] 99 1
## [4438,] 70 30
## [4439,] 100 0
## [4440,] 75 25
## [4441,] 100 0
## [4442,] 100 0
## [4443,] 64 36
## [4444,] 100 0
## [4445,] 100 0
## [4446,] 100 0
## [4447,] 56 44
## [4448,] 100 0
## [4449,] 100 0
## [4450,] 95 5
## [4451,] 100 0
## [4452,] 100 0
## [4453,] 100 0
## [4454,] 100 0
## [4455,] 100 0
## [4456,] 47 53
## [4457,] 100 0
## [4458,] 100 0
## [4459,] 0 100
## [4460,] 37 63
## [4461,] 100 0
## [4462,] 100 0
## [4463,] 100 0
## [4464,] 27 73
## [4465,] 100 0
## [4466,] 100 0
## [4467,] 79 21
## [4468,] 100 0
## [4469,] 100 0
## [4470,] 0 100
## [4471,] 66 34
## [4472,] 74 26
## [4473,] 97 3
## [4474,] 100 0
## [4475,] 100 0
## [4476,] 65 35
## [4477,] 96 4
## [4478,] 100 0
## [4479,] 100 0
## [4480,] 79 21
## [4481,] 94 6
## [4482,] 100 0
## [4483,] 48 52
## [4484,] 2 98
## [4485,] 88 12
## [4486,] 100 0
## [4487,] 100 0
## [4488,] 16 84
## [4489,] 94 6
## [4490,] 56 44
## [4491,] 100 0
## [4492,] 6 94
## [4493,] 100 0
## [4494,] 100 0
## [4495,] 100 0
## [4496,] 100 0
## [4497,] 100 0
## [4498,] 97 3
## [4499,] 100 0
## [4500,] 100 0
## [4501,] 72 28
## [4502,] 100 0
## [4503,] 31 69
## [4504,] 100 0
## [4505,] 100 0
## [4506,] 100 0
## [4507,] 100 0
## [4508,] 100 0
## [4509,] 100 0
## [4510,] 79 21
## [4511,] 50 50
## [4512,] 100 0
## [4513,] 100 0
## [4514,] 99 1
## [4515,] 82 18
## [4516,] 100 0
## [4517,] 100 0
## [4518,] 100 0
## [4519,] 100 0
## [4520,] 100 0
## [4521,] 100 0
## [4522,] 60 40
## [4523,] 100 0
## [4524,] 100 0
## [4525,] 98 2
## [4526,] 100 0
## [4527,] 100 0
## [4528,] 100 0
## [4529,] 100 0
## [4530,] 50 50
## [4531,] 100 0
## [4532,] 100 0
## [4533,] 100 0
## [4534,] 7 93
## [4535,] 100 0
## [4536,] 100 0
## [4537,] 17 83
## [4538,] 100 0
## [4539,] 100 0
## [4540,] 100 0
## [4541,] 67 33
## [4542,] 100 0
## [4543,] 75 25
## [4544,] 100 0
## [4545,] 100 0
## [4546,] 51 49
## [4547,] 82 18
## [4548,] 100 0
## [4549,] 100 0
## [4550,] 100 0
## [4551,] 100 0
## [4552,] 100 0
## [4553,] 100 0
## [4554,] 100 0
## [4555,] 100 0
## [4556,] 93 7
## [4557,] 79 21
## [4558,] 100 0
## [4559,] 100 0
## [4560,] 34 66
## [4561,] 100 0
## [4562,] 34 66
## [4563,] 100 0
## [4564,] 56 44
## [4565,] 74 26
## [4566,] 58 42
## [4567,] 100 0
## [4568,] 100 0
## [4569,] 0 100
## [4570,] 100 0
## [4571,] 51 49
## [4572,] 100 0
## [4573,] 41 59
## [4574,] 100 0
## [4575,] 75 25
## [4576,] 100 0
## [4577,] 100 0
## [4578,] 0 100
## [4579,] 100 0
## [4580,] 100 0
## [4581,] 100 0
## [4582,] 100 0
## [4583,] 56 44
## [4584,] 47 53
## [4585,] 75 25
## [4586,] 100 0
## [4587,] 100 0
## [4588,] 100 0
## [4589,] 100 0
## [4590,] 100 0
## [4591,] 100 0
## [4592,] 100 0
## [4593,] 81 19
## [4594,] 100 0
## [4595,] 78 22
## [4596,] 100 0
## [4597,] 2 98
## [4598,] 77 23
## [4599,] 0 100
## [4600,] 100 0
## [4601,] 70 30
## [4602,] 100 0
## [4603,] 16 84
## [4604,] 100 0
## [4605,] 96 4
## [4606,] 7 93
## [4607,] 100 0
## [4608,] 100 0
## [4609,] 100 0
## [4610,] 1 99
## [4611,] 100 0
## [4612,] 0 100
## [4613,] 58 42
## [4614,] 100 0
## [4615,] 100 0
## [4616,] 100 0
## [4617,] 1 99
## [4618,] 99 1
## [4619,] 100 0
## [4620,] 100 0
## [4621,] 28 72
## [4622,] 100 0
## [4623,] 89 11
## [4624,] 100 0
## [4625,] 100 0
## [4626,] 100 0
## [4627,] 91 9
## [4628,] 0 100
## [4629,] 100 0
## [4630,] 0 100
## [4631,] 100 0
## [4632,] 53 47
## [4633,] 100 0
## [4634,] 100 0
## [4635,] 95 5
## [4636,] 100 0
## [4637,] 97 3
## [4638,] 0 100
## [4639,] 79 21
## [4640,] 1 99
## [4641,] 100 0
## [4642,] 0 100
## [4643,] 100 0
## [4644,] 81 19
## [4645,] 100 0
## [4646,] 100 0
## [4647,] 100 0
## [4648,] 59 41
## [4649,] 55 45
## [4650,] 100 0
## [4651,] 49 51
## [4652,] 91 9
## [4653,] 100 0
## [4654,] 100 0
## [4655,] 100 0
## [4656,] 0 100
## [4657,] 100 0
## [4658,] 30 70
## [4659,] 100 0
## [4660,] 100 0
## [4661,] 100 0
## [4662,] 0 100
## [4663,] 100 0
## [4664,] 77 23
## [4665,] 99 1
## [4666,] 100 0
## [4667,] 100 0
## [4668,] 100 0
## [4669,] 100 0
## [4670,] 0 100
## [4671,] 0 100
## [4672,] 100 0
## [4673,] 100 0
## [4674,] 21 79
## [4675,] 100 0
## [4676,] 5 95
## [4677,] 100 0
## [4678,] 100 0
## [4679,] 100 0
## [4680,] 100 0
## [4681,] 29 71
## [4682,] 99 1
## [4683,] 86 14
## [4684,] 1 99
## [4685,] 95 5
## [4686,] 0 100
## [4687,] 0 100
## [4688,] 100 0
## [4689,] 100 0
## [4690,] 100 0
## [4691,] 56 44
## [4692,] 3 97
## [4693,] 100 0
## [4694,] 84 16
## [4695,] 100 0
## [4696,] 100 0
## [4697,] 76 24
## [4698,] 100 0
## [4699,] 100 0
## [4700,] 100 0
## [4701,] 100 0
## [4702,] 100 0
## [4703,] 100 0
## [4704,] 3 97
## [4705,] 100 0
## [4706,] 100 0
## [4707,] 100 0
## [4708,] 100 0
## [4709,] 100 0
## [4710,] 100 0
## [4711,] 100 0
## [4712,] 100 0
## [4713,] 100 0
## [4714,] 100 0
## [4715,] 100 0
## [4716,] 100 0
## [4717,] 100 0
## [4718,] 100 0
## [4719,] 55 45
## [4720,] 100 0
## [4721,] 96 4
## [4722,] 83 17
## [4723,] 72 28
## [4724,] 100 0
## [4725,] 100 0
## [4726,] 56 44
## [4727,] 31 69
## [4728,] 100 0
## [4729,] 100 0
## [4730,] 100 0
## [4731,] 63 37
## [4732,] 94 6
## [4733,] 69 31
## [4734,] 100 0
## [4735,] 100 0
## [4736,] 94 6
## [4737,] 100 0
## [4738,] 73 27
## [4739,] 100 0
## [4740,] 0 100
## [4741,] 100 0
## [4742,] 100 0
## [4743,] 100 0
## [4744,] 2 98
## [4745,] 0 100
## [4746,] 100 0
## [4747,] 100 0
## [4748,] 94 6
## [4749,] 100 0
## [4750,] 0 100
## [4751,] 2 98
## [4752,] 100 0
## [4753,] 100 0
## [4754,] 100 0
## [4755,] 100 0
## [4756,] 100 0
## [4757,] 100 0
## [4758,] 100 0
## [4759,] 100 0
## [4760,] 55 45
## [4761,] 90 10
## [4762,] 100 0
## [4763,] 100 0
## [4764,] 80 20
## [4765,] 100 0
## [4766,] 100 0
## [4767,] 32 68
## [4768,] 5 95
## [4769,] 100 0
## [4770,] 79 21
## [4771,] 100 0
## [4772,] 100 0
## [4773,] 97 3
## [4774,] 100 0
## [4775,] 100 0
## [4776,] 29 71
## [4777,] 75 25
## [4778,] 100 0
## [4779,] 59 41
## [4780,] 100 0
## [4781,] 100 0
## [4782,] 100 0
## [4783,] 100 0
## [4784,] 100 0
## [4785,] 100 0
## [4786,] 100 0
## [4787,] 100 0
## [4788,] 100 0
## [4789,] 1 99
## [4790,] 0 100
## [4791,] 50 50
## [4792,] 100 0
## [4793,] 96 4
## [4794,] 100 0
## [4795,] 100 0
## [4796,] 100 0
## [4797,] 27 73
## [4798,] 100 0
## [4799,] 32 68
## [4800,] 100 0
## [4801,] 100 0
## [4802,] 53 47
## [4803,] 100 0
## [4804,] 100 0
## [4805,] 5 95
## [4806,] 0 100
## [4807,] 83 17
## [4808,] 100 0
## [4809,] 100 0
## [4810,] 77 23
## [4811,] 100 0
## [4812,] 56 44
## [4813,] 95 5
## [4814,] 56 44
## [4815,] 100 0
## [4816,] 100 0
## [4817,] 95 5
## [4818,] 100 0
## [4819,] 100 0
## [4820,] 1 99
## [4821,] 75 25
## [4822,] 100 0
## [4823,] 100 0
## [4824,] 93 7
## [4825,] 100 0
## [4826,] 100 0
## [4827,] 100 0
## [4828,] 100 0
## [4829,] 100 0
## [4830,] 26 74
## [4831,] 0 100
## [4832,] 93 7
## [4833,] 100 0
## [4834,] 66 34
## [4835,] 1 99
## [4836,] 100 0
## [4837,] 0 100
## [4838,] 100 0
## [4839,] 80 20
## [4840,] 100 0
## [4841,] 100 0
## [4842,] 94 6
## [4843,] 89 11
## [4844,] 100 0
## [4845,] 0 100
## [4846,] 100 0
## [4847,] 100 0
## [4848,] 82 18
## [4849,] 100 0
## [4850,] 100 0
## [4851,] 41 59
## [4852,] 0 100
## [4853,] 100 0
## [4854,] 100 0
## [4855,] 0 100
## [4856,] 100 0
## [4857,] 100 0
## [4858,] 100 0
## [4859,] 100 0
## [4860,] 100 0
## [4861,] 100 0
## [4862,] 50 50
## [4863,] 100 0
## [4864,] 54 46
## [4865,] 100 0
## [4866,] 79 21
## [4867,] 100 0
## [4868,] 100 0
## [4869,] 100 0
## [4870,] 100 0
## [4871,] 100 0
## [4872,] 100 0
## [4873,] 100 0
## [4874,] 100 0
## [4875,] 0 100
## [4876,] 100 0
## [4877,] 58 42
## [4878,] 0 100
## [4879,] 86 14
## [4880,] 100 0
## [4881,] 99 1
## [4882,] 76 24
## [4883,] 100 0
## [4884,] 100 0
## [4885,] 100 0
## [4886,] 100 0
## [4887,] 100 0
## [4888,] 100 0
## [4889,] 100 0
## [4890,] 55 45
## [4891,] 100 0
## [4892,] 100 0
## [4893,] 100 0
## [4894,] 100 0
## [4895,] 100 0
## [4896,] 100 0
## [4897,] 17 83
## [4898,] 76 24
## [4899,] 0 100
## [4900,] 52 48
## [4901,] 100 0
## [4902,] 57 43
## [4903,] 100 0
## [4904,] 100 0
## [4905,] 77 23
## [4906,] 97 3
## [4907,] 50 50
## [4908,] 85 15
## [4909,] 100 0
## [4910,] 100 0
## [4911,] 46 54
## [4912,] 100 0
## [4913,] 92 8
## [4914,] 71 29
## [4915,] 99 1
## [4916,] 100 0
## [4917,] 100 0
## [4918,] 48 52
## [4919,] 98 2
## [4920,] 100 0
## [4921,] 100 0
## [4922,] 100 0
## [4923,] 100 0
## [4924,] 100 0
## [4925,] 61 39
## [4926,] 4 96
## [4927,] 100 0
## [4928,] 23 77
## [4929,] 87 13
## [4930,] 89 11
## [4931,] 100 0
## [4932,] 49 51
## [4933,] 100 0
## [4934,] 81 19
## [4935,] 100 0
## [4936,] 100 0
## [4937,] 100 0
## [4938,] 100 0
## [4939,] 100 0
## [4940,] 100 0
## [4941,] 53 47
## [4942,] 92 8
## [4943,] 100 0
## [4944,] 56 44
## [4945,] 84 16
## [4946,] 100 0
## [4947,] 100 0
## [4948,] 100 0
## [4949,] 75 25
## [4950,] 0 100
## [4951,] 100 0
## [4952,] 100 0
## [4953,] 100 0
## [4954,] 100 0
## [4955,] 100 0
## [4956,] 100 0
## [4957,] 100 0
## [4958,] 100 0
## [4959,] 99 1
## [4960,] 90 10
## [4961,] 100 0
## [4962,] 45 55
## [4963,] 94 6
## [4964,] 60 40
## [4965,] 100 0
## [4966,] 29 71
## [4967,] 100 0
## [4968,] 100 0
## [4969,] 39 61
## [4970,] 100 0
## [4971,] 0 100
## [4972,] 100 0
## [4973,] 48 52
## [4974,] 100 0
## [4975,] 0 100
## [4976,] 100 0
## [4977,] 99 1
## [4978,] 100 0
## [4979,] 67 33
## [4980,] 100 0
## [4981,] 100 0
## [4982,] 100 0
## [4983,] 100 0
## [4984,] 100 0
## [4985,] 99 1
## [4986,] 100 0
## [4987,] 100 0
## [4988,] 96 4
## [4989,] 46 54
## [4990,] 75 25
## [4991,] 100 0
## [4992,] 100 0
## [4993,] 7 93
## [4994,] 100 0
## [4995,] 100 0
## [4996,] 100 0
## [4997,] 100 0
## [4998,] 100 0
## [4999,] 89 11
## [5000,] 7 93
## [5001,] 25 75
## [5002,] 0 100
## [5003,] 100 0
## [5004,] 100 0
## [5005,] 100 0
## [5006,] 100 0
## [5007,] 83 17
## [5008,] 19 81
## [5009,] 14 86
## [5010,] 100 0
## [5011,] 100 0
## [5012,] 99 1
## [5013,] 89 11
## [5014,] 97 3
## [5015,] 27 73
## [5016,] 100 0
## [5017,] 100 0
## [5018,] 100 0
## [5019,] 81 19
## [5020,] 54 46
## [5021,] 91 9
## [5022,] 70 30
## [5023,] 100 0
## [5024,] 66 34
## [5025,] 99 1
## [5026,] 100 0
## [5027,] 0 100
## [5028,] 65 35
## [5029,] 100 0
## [5030,] 100 0
## [5031,] 49 51
## [5032,] 0 100
## [5033,] 0 100
## [5034,] 83 17
## [5035,] 100 0
## [5036,] 5 95
## [5037,] 100 0
## [5038,] 39 61
## [5039,] 0 100
## [5040,] 100 0
## [5041,] 48 52
## [5042,] 100 0
## [5043,] 1 99
## [5044,] 100 0
## [5045,] 56 44
## [5046,] 100 0
## [5047,] 100 0
## [5048,] 100 0
## [5049,] 100 0
## [5050,] 100 0
## [5051,] 56 44
## [5052,] 100 0
## [5053,] 100 0
## [5054,] 100 0
## [5055,] 100 0
## [5056,] 100 0
## [5057,] 95 5
## [5058,] 100 0
## [5059,] 100 0
## [5060,] 7 93
## [5061,] 100 0
## [5062,] 96 4
## [5063,] 20 80
## [5064,] 100 0
## [5065,] 100 0
## [5066,] 100 0
## [5067,] 100 0
## [5068,] 100 0
## [5069,] 100 0
## [5070,] 100 0
## [5071,] 72 28
## [5072,] 100 0
## [5073,] 100 0
## [5074,] 89 11
## [5075,] 48 52
## [5076,] 64 36
## [5077,] 100 0
## [5078,] 89 11
## [5079,] 100 0
## [5080,] 100 0
## [5081,] 100 0
## [5082,] 100 0
## [5083,] 100 0
## [5084,] 0 100
## [5085,] 100 0
## [5086,] 81 19
## [5087,] 61 39
## [5088,] 0 100
## [5089,] 100 0
## [5090,] 5 95
## [5091,] 100 0
## [5092,] 100 0
## [5093,] 100 0
## [5094,] 100 0
## [5095,] 100 0
## [5096,] 100 0
## [5097,] 0 100
## [5098,] 100 0
## [5099,] 50 50
## [5100,] 100 0
## [5101,] 86 14
## [5102,] 100 0
## [5103,] 100 0
## [5104,] 100 0
## [5105,] 100 0
## [5106,] 63 37
## [5107,] 100 0
## [5108,] 100 0
## [5109,] 0 100
## [5110,] 100 0
## [5111,] 100 0
## [5112,] 86 14
## [5113,] 100 0
## [5114,] 0 100
## [5115,] 100 0
## [5116,] 100 0
## [5117,] 100 0
## [5118,] 86 14
## [5119,] 2 98
## [5120,] 100 0
## [5121,] 0 100
## [5122,] 0 100
## [5123,] 67 33
## [5124,] 73 27
## [5125,] 100 0
## [5126,] 100 0
## [5127,] 100 0
## [5128,] 100 0
## [5129,] 86 14
## [5130,] 0 100
## [5131,] 100 0
## [5132,] 100 0
## [5133,] 99 1
## [5134,] 100 0
## [5135,] 100 0
## [5136,] 100 0
## [5137,] 100 0
## [5138,] 100 0
## [5139,] 10 90
## [5140,] 18 82
## [5141,] 54 46
## [5142,] 100 0
## [5143,] 100 0
## [5144,] 100 0
## [5145,] 100 0
## [5146,] 100 0
## [5147,] 100 0
## [5148,] 100 0
## [5149,] 1 99
## [5150,] 100 0
## [5151,] 76 24
## [5152,] 97 3
## [5153,] 56 44
## [5154,] 100 0
## [5155,] 100 0
## [5156,] 69 31
## [5157,] 100 0
## [5158,] 99 1
## [5159,] 1 99
## [5160,] 100 0
## [5161,] 100 0
## [5162,] 93 7
## [5163,] 100 0
## [5164,] 100 0
## [5165,] 48 52
## [5166,] 100 0
## [5167,] 100 0
## [5168,] 100 0
## [5169,] 100 0
## [5170,] 0 100
## [5171,] 1 99
## [5172,] 20 80
## [5173,] 0 100
## [5174,] 100 0
## [5175,] 100 0
## [5176,] 100 0
## [5177,] 100 0
## [5178,] 18 82
## [5179,] 100 0
## [5180,] 100 0
## [5181,] 100 0
## [5182,] 47 53
## [5183,] 93 7
## [5184,] 100 0
## [5185,] 100 0
## [5186,] 100 0
## [5187,] 0 100
## [5188,] 100 0
## [5189,] 100 0
## [5190,] 39 61
## [5191,] 100 0
## [5192,] 100 0
## [5193,] 100 0
## [5194,] 100 0
## [5195,] 100 0
## [5196,] 100 0
## [5197,] 96 4
## [5198,] 100 0
## [5199,] 100 0
## [5200,] 64 36
## [5201,] 100 0
## [5202,] 79 21
## [5203,] 100 0
## [5204,] 100 0
## [5205,] 100 0
## [5206,] 96 4
## [5207,] 100 0
## [5208,] 68 32
## [5209,] 100 0
## [5210,] 100 0
## [5211,] 100 0
## [5212,] 37 63
## [5213,] 100 0
## [5214,] 0 100
## [5215,] 100 0
## [5216,] 100 0
## [5217,] 100 0
## [5218,] 100 0
## [5219,] 100 0
## [5220,] 100 0
## [5221,] 98 2
## [5222,] 83 17
## [5223,] 0 100
## [5224,] 100 0
## [5225,] 100 0
## [5226,] 100 0
## [5227,] 100 0
## [5228,] 88 12
## [5229,] 100 0
## [5230,] 100 0
## [5231,] 0 100
## [5232,] 100 0
## [5233,] 100 0
## [5234,] 0 100
## [5235,] 100 0
## [5236,] 100 0
## [5237,] 96 4
## [5238,] 100 0
## [5239,] 100 0
## [5240,] 100 0
## [5241,] 58 42
## [5242,] 46 54
## [5243,] 61 39
## [5244,] 14 86
## [5245,] 100 0
## [5246,] 100 0
## [5247,] 100 0
## [5248,] 0 100
## [5249,] 100 0
## [5250,] 100 0
## [5251,] 100 0
## [5252,] 100 0
## [5253,] 100 0
## [5254,] 100 0
## [5255,] 100 0
## [5256,] 0 100
## [5257,] 1 99
## [5258,] 6 94
## [5259,] 100 0
## [5260,] 100 0
## [5261,] 100 0
## [5262,] 0 100
## [5263,] 100 0
## [5264,] 0 100
## [5265,] 46 54
## [5266,] 100 0
## [5267,] 75 25
## [5268,] 100 0
## [5269,] 100 0
## [5270,] 73 27
## [5271,] 99 1
## [5272,] 100 0
## [5273,] 97 3
## [5274,] 19 81
## [5275,] 80 20
## [5276,] 69 31
## [5277,] 0 100
## [5278,] 100 0
## [5279,] 100 0
## [5280,] 89 11
## [5281,] 2 98
## [5282,] 100 0
## [5283,] 100 0
## [5284,] 47 53
## [5285,] 94 6
## [5286,] 54 46
## [5287,] 100 0
## [5288,] 0 100
## [5289,] 100 0
## [5290,] 26 74
## [5291,] 95 5
## [5292,] 58 42
## [5293,] 61 39
## [5294,] 100 0
## [5295,] 100 0
## [5296,] 100 0
## [5297,] 99 1
## [5298,] 98 2
## [5299,] 0 100
## [5300,] 100 0
## [5301,] 95 5
## [5302,] 100 0
## [5303,] 7 93
## [5304,] 100 0
## [5305,] 100 0
## [5306,] 100 0
## [5307,] 64 36
## [5308,] 2 98
## [5309,] 100 0
## [5310,] 100 0
## [5311,] 29 71
## [5312,] 100 0
## [5313,] 56 44
## [5314,] 100 0
## [5315,] 95 5
## [5316,] 61 39
## [5317,] 56 44
## [5318,] 100 0
## [5319,] 15 85
## [5320,] 5 95
## [5321,] 80 20
## [5322,] 100 0
## [5323,] 100 0
## [5324,] 100 0
## [5325,] 100 0
## [5326,] 100 0
## [5327,] 100 0
## [5328,] 100 0
## [5329,] 100 0
## [5330,] 100 0
## [5331,] 100 0
## [5332,] 0 100
## [5333,] 100 0
## [5334,] 100 0
## [5335,] 100 0
## [5336,] 100 0
## [5337,] 96 4
## [5338,] 100 0
## [5339,] 100 0
## [5340,] 100 0
## [5341,] 100 0
## [5342,] 96 4
## [5343,] 100 0
## [5344,] 100 0
## [5345,] 51 49
## [5346,] 100 0
## [5347,] 78 22
## [5348,] 93 7
## [5349,] 100 0
## [5350,] 93 7
## [5351,] 100 0
## [5352,] 96 4
## [5353,] 100 0
## [5354,] 100 0
## [5355,] 100 0
## [5356,] 100 0
## [5357,] 7 93
## [5358,] 99 1
## [5359,] 90 10
## [5360,] 100 0
## [5361,] 100 0
## [5362,] 100 0
## [5363,] 100 0
## [5364,] 54 46
## [5365,] 100 0
## [5366,] 69 31
## [5367,] 100 0
## [5368,] 0 100
## [5369,] 100 0
## [5370,] 100 0
## [5371,] 100 0
## [5372,] 75 25
## [5373,] 100 0
## [5374,] 100 0
## [5375,] 28 72
## [5376,] 65 35
## [5377,] 41 59
## [5378,] 100 0
## [5379,] 20 80
## [5380,] 100 0
## [5381,] 8 92
## [5382,] 100 0
## [5383,] 100 0
## [5384,] 0 100
## [5385,] 100 0
## [5386,] 100 0
## [5387,] 1 99
## [5388,] 100 0
## [5389,] 0 100
## [5390,] 100 0
## [5391,] 100 0
## [5392,] 100 0
## [5393,] 100 0
## [5394,] 68 32
## [5395,] 100 0
## [5396,] 94 6
## [5397,] 100 0
## [5398,] 7 93
## [5399,] 100 0
## [5400,] 100 0
## [5401,] 76 24
## [5402,] 100 0
## [5403,] 2 98
## [5404,] 100 0
## [5405,] 100 0
## [5406,] 8 92
## [5407,] 97 3
## [5408,] 100 0
## [5409,] 100 0
## [5410,] 0 100
## [5411,] 100 0
## [5412,] 100 0
## [5413,] 100 0
## [5414,] 73 27
## [5415,] 54 46
## [5416,] 100 0
## [5417,] 100 0
## [5418,] 100 0
## [5419,] 100 0
## [5420,] 100 0
## [5421,] 81 19
## [5422,] 100 0
## [5423,] 100 0
## [5424,] 100 0
## [5425,] 100 0
## [5426,] 82 18
## [5427,] 0 100
## [5428,] 100 0
## [5429,] 100 0
## [5430,] 23 77
## [5431,] 90 10
## [5432,] 100 0
## [5433,] 100 0
## [5434,] 92 8
## [5435,] 0 100
## [5436,] 0 100
## [5437,] 100 0
## [5438,] 100 0
## [5439,] 97 3
## [5440,] 100 0
## [5441,] 100 0
## [5442,] 100 0
## [5443,] 27 73
## [5444,] 100 0
## [5445,] 100 0
## [5446,] 100 0
## [5447,] 100 0
## [5448,] 100 0
## [5449,] 29 71
## [5450,] 100 0
## [5451,] 100 0
## [5452,] 0 100
## [5453,] 100 0
## [5454,] 90 10
## [5455,] 100 0
## [5456,] 100 0
## [5457,] 100 0
## [5458,] 100 0
## [5459,] 1 99
## [5460,] 100 0
## [5461,] 100 0
## [5462,] 0 100
## [5463,] 100 0
## [5464,] 44 56
## [5465,] 60 40
## [5466,] 57 43
## [5467,] 96 4
## [5468,] 100 0
## [5469,] 77 23
## [5470,] 100 0
## [5471,] 100 0
## [5472,] 100 0
## [5473,] 100 0
## [5474,] 100 0
## [5475,] 64 36
## [5476,] 100 0
## [5477,] 58 42
## [5478,] 67 33
## [5479,] 100 0
## [5480,] 100 0
## [5481,] 75 25
## [5482,] 99 1
## [5483,] 94 6
## [5484,] 0 100
## [5485,] 96 4
## [5486,] 100 0
## [5487,] 100 0
## [5488,] 29 71
## [5489,] 100 0
## [5490,] 63 37
## [5491,] 50 50
## [5492,] 79 21
## [5493,] 5 95
## [5494,] 41 59
## [5495,] 99 1
## [5496,] 72 28
## [5497,] 100 0
## [5498,] 100 0
## [5499,] 100 0
## [5500,] 100 0
## [5501,] 98 2
## [5502,] 100 0
## [5503,] 78 22
## [5504,] 100 0
## [5505,] 100 0
## [5506,] 100 0
## [5507,] 100 0
## [5508,] 100 0
## [5509,] 100 0
## [5510,] 0 100
## [5511,] 81 19
## [5512,] 100 0
## [5513,] 100 0
## [5514,] 100 0
## [5515,] 100 0
## [5516,] 93 7
## [5517,] 100 0
## [5518,] 100 0
## [5519,] 100 0
## [5520,] 100 0
## [5521,] 37 63
## [5522,] 52 48
## [5523,] 48 52
## [5524,] 100 0
## [5525,] 100 0
## [5526,] 0 100
## [5527,] 1 99
## [5528,] 100 0
## [5529,] 100 0
## [5530,] 100 0
## [5531,] 1 99
## [5532,] 100 0
## [5533,] 0 100
## [5534,] 79 21
## [5535,] 94 6
## [5536,] 100 0
## [5537,] 49 51
## [5538,] 100 0
## [5539,] 100 0
## [5540,] 100 0
## [5541,] 100 0
## [5542,] 100 0
## [5543,] 10 90
## [5544,] 100 0
## [5545,] 100 0
## [5546,] 100 0
## [5547,] 69 31
## [5548,] 100 0
## [5549,] 100 0
## [5550,] 100 0
## [5551,] 100 0
## [5552,] 80 20
## [5553,] 100 0
## [5554,] 1 99
## [5555,] 1 99
## [5556,] 100 0
## [5557,] 50 50
## [5558,] 100 0
## [5559,] 58 42
## [5560,] 100 0
## [5561,] 100 0
## [5562,] 100 0
## [5563,] 100 0
## [5564,] 69 31
## [5565,] 1 99
## [5566,] 100 0
## [5567,] 100 0
## [5568,] 13 87
## [5569,] 100 0
## [5570,] 100 0
## [5571,] 100 0
## [5572,] 56 44
## [5573,] 100 0
## [5574,] 97 3
## [5575,] 2 98
## [5576,] 83 17
## [5577,] 100 0
## [5578,] 50 50
## [5579,] 100 0
## [5580,] 56 44
## [5581,] 100 0
## [5582,] 100 0
## [5583,] 100 0
## [5584,] 44 56
## [5585,] 88 12
## [5586,] 0 100
## [5587,] 100 0
## [5588,] 78 22
## [5589,] 100 0
## [5590,] 100 0
## [5591,] 100 0
## [5592,] 13 87
## [5593,] 86 14
## [5594,] 2 98
## [5595,] 100 0
## [5596,] 0 100
## [5597,] 100 0
## [5598,] 100 0
## [5599,] 100 0
## [5600,] 0 100
## [5601,] 100 0
## [5602,] 87 13
## [5603,] 100 0
## [5604,] 91 9
## [5605,] 0 100
## [5606,] 100 0
## [5607,] 100 0
## [5608,] 100 0
## [5609,] 60 40
## [5610,] 100 0
## [5611,] 2 98
## [5612,] 100 0
## [5613,] 100 0
## [5614,] 100 0
## [5615,] 75 25
## [5616,] 98 2
## [5617,] 100 0
## [5618,] 100 0
## [5619,] 95 5
## [5620,] 100 0
## [5621,] 0 100
## [5622,] 100 0
## [5623,] 100 0
## [5624,] 37 63
## [5625,] 81 19
## [5626,] 87 13
## [5627,] 100 0
## [5628,] 98 2
## [5629,] 100 0
## [5630,] 100 0
## [5631,] 100 0
## [5632,] 46 54
## [5633,] 100 0
## [5634,] 100 0
## [5635,] 100 0
## [5636,] 97 3
## [5637,] 100 0
## [5638,] 100 0
## [5639,] 100 0
## [5640,] 100 0
## [5641,] 0 100
## [5642,] 100 0
## [5643,] 100 0
## [5644,] 100 0
## [5645,] 100 0
## [5646,] 47 53
## [5647,] 100 0
## [5648,] 100 0
## [5649,] 100 0
## [5650,] 100 0
## [5651,] 100 0
## [5652,] 100 0
## [5653,] 100 0
## [5654,] 100 0
## [5655,] 100 0
## [5656,] 100 0
## [5657,] 96 4
## [5658,] 1 99
## [5659,] 100 0
## [5660,] 100 0
## [5661,] 100 0
## [5662,] 90 10
## [5663,] 100 0
## [5664,] 85 15
## [5665,] 100 0
## [5666,] 62 38
## [5667,] 0 100
## [5668,] 94 6
## [5669,] 94 6
## [5670,] 18 82
## [5671,] 100 0
## [5672,] 89 11
## [5673,] 80 20
## [5674,] 100 0
## [5675,] 35 65
## [5676,] 100 0
## [5677,] 100 0
## [5678,] 40 60
## [5679,] 99 1
## [5680,] 100 0
## [5681,] 100 0
## [5682,] 100 0
## [5683,] 100 0
## [5684,] 11 89
## [5685,] 100 0
## [5686,] 1 99
## [5687,] 100 0
## [5688,] 100 0
## [5689,] 72 28
## [5690,] 100 0
## [5691,] 0 100
## [5692,] 100 0
## [5693,] 100 0
## [5694,] 0 100
## [5695,] 0 100
## [5696,] 100 0
## [5697,] 100 0
## [5698,] 100 0
## [5699,] 98 2
## [5700,] 100 0
## [5701,] 89 11
## [5702,] 100 0
## [5703,] 0 100
## [5704,] 100 0
## [5705,] 100 0
## [5706,] 23 77
## [5707,] 100 0
## [5708,] 100 0
## [5709,] 100 0
## [5710,] 0 100
## [5711,] 90 10
## [5712,] 100 0
## [5713,] 100 0
## [5714,] 0 100
## [5715,] 29 71
## [5716,] 100 0
## [5717,] 100 0
## [5718,] 0 100
## [5719,] 100 0
## [5720,] 100 0
## [5721,] 100 0
## [5722,] 96 4
## [5723,] 100 0
## [5724,] 1 99
## [5725,] 3 97
## [5726,] 81 19
## [5727,] 100 0
## [5728,] 100 0
## [5729,] 100 0
## [5730,] 100 0
## [5731,] 100 0
## [5732,] 100 0
## [5733,] 14 86
## [5734,] 53 47
## [5735,] 95 5
## [5736,] 100 0
## [5737,] 100 0
## [5738,] 67 33
## [5739,] 100 0
## [5740,] 59 41
## [5741,] 100 0
## [5742,] 80 20
## [5743,] 54 46
## [5744,] 100 0
## [5745,] 85 15
## [5746,] 100 0
## [5747,] 2 98
## [5748,] 0 100
## [5749,] 100 0
## [5750,] 0 100
## [5751,] 100 0
## [5752,] 100 0
## [5753,] 95 5
## [5754,] 100 0
## [5755,] 100 0
## [5756,] 44 56
## [5757,] 100 0
## [5758,] 41 59
## [5759,] 100 0
## [5760,] 100 0
## [5761,] 100 0
## [5762,] 25 75
## [5763,] 100 0
## [5764,] 99 1
## [5765,] 100 0
## [5766,] 0 100
## [5767,] 99 1
## [5768,] 100 0
## [5769,] 100 0
## [5770,] 100 0
## [5771,] 80 20
## [5772,] 0 100
## [5773,] 90 10
## [5774,] 100 0
## [5775,] 80 20
## [5776,] 100 0
## [5777,] 100 0
## [5778,] 100 0
## [5779,] 19 81
## [5780,] 100 0
## [5781,] 100 0
## [5782,] 19 81
## [5783,] 100 0
## [5784,] 100 0
## [5785,] 77 23
## [5786,] 100 0
## [5787,] 100 0
## [5788,] 100 0
## [5789,] 100 0
## [5790,] 100 0
## [5791,] 74 26
## [5792,] 100 0
## [5793,] 48 52
## [5794,] 56 44
## [5795,] 57 43
## [5796,] 20 80
## [5797,] 100 0
## [5798,] 100 0
## [5799,] 100 0
## [5800,] 100 0
## [5801,] 100 0
## [5802,] 50 50
## [5803,] 0 100
## [5804,] 73 27
## [5805,] 100 0
## [5806,] 20 80
## [5807,] 3 97
## [5808,] 57 43
## [5809,] 54 46
## [5810,] 100 0
## [5811,] 100 0
## [5812,] 52 48
## [5813,] 100 0
## [5814,] 100 0
## [5815,] 100 0
## [5816,] 52 48
## [5817,] 100 0
## [5818,] 100 0
## [5819,] 100 0
## [5820,] 100 0
## [5821,] 100 0
## [5822,] 100 0
## [5823,] 100 0
## [5824,] 100 0
## [5825,] 68 32
## [5826,] 100 0
## [5827,] 27 73
## [5828,] 0 100
## [5829,] 0 100
## [5830,] 100 0
## [5831,] 100 0
## [5832,] 100 0
## [5833,] 66 34
## [5834,] 100 0
## [5835,] 2 98
## [5836,] 100 0
## [5837,] 83 17
## [5838,] 83 17
## [5839,] 100 0
## [5840,] 79 21
## [5841,] 0 100
## [5842,] 0 100
## [5843,] 100 0
## [5844,] 21 79
## [5845,] 4 96
## [5846,] 97 3
## [5847,] 100 0
## [5848,] 100 0
## [5849,] 100 0
## [5850,] 100 0
## [5851,] 100 0
## [5852,] 83 17
## [5853,] 100 0
## [5854,] 100 0
## [5855,] 100 0
## [5856,] 56 44
## [5857,] 83 17
## [5858,] 2 98
## [5859,] 0 100
## [5860,] 100 0
## [5861,] 100 0
## [5862,] 65 35
## [5863,] 100 0
## [5864,] 100 0
## [5865,] 100 0
## [5866,] 100 0
## [5867,] 100 0
## [5868,] 37 63
## [5869,] 100 0
## [5870,] 0 100
## [5871,] 1 99
## [5872,] 98 2
## [5873,] 100 0
## [5874,] 100 0
## [5875,] 100 0
## [5876,] 100 0
## [5877,] 100 0
## [5878,] 69 31
## [5879,] 93 7
## [5880,] 100 0
## [5881,] 99 1
## [5882,] 100 0
## [5883,] 79 21
## [5884,] 0 100
## [5885,] 100 0
## [5886,] 100 0
## [5887,] 100 0
## [5888,] 63 37
## [5889,] 80 20
## [5890,] 100 0
## [5891,] 75 25
## [5892,] 48 52
## [5893,] 100 0
## [5894,] 0 100
## [5895,] 0 100
## [5896,] 100 0
## [5897,] 100 0
## [5898,] 4 96
## [5899,] 19 81
## [5900,] 100 0
## [5901,] 99 1
## [5902,] 100 0
## [5903,] 34 66
## [5904,] 0 100
## [5905,] 96 4
## [5906,] 50 50
## [5907,] 2 98
## [5908,] 10 90
## [5909,] 100 0
## [5910,] 97 3
## [5911,] 100 0
## [5912,] 100 0
## [5913,] 100 0
## [5914,] 0 100
## [5915,] 65 35
## [5916,] 0 100
## [5917,] 100 0
## [5918,] 58 42
## [5919,] 100 0
## [5920,] 100 0
## [5921,] 100 0
## [5922,] 100 0
## [5923,] 100 0
## [5924,] 100 0
## [5925,] 100 0
## [5926,] 100 0
## [5927,] 17 83
## [5928,] 100 0
## [5929,] 1 99
## [5930,] 100 0
## [5931,] 100 0
## [5932,] 100 0
## [5933,] 100 0
## [5934,] 62 38
## [5935,] 100 0
## [5936,] 79 21
## [5937,] 100 0
## [5938,] 10 90
## [5939,] 100 0
## [5940,] 100 0
## [5941,] 100 0
## [5942,] 100 0
## [5943,] 4 96
## [5944,] 100 0
## [5945,] 100 0
## [5946,] 0 100
## [5947,] 25 75
## [5948,] 100 0
## [5949,] 100 0
## [5950,] 100 0
## [5951,] 39 61
## [5952,] 0 100
## [5953,] 100 0
## [5954,] 100 0
## [5955,] 100 0
## [5956,] 100 0
## [5957,] 100 0
## [5958,] 99 1
## [5959,] 96 4
## [5960,] 100 0
## [5961,] 100 0
## [5962,] 100 0
## [5963,] 0 100
## [5964,] 100 0
## [5965,] 100 0
## [5966,] 100 0
## [5967,] 0 100
## [5968,] 100 0
## [5969,] 44 56
## [5970,] 100 0
## [5971,] 100 0
## [5972,] 51 49
## [5973,] 100 0
## [5974,] 56 44
## [5975,] 99 1
## [5976,] 0 100
## [5977,] 100 0
## [5978,] 0 100
## [5979,] 95 5
## [5980,] 100 0
## [5981,] 100 0
## [5982,] 100 0
## [5983,] 56 44
## [5984,] 100 0
## [5985,] 83 17
## [5986,] 100 0
## [5987,] 94 6
## [5988,] 55 45
## [5989,] 74 26
## [5990,] 100 0
## [5991,] 0 100
## [5992,] 100 0
## [5993,] 94 6
## [5994,] 100 0
## [5995,] 48 52
## [5996,] 96 4
## [5997,] 66 34
## [5998,] 100 0
## [5999,] 100 0
## [6000,] 100 0
## [6001,] 79 21
## [6002,] 0 100
## [6003,] 58 42
## [6004,] 100 0
## [6005,] 100 0
## [6006,] 100 0
## [6007,] 56 44
## [6008,] 0 100
## [6009,] 100 0
## [6010,] 100 0
## [6011,] 100 0
## [6012,] 100 0
## [6013,] 100 0
## [6014,] 71 29
## [6015,] 100 0
## [6016,] 73 27
## [6017,] 37 63
## [6018,] 100 0
## [6019,] 100 0
## [6020,] 100 0
## [6021,] 94 6
## [6022,] 25 75
## [6023,] 20 80
## [6024,] 92 8
## [6025,] 100 0
## [6026,] 1 99
## [6027,] 100 0
## [6028,] 31 69
## [6029,] 100 0
## [6030,] 50 50
## [6031,] 100 0
## [6032,] 100 0
## [6033,] 100 0
## [6034,] 100 0
## [6035,] 50 50
## [6036,] 100 0
## [6037,] 39 61
## [6038,] 100 0
## [6039,] 100 0
## [6040,] 0 100
## [6041,] 100 0
## [6042,] 87 13
## [6043,] 100 0
## [6044,] 23 77
## [6045,] 100 0
## [6046,] 100 0
## [6047,] 100 0
## [6048,] 100 0
## [6049,] 78 22
## [6050,] 100 0
## [6051,] 100 0
## [6052,] 78 22
## [6053,] 63 37
## [6054,] 100 0
## [6055,] 9 91
## [6056,] 100 0
## [6057,] 100 0
## [6058,] 100 0
## [6059,] 100 0
## [6060,] 72 28
## [6061,] 100 0
## [6062,] 0 100
## [6063,] 2 98
## [6064,] 100 0
## [6065,] 83 17
## [6066,] 61 39
## [6067,] 1 99
## [6068,] 100 0
## [6069,] 100 0
## [6070,] 100 0
## [6071,] 80 20
## [6072,] 100 0
## [6073,] 77 23
## [6074,] 99 1
## [6075,] 0 100
## [6076,] 100 0
## [6077,] 39 61
## [6078,] 0 100
## [6079,] 100 0
## [6080,] 100 0
## [6081,] 100 0
## [6082,] 100 0
## [6083,] 100 0
## [6084,] 100 0
## [6085,] 83 17
## [6086,] 100 0
## [6087,] 100 0
## [6088,] 46 54
## [6089,] 100 0
## [6090,] 100 0
## [6091,] 100 0
## [6092,] 100 0
## [6093,] 100 0
## [6094,] 66 34
## [6095,] 71 29
## [6096,] 100 0
## [6097,] 100 0
## [6098,] 100 0
## [6099,] 67 33
## [6100,] 0 100
## [6101,] 95 5
## [6102,] 100 0
## [6103,] 100 0
## [6104,] 100 0
## [6105,] 27 73
## [6106,] 100 0
## [6107,] 100 0
## [6108,] 100 0
## [6109,] 0 100
## [6110,] 2 98
## [6111,] 100 0
## [6112,] 3 97
## [6113,] 100 0
## [6114,] 100 0
## [6115,] 100 0
## [6116,] 77 23
## [6117,] 100 0
## [6118,] 100 0
## [6119,] 100 0
## [6120,] 100 0
## [6121,] 100 0
## [6122,] 0 100
## [6123,] 61 39
## [6124,] 67 33
## [6125,] 100 0
## [6126,] 100 0
## [6127,] 100 0
## [6128,] 87 13
## [6129,] 100 0
## [6130,] 100 0
## [6131,] 70 30
## [6132,] 100 0
## [6133,] 100 0
## [6134,] 100 0
## [6135,] 62 38
## [6136,] 100 0
## [6137,] 80 20
## [6138,] 100 0
## [6139,] 93 7
## [6140,] 100 0
## [6141,] 100 0
## [6142,] 99 1
## [6143,] 100 0
## [6144,] 99 1
## [6145,] 2 98
## [6146,] 100 0
## [6147,] 100 0
## [6148,] 100 0
## [6149,] 0 100
## [6150,] 100 0
## [6151,] 100 0
## [6152,] 100 0
## [6153,] 44 56
## [6154,] 100 0
## [6155,] 58 42
## [6156,] 100 0
## [6157,] 100 0
## [6158,] 0 100
## [6159,] 4 96
## [6160,] 100 0
## [6161,] 100 0
## [6162,] 100 0
## [6163,] 2 98
## [6164,] 76 24
## [6165,] 100 0
## [6166,] 100 0
## [6167,] 91 9
## [6168,] 97 3
## [6169,] 100 0
## [6170,] 90 10
## [6171,] 100 0
## [6172,] 88 12
## [6173,] 100 0
## [6174,] 100 0
## [6175,] 9 91
## [6176,] 61 39
## [6177,] 100 0
## [6178,] 100 0
## [6179,] 97 3
## [6180,] 95 5
## [6181,] 44 56
## [6182,] 57 43
## [6183,] 100 0
## [6184,] 20 80
## [6185,] 100 0
## [6186,] 0 100
## [6187,] 100 0
## [6188,] 76 24
## [6189,] 100 0
## [6190,] 95 5
## [6191,] 19 81
## [6192,] 100 0
## [6193,] 100 0
## [6194,] 1 99
## [6195,] 80 20
## [6196,] 100 0
## [6197,] 100 0
## [6198,] 100 0
## [6199,] 73 27
## [6200,] 100 0
## [6201,] 0 100
## [6202,] 100 0
## [6203,] 100 0
## [6204,] 0 100
## [6205,] 100 0
## [6206,] 100 0
## [6207,] 48 52
## [6208,] 100 0
## [6209,] 41 59
## [6210,] 100 0
## [6211,] 100 0
## [6212,] 100 0
## [6213,] 0 100
## [6214,] 59 41
## [6215,] 100 0
## [6216,] 100 0
## [6217,] 100 0
## [6218,] 0 100
## [6219,] 100 0
## [6220,] 100 0
## [6221,] 74 26
## [6222,] 73 27
## [6223,] 100 0
## [6224,] 100 0
## [6225,] 100 0
## [6226,] 100 0
## [6227,] 92 8
## [6228,] 84 16
## [6229,] 100 0
## [6230,] 100 0
## [6231,] 100 0
## [6232,] 75 25
## [6233,] 100 0
## [6234,] 100 0
## [6235,] 100 0
## [6236,] 100 0
## [6237,] 100 0
## [6238,] 100 0
## [6239,] 100 0
## [6240,] 47 53
## [6241,] 83 17
## [6242,] 100 0
## [6243,] 0 100
## [6244,] 28 72
## [6245,] 100 0
## [6246,] 87 13
## [6247,] 100 0
## [6248,] 100 0
## [6249,] 100 0
## [6250,] 100 0
## [6251,] 100 0
## [6252,] 99 1
## [6253,] 100 0
## [6254,] 100 0
## [6255,] 100 0
## [6256,] 70 30
## [6257,] 100 0
## [6258,] 100 0
## [6259,] 100 0
## [6260,] 100 0
## [6261,] 100 0
## [6262,] 1 99
## [6263,] 6 94
## [6264,] 0 100
## [6265,] 100 0
## [6266,] 0 100
## [6267,] 75 25
## [6268,] 84 16
## [6269,] 50 50
## [6270,] 100 0
## [6271,] 94 6
## [6272,] 99 1
## [6273,] 97 3
## [6274,] 100 0
## [6275,] 100 0
## [6276,] 100 0
## [6277,] 100 0
## [6278,] 100 0
## [6279,] 21 79
## [6280,] 0 100
## [6281,] 100 0
## [6282,] 100 0
## [6283,] 100 0
## [6284,] 100 0
## [6285,] 100 0
## [6286,] 57 43
## [6287,] 100 0
## [6288,] 100 0
## [6289,] 38 62
## [6290,] 99 1
## [6291,] 99 1
## [6292,] 0 100
## [6293,] 100 0
## [6294,] 100 0
## [6295,] 94 6
## [6296,] 100 0
## [6297,] 0 100
## [6298,] 100 0
## [6299,] 79 21
## [6300,] 53 47
## [6301,] 100 0
## [6302,] 100 0
## [6303,] 75 25
## [6304,] 100 0
## [6305,] 100 0
## [6306,] 0 100
## [6307,] 76 24
## [6308,] 100 0
## [6309,] 83 17
## [6310,] 100 0
## [6311,] 100 0
## [6312,] 100 0
## [6313,] 100 0
## [6314,] 57 43
## [6315,] 100 0
## [6316,] 100 0
## [6317,] 100 0
## [6318,] 100 0
## [6319,] 41 59
## [6320,] 100 0
## [6321,] 100 0
## [6322,] 100 0
## [6323,] 100 0
## [6324,] 54 46
## [6325,] 91 9
## [6326,] 94 6
## [6327,] 100 0
## [6328,] 80 20
## [6329,] 7 93
## [6330,] 100 0
## [6331,] 100 0
## [6332,] 100 0
## [6333,] 100 0
## [6334,] 100 0
## [6335,] 65 35
## [6336,] 100 0
## [6337,] 100 0
## [6338,] 100 0
## [6339,] 100 0
## [6340,] 100 0
## [6341,] 100 0
## [6342,] 100 0
## [6343,] 86 14
## [6344,] 100 0
## [6345,] 99 1
## [6346,] 100 0
## [6347,] 100 0
## [6348,] 100 0
## [6349,] 92 8
## [6350,] 100 0
## [6351,] 100 0
## [6352,] 100 0
## [6353,] 100 0
## [6354,] 0 100
## [6355,] 100 0
## [6356,] 100 0
## [6357,] 100 0
## [6358,] 0 100
## [6359,] 100 0
## [6360,] 88 12
## [6361,] 80 20
## [6362,] 100 0
## [6363,] 17 83
## [6364,] 77 23
## [6365,] 100 0
## [6366,] 100 0
## [6367,] 58 42
## [6368,] 100 0
## [6369,] 56 44
## [6370,] 81 19
## [6371,] 83 17
## [6372,] 62 38
## [6373,] 100 0
## [6374,] 100 0
## [6375,] 100 0
## [6376,] 76 24
## [6377,] 73 27
## [6378,] 100 0
## [6379,] 100 0
## [6380,] 100 0
## [6381,] 64 36
## [6382,] 100 0
## [6383,] 100 0
## [6384,] 100 0
## [6385,] 100 0
## [6386,] 100 0
## [6387,] 0 100
## [6388,] 37 63
## [6389,] 73 27
## [6390,] 100 0
## [6391,] 100 0
## [6392,] 100 0
## [6393,] 100 0
## [6394,] 97 3
## [6395,] 75 25
## [6396,] 56 44
## [6397,] 100 0
## [6398,] 100 0
## [6399,] 100 0
## [6400,] 100 0
## [6401,] 100 0
## [6402,] 100 0
## [6403,] 79 21
## [6404,] 19 81
## [6405,] 100 0
## [6406,] 100 0
## [6407,] 68 32
## [6408,] 1 99
## [6409,] 91 9
## [6410,] 100 0
## [6411,] 100 0
## [6412,] 83 17
## [6413,] 100 0
## [6414,] 100 0
## [6415,] 100 0
## [6416,] 100 0
## [6417,] 100 0
## [6418,] 100 0
## [6419,] 0 100
## [6420,] 53 47
## [6421,] 100 0
## [6422,] 96 4
## [6423,] 29 71
## [6424,] 0 100
## [6425,] 0 100
## [6426,] 63 37
## [6427,] 100 0
## [6428,] 100 0
## [6429,] 48 52
## [6430,] 100 0
## [6431,] 10 90
## [6432,] 100 0
## [6433,] 45 55
## [6434,] 100 0
## [6435,] 100 0
## [6436,] 100 0
## [6437,] 100 0
## [6438,] 100 0
## [6439,] 16 84
## [6440,] 100 0
## [6441,] 100 0
## [6442,] 4 96
## [6443,] 100 0
## [6444,] 66 34
## [6445,] 82 18
## [6446,] 100 0
## [6447,] 100 0
## [6448,] 100 0
## [6449,] 100 0
## [6450,] 100 0
## [6451,] 100 0
## [6452,] 100 0
## [6453,] 1 99
## [6454,] 100 0
## [6455,] 100 0
## [6456,] 100 0
## [6457,] 100 0
## [6458,] 100 0
## [6459,] 100 0
## [6460,] 100 0
## [6461,] 77 23
## [6462,] 66 34
## [6463,] 100 0
## [6464,] 0 100
## [6465,] 100 0
## [6466,] 100 0
## [6467,] 20 80
## [6468,] 100 0
## [6469,] 100 0
## [6470,] 100 0
## [6471,] 1 99
## [6472,] 100 0
## [6473,] 100 0
## [6474,] 100 0
## [6475,] 100 0
## [6476,] 100 0
## [6477,] 100 0
## [6478,] 83 17
## [6479,] 100 0
## [6480,] 53 47
## [6481,] 0 100
## [6482,] 100 0
## [6483,] 2 98
## [6484,] 100 0
## [6485,] 75 25
## [6486,] 44 56
## [6487,] 52 48
## [6488,] 100 0
## [6489,] 100 0
## [6490,] 86 14
## [6491,] 100 0
## [6492,] 100 0
## [6493,] 89 11
## [6494,] 100 0
## [6495,] 100 0
## [6496,] 100 0
## [6497,] 100 0
## [6498,] 100 0
## [6499,] 100 0
## [6500,] 75 25
## [6501,] 93 7
## [6502,] 100 0
## [6503,] 51 49
## [6504,] 94 6
## [6505,] 5 95
## [6506,] 40 60
## [6507,] 97 3
## [6508,] 100 0
## [6509,] 0 100
## [6510,] 100 0
## [6511,] 100 0
## [6512,] 100 0
## [6513,] 48 52
## [6514,] 50 50
## [6515,] 100 0
## [6516,] 100 0
## [6517,] 55 45
## [6518,] 100 0
## [6519,] 94 6
## [6520,] 47 53
## [6521,] 100 0
## [6522,] 1 99
## [6523,] 93 7
## [6524,] 100 0
## [6525,] 100 0
## [6526,] 48 52
## [6527,] 100 0
## [6528,] 74 26
## [6529,] 100 0
## [6530,] 0 100
## [6531,] 43 57
## [6532,] 100 0
## [6533,] 29 71
## [6534,] 100 0
## [6535,] 100 0
## [6536,] 100 0
## [6537,] 100 0
## [6538,] 100 0
## [6539,] 100 0
## [6540,] 97 3
## [6541,] 100 0
## [6542,] 0 100
## [6543,] 53 47
## [6544,] 100 0
## [6545,] 95 5
## [6546,] 100 0
## [6547,] 100 0
## [6548,] 1 99
## [6549,] 100 0
## [6550,] 100 0
## [6551,] 100 0
## [6552,] 100 0
## [6553,] 100 0
## [6554,] 100 0
## [6555,] 100 0
## [6556,] 100 0
## [6557,] 0 100
## [6558,] 100 0
## [6559,] 100 0
## [6560,] 100 0
## [6561,] 100 0
## [6562,] 100 0
## [6563,] 100 0
## [6564,] 23 77
## [6565,] 100 0
## [6566,] 100 0
## [6567,] 21 79
## [6568,] 100 0
## [6569,] 100 0
## [6570,] 100 0
## [6571,] 100 0
## [6572,] 100 0
## [6573,] 45 55
## [6574,] 15 85
## [6575,] 100 0
## [6576,] 6 94
## [6577,] 31 69
## [6578,] 100 0
## [6579,] 75 25
## [6580,] 1 99
## [6581,] 100 0
## [6582,] 4 96
## [6583,] 81 19
## [6584,] 100 0
## [6585,] 100 0
## [6586,] 99 1
## [6587,] 100 0
## [6588,] 100 0
## [6589,] 100 0
## [6590,] 100 0
## [6591,] 97 3
## [6592,] 79 21
## [6593,] 99 1
## [6594,] 100 0
## [6595,] 83 17
## [6596,] 100 0
## [6597,] 88 12
## [6598,] 100 0
## [6599,] 100 0
## [6600,] 0 100
## [6601,] 100 0
## [6602,] 100 0
## [6603,] 54 46
## [6604,] 47 53
## [6605,] 81 19
## [6606,] 100 0
## [6607,] 100 0
## [6608,] 80 20
## [6609,] 94 6
## [6610,] 1 99
## [6611,] 100 0
## [6612,] 66 34
## [6613,] 100 0
## [6614,] 100 0
## [6615,] 20 80
## [6616,] 1 99
## [6617,] 100 0
## [6618,] 56 44
## [6619,] 83 17
## [6620,] 93 7
## [6621,] 100 0
## [6622,] 69 31
## [6623,] 100 0
## [6624,] 100 0
## [6625,] 100 0
## [6626,] 100 0
## [6627,] 100 0
## [6628,] 59 41
## [6629,] 73 27
## [6630,] 84 16
## [6631,] 35 65
## [6632,] 3 97
## [6633,] 75 25
## [6634,] 100 0
## [6635,] 4 96
## [6636,] 100 0
## [6637,] 100 0
## [6638,] 99 1
## [6639,] 100 0
## [6640,] 0 100
## [6641,] 51 49
## [6642,] 78 22
## [6643,] 100 0
## [6644,] 99 1
## [6645,] 98 2
## [6646,] 100 0
## [6647,] 59 41
## [6648,] 100 0
## [6649,] 56 44
## [6650,] 100 0
## [6651,] 100 0
## [6652,] 100 0
## [6653,] 96 4
## [6654,] 100 0
## [6655,] 53 47
## [6656,] 100 0
## [6657,] 100 0
## [6658,] 82 18
## [6659,] 100 0
## [6660,] 55 45
## [6661,] 61 39
## [6662,] 60 40
## [6663,] 23 77
## [6664,] 100 0
## [6665,] 0 100
## [6666,] 100 0
## [6667,] 87 13
## [6668,] 14 86
## [6669,] 100 0
## [6670,] 0 100
## [6671,] 100 0
## [6672,] 100 0
## [6673,] 1 99
## [6674,] 63 37
## [6675,] 24 76
## [6676,] 100 0
## [6677,] 100 0
## [6678,] 100 0
## [6679,] 100 0
## [6680,] 100 0
## [6681,] 100 0
## [6682,] 2 98
## [6683,] 75 25
## [6684,] 94 6
## [6685,] 100 0
## [6686,] 100 0
## [6687,] 1 99
## [6688,] 100 0
## [6689,] 0 100
## [6690,] 100 0
## [6691,] 100 0
## [6692,] 100 0
## [6693,] 11 89
## [6694,] 100 0
## [6695,] 56 44
## [6696,] 100 0
## [6697,] 100 0
## [6698,] 79 21
## [6699,] 100 0
## [6700,] 48 52
## [6701,] 100 0
## [6702,] 100 0
## [6703,] 4 96
## [6704,] 92 8
## [6705,] 100 0
## [6706,] 100 0
## [6707,] 100 0
## [6708,] 85 15
## [6709,] 0 100
## [6710,] 0 100
## [6711,] 85 15
## [6712,] 100 0
## [6713,] 89 11
## [6714,] 100 0
## [6715,] 100 0
## [6716,] 78 22
## [6717,] 1 99
## [6718,] 100 0
## [6719,] 100 0
## [6720,] 100 0
## [6721,] 100 0
## [6722,] 76 24
## [6723,] 100 0
## [6724,] 100 0
## [6725,] 4 96
## [6726,] 100 0
## [6727,] 12 88
## [6728,] 100 0
## [6729,] 100 0
## [6730,] 100 0
## [6731,] 100 0
## [6732,] 100 0
## [6733,] 63 37
## [6734,] 100 0
## [6735,] 0 100
## [6736,] 97 3
## [6737,] 93 7
## [6738,] 27 73
## [6739,] 100 0
## [6740,] 73 27
## [6741,] 100 0
## [6742,] 20 80
## [6743,] 100 0
## [6744,] 100 0
## [6745,] 100 0
## [6746,] 93 7
## [6747,] 0 100
## [6748,] 100 0
## [6749,] 100 0
## [6750,] 100 0
## [6751,] 100 0
## [6752,] 39 61
## [6753,] 22 78
## [6754,] 100 0
## [6755,] 100 0
## [6756,] 100 0
## [6757,] 100 0
## [6758,] 41 59
## [6759,] 7 93
## [6760,] 100 0
## [6761,] 100 0
## [6762,] 100 0
## [6763,] 78 22
## [6764,] 83 17
## [6765,] 100 0
## [6766,] 100 0
## [6767,] 2 98
## [6768,] 100 0
## [6769,] 100 0
## [6770,] 100 0
## [6771,] 100 0
## [6772,] 100 0
## [6773,] 100 0
## [6774,] 9 91
## [6775,] 79 21
## [6776,] 86 14
## [6777,] 96 4
## [6778,] 100 0
## [6779,] 100 0
## [6780,] 96 4
## [6781,] 100 0
## [6782,] 100 0
## [6783,] 100 0
## [6784,] 100 0
## [6785,] 33 67
## [6786,] 96 4
## [6787,] 96 4
## [6788,] 100 0
## [6789,] 100 0
## [6790,] 100 0
## [6791,] 57 43
## [6792,] 47 53
## [6793,] 100 0
## [6794,] 100 0
## [6795,] 46 54
## [6796,] 1 99
## [6797,] 0 100
## [6798,] 100 0
## [6799,] 100 0
## [6800,] 28 72
## [6801,] 100 0
## [6802,] 100 0
## [6803,] 94 6
## [6804,] 93 7
## [6805,] 1 99
## [6806,] 10 90
## [6807,] 100 0
## [6808,] 100 0
## [6809,] 100 0
## [6810,] 100 0
## [6811,] 1 99
## [6812,] 100 0
## [6813,] 100 0
## [6814,] 100 0
## [6815,] 100 0
## [6816,] 97 3
## [6817,] 97 3
## [6818,] 100 0
## [6819,] 96 4
## [6820,] 16 84
## [6821,] 100 0
## [6822,] 100 0
## [6823,] 32 68
## [6824,] 100 0
## [6825,] 100 0
## [6826,] 100 0
## [6827,] 100 0
## [6828,] 100 0
## [6829,] 100 0
## [6830,] 0 100
## [6831,] 100 0
## [6832,] 0 100
## [6833,] 100 0
## [6834,] 5 95
## [6835,] 100 0
## [6836,] 88 12
## [6837,] 100 0
## [6838,] 60 40
## [6839,] 65 35
## [6840,] 100 0
## [6841,] 100 0
## [6842,] 100 0
## [6843,] 100 0
## [6844,] 100 0
## [6845,] 100 0
## [6846,] 100 0
## [6847,] 2 98
## [6848,] 100 0
## [6849,] 100 0
## [6850,] 100 0
## [6851,] 100 0
## [6852,] 100 0
## [6853,] 27 73
## [6854,] 100 0
## [6855,] 94 6
## [6856,] 100 0
## [6857,] 36 64
## [6858,] 100 0
## [6859,] 71 29
## [6860,] 100 0
## [6861,] 22 78
## [6862,] 10 90
## [6863,] 100 0
## [6864,] 0 100
## [6865,] 100 0
## [6866,] 100 0
## [6867,] 60 40
## [6868,] 100 0
## [6869,] 100 0
## [6870,] 100 0
## [6871,] 0 100
## [6872,] 80 20
## [6873,] 97 3
## [6874,] 1 99
## [6875,] 100 0
## [6876,] 48 52
## [6877,] 100 0
## [6878,] 100 0
## [6879,] 100 0
## [6880,] 4 96
## [6881,] 100 0
## [6882,] 0 100
## [6883,] 23 77
## [6884,] 100 0
## [6885,] 100 0
## [6886,] 100 0
## [6887,] 100 0
## [6888,] 65 35
## [6889,] 100 0
## [6890,] 100 0
## [6891,] 100 0
## [6892,] 80 20
## [6893,] 100 0
## [6894,] 90 10
## [6895,] 100 0
## [6896,] 100 0
## [6897,] 100 0
## [6898,] 100 0
## [6899,] 100 0
## [6900,] 36 64
## [6901,] 100 0
## [6902,] 100 0
## [6903,] 100 0
## [6904,] 100 0
## [6905,] 71 29
## [6906,] 100 0
## [6907,] 100 0
## [6908,] 100 0
## [6909,] 0 100
## [6910,] 0 100
## [6911,] 100 0
## [6912,] 100 0
## [6913,] 100 0
## [6914,] 0 100
## [6915,] 83 17
## [6916,] 100 0
## [6917,] 100 0
## [6918,] 100 0
## [6919,] 79 21
## [6920,] 99 1
## [6921,] 100 0
## [6922,] 100 0
## [6923,] 100 0
## [6924,] 100 0
## [6925,] 95 5
## [6926,] 63 37
## [6927,] 100 0
## [6928,] 100 0
## [6929,] 40 60
## [6930,] 100 0
## [6931,] 100 0
## [6932,] 100 0
## [6933,] 75 25
## [6934,] 100 0
## [6935,] 100 0
## [6936,] 100 0
## [6937,] 100 0
## [6938,] 100 0
## [6939,] 100 0
## [6940,] 50 50
## [6941,] 96 4
## [6942,] 100 0
## [6943,] 100 0
## [6944,] 99 1
## [6945,] 99 1
## [6946,] 43 57
## [6947,] 100 0
## [6948,] 100 0
## [6949,] 100 0
## [6950,] 96 4
## [6951,] 56 44
## [6952,] 100 0
## [6953,] 1 99
## [6954,] 100 0
## [6955,] 58 42
## [6956,] 100 0
## [6957,] 100 0
## [6958,] 81 19
## [6959,] 0 100
## [6960,] 100 0
## [6961,] 100 0
## [6962,] 100 0
## [6963,] 16 84
## [6964,] 97 3
## [6965,] 50 50
## [6966,] 100 0
## [6967,] 100 0
## [6968,] 20 80
## [6969,] 100 0
## [6970,] 2 98
## [6971,] 100 0
## [6972,] 100 0
## [6973,] 100 0
## [6974,] 60 40
## [6975,] 100 0
## [6976,] 2 98
## [6977,] 2 98
## [6978,] 100 0
## [6979,] 100 0
## [6980,] 100 0
## [6981,] 100 0
## [6982,] 51 49
## [6983,] 93 7
## [6984,] 94 6
## [6985,] 0 100
## [6986,] 7 93
## [6987,] 100 0
## [6988,] 100 0
## [6989,] 100 0
## [6990,] 4 96
## [6991,] 0 100
## [6992,] 100 0
## [6993,] 100 0
## [6994,] 0 100
## [6995,] 75 25
## [6996,] 5 95
## [6997,] 100 0
## [6998,] 100 0
## [6999,] 100 0
## [7000,] 100 0
## [7001,] 100 0
## [7002,] 82 18
## [7003,] 100 0
## [7004,] 78 22
## [7005,] 100 0
## [7006,] 100 0
## [7007,] 93 7
## [7008,] 79 21
## [7009,] 100 0
## [7010,] 97 3
## [7011,] 100 0
## [7012,] 90 10
## [7013,] 100 0
## [7014,] 100 0
## [7015,] 100 0
## [7016,] 100 0
## [7017,] 97 3
## [7018,] 100 0
## [7019,] 100 0
## [7020,] 100 0
## [7021,] 50 50
## [7022,] 23 77
## [7023,] 100 0
## [7024,] 31 69
## [7025,] 100 0
## [7026,] 100 0
## [7027,] 100 0
## [7028,] 100 0
## [7029,] 56 44
## [7030,] 100 0
## [7031,] 100 0
## [7032,] 100 0
## [7033,] 0 100
## [7034,] 100 0
## [7035,] 100 0
## [7036,] 67 33
## [7037,] 100 0
## [7038,] 100 0
## [7039,] 100 0
## [7040,] 100 0
## [7041,] 100 0
## [7042,] 100 0
## [7043,] 67 33
## [7044,] 100 0
## [7045,] 81 19
## [7046,] 100 0
## [7047,] 82 18
## [7048,] 100 0
## [7049,] 0 100
## [7050,] 100 0
## [7051,] 100 0
## [7052,] 0 100
## [7053,] 94 6
## [7054,] 100 0
## [7055,] 55 45
## [7056,] 78 22
## [7057,] 97 3
## [7058,] 100 0
## [7059,] 100 0
## [7060,] 14 86
## [7061,] 100 0
## [7062,] 100 0
## [7063,] 100 0
## [7064,] 100 0
## [7065,] 100 0
## [7066,] 100 0
## [7067,] 100 0
## [7068,] 100 0
## [7069,] 80 20
## [7070,] 100 0
## [7071,] 98 2
## [7072,] 100 0
## [7073,] 58 42
## [7074,] 100 0
## [7075,] 100 0
## [7076,] 100 0
## [7077,] 100 0
## [7078,] 67 33
## [7079,] 100 0
## [7080,] 48 52
## [7081,] 78 22
## [7082,] 100 0
## [7083,] 100 0
## [7084,] 79 21
## [7085,] 81 19
## [7086,] 99 1
## [7087,] 100 0
## [7088,] 100 0
## [7089,] 100 0
## [7090,] 100 0
## [7091,] 48 52
## [7092,] 19 81
## [7093,] 100 0
## [7094,] 100 0
## [7095,] 20 80
## [7096,] 100 0
## [7097,] 100 0
## [7098,] 33 67
## [7099,] 100 0
## [7100,] 100 0
## [7101,] 100 0
## [7102,] 95 5
## [7103,] 100 0
## [7104,] 100 0
## [7105,] 100 0
## [7106,] 3 97
## [7107,] 97 3
## [7108,] 19 81
## [7109,] 96 4
## [7110,] 0 100
## [7111,] 100 0
## [7112,] 100 0
## [7113,] 83 17
## [7114,] 20 80
## [7115,] 81 19
## [7116,] 100 0
## [7117,] 1 99
## [7118,] 100 0
## [7119,] 93 7
## [7120,] 100 0
## [7121,] 0 100
## [7122,] 100 0
## [7123,] 100 0
## [7124,] 75 25
## [7125,] 98 2
## [7126,] 0 100
## [7127,] 72 28
## [7128,] 0 100
## [7129,] 100 0
## [7130,] 100 0
## [7131,] 100 0
## [7132,] 10 90
## [7133,] 100 0
## [7134,] 59 41
## [7135,] 100 0
## [7136,] 79 21
## [7137,] 100 0
## [7138,] 100 0
## [7139,] 2 98
## [7140,] 100 0
## [7141,] 100 0
## [7142,] 100 0
## [7143,] 100 0
## [7144,] 100 0
## [7145,] 0 100
## [7146,] 100 0
## [7147,] 100 0
## [7148,] 100 0
## [7149,] 29 71
## [7150,] 32 68
## [7151,] 100 0
## [7152,] 100 0
## [7153,] 40 60
## [7154,] 50 50
## [7155,] 100 0
## [7156,] 41 59
## [7157,] 100 0
## [7158,] 100 0
## [7159,] 100 0
## [7160,] 100 0
## [7161,] 100 0
## [7162,] 100 0
## [7163,] 97 3
## [7164,] 2 98
## [7165,] 0 100
## [7166,] 100 0
## [7167,] 100 0
## [7168,] 100 0
## [7169,] 100 0
## [7170,] 86 14
## [7171,] 100 0
## [7172,] 0 100
## [7173,] 100 0
## [7174,] 0 100
## [7175,] 45 55
## [7176,] 0 100
## [7177,] 100 0
## [7178,] 0 100
## [7179,] 74 26
## [7180,] 100 0
## [7181,] 100 0
## [7182,] 96 4
## [7183,] 0 100
## [7184,] 100 0
## [7185,] 27 73
## [7186,] 1 99
## [7187,] 100 0
## [7188,] 100 0
## [7189,] 0 100
## [7190,] 85 15
## [7191,] 100 0
## [7192,] 100 0
## [7193,] 99 1
## [7194,] 75 25
## [7195,] 100 0
## [7196,] 100 0
## [7197,] 73 27
## [7198,] 100 0
## [7199,] 77 23
## [7200,] 100 0
## [7201,] 100 0
## [7202,] 10 90
## [7203,] 15 85
## [7204,] 100 0
## [7205,] 89 11
## [7206,] 100 0
## [7207,] 99 1
## [7208,] 100 0
## [7209,] 100 0
## [7210,] 1 99
## [7211,] 100 0
## [7212,] 77 23
## [7213,] 0 100
## [7214,] 0 100
## [7215,] 100 0
## [7216,] 11 89
## [7217,] 100 0
## [7218,] 100 0
## [7219,] 100 0
## [7220,] 0 100
## [7221,] 100 0
## [7222,] 6 94
## [7223,] 1 99
## [7224,] 100 0
## [7225,] 100 0
## [7226,] 100 0
## [7227,] 100 0
## [7228,] 0 100
## [7229,] 100 0
## [7230,] 100 0
## [7231,] 100 0
## [7232,] 100 0
## [7233,] 10 90
## [7234,] 100 0
## [7235,] 69 31
## [7236,] 100 0
## [7237,] 22 78
## [7238,] 56 44
## [7239,] 100 0
## [7240,] 100 0
## [7241,] 77 23
## [7242,] 0 100
## [7243,] 100 0
## [7244,] 100 0
## [7245,] 100 0
## [7246,] 100 0
## [7247,] 61 39
## [7248,] 100 0
## [7249,] 100 0
## [7250,] 100 0
## [7251,] 100 0
## [7252,] 100 0
## [7253,] 100 0
## [7254,] 61 39
## [7255,] 0 100
## [7256,] 100 0
## [7257,] 97 3
## [7258,] 100 0
## [7259,] 89 11
## [7260,] 74 26
## [7261,] 10 90
## [7262,] 100 0
## [7263,] 100 0
## [7264,] 100 0
## [7265,] 100 0
## [7266,] 100 0
## [7267,] 100 0
## [7268,] 100 0
## [7269,] 100 0
## [7270,] 74 26
## [7271,] 100 0
## [7272,] 100 0
## [7273,] 100 0
## [7274,] 100 0
## [7275,] 1 99
## [7276,] 10 90
## [7277,] 83 17
## [7278,] 100 0
## [7279,] 100 0
## [7280,] 100 0
## [7281,] 100 0
## [7282,] 100 0
## [7283,] 45 55
## [7284,] 100 0
## [7285,] 48 52
## [7286,] 51 49
## [7287,] 100 0
## [7288,] 100 0
## [7289,] 100 0
## [7290,] 100 0
## [7291,] 100 0
## [7292,] 100 0
## [7293,] 9 91
## [7294,] 100 0
## [7295,] 83 17
## [7296,] 100 0
## [7297,] 100 0
## [7298,] 0 100
## [7299,] 100 0
## [7300,] 100 0
## [7301,] 15 85
## [7302,] 100 0
## [7303,] 100 0
## [7304,] 77 23
## [7305,] 0 100
## [7306,] 100 0
## [7307,] 100 0
## [7308,] 100 0
## [7309,] 100 0
## [7310,] 100 0
## [7311,] 100 0
## [7312,] 100 0
## [7313,] 100 0
## [7314,] 99 1
## [7315,] 89 11
## [7316,] 100 0
## [7317,] 100 0
## [7318,] 100 0
## [7319,] 100 0
## [7320,] 100 0
## [7321,] 100 0
## [7322,] 100 0
## [7323,] 78 22
## [7324,] 100 0
## [7325,] 94 6
## [7326,] 0 100
## [7327,] 0 100
## [7328,] 95 5
## [7329,] 100 0
## [7330,] 100 0
## [7331,] 55 45
## [7332,] 100 0
## [7333,] 100 0
## [7334,] 100 0
## [7335,] 100 0
## [7336,] 100 0
## [7337,] 100 0
## [7338,] 100 0
## [7339,] 33 67
## [7340,] 100 0
## [7341,] 100 0
## [7342,] 100 0
## [7343,] 25 75
## [7344,] 100 0
## [7345,] 100 0
## [7346,] 99 1
## [7347,] 100 0
## [7348,] 100 0
## [7349,] 0 100
## [7350,] 100 0
## [7351,] 42 58
## [7352,] 100 0
## [7353,] 100 0
## [7354,] 0 100
## [7355,] 100 0
## [7356,] 100 0
## [7357,] 95 5
## [7358,] 100 0
## [7359,] 0 100
## [7360,] 100 0
## [7361,] 75 25
## [7362,] 79 21
## [7363,] 100 0
## [7364,] 100 0
## [7365,] 100 0
## [7366,] 100 0
## [7367,] 100 0
## [7368,] 100 0
## [7369,] 100 0
## [7370,] 9 91
## [7371,] 79 21
## [7372,] 88 12
## [7373,] 100 0
## [7374,] 1 99
## [7375,] 96 4
## [7376,] 100 0
## [7377,] 97 3
## [7378,] 100 0
## [7379,] 55 45
## [7380,] 95 5
## [7381,] 99 1
## [7382,] 100 0
## [7383,] 100 0
## [7384,] 100 0
## [7385,] 100 0
## [7386,] 80 20
## [7387,] 94 6
## [7388,] 100 0
## [7389,] 100 0
## [7390,] 0 100
## [7391,] 99 1
## [7392,] 100 0
## [7393,] 100 0
## [7394,] 60 40
## [7395,] 80 20
## [7396,] 64 36
## [7397,] 68 32
## [7398,] 63 37
## [7399,] 100 0
## [7400,] 100 0
## [7401,] 100 0
## [7402,] 100 0
## [7403,] 100 0
## [7404,] 39 61
## [7405,] 30 70
## [7406,] 100 0
## [7407,] 2 98
## [7408,] 100 0
## [7409,] 0 100
## [7410,] 94 6
## [7411,] 100 0
## [7412,] 58 42
## [7413,] 100 0
## [7414,] 100 0
## [7415,] 50 50
## [7416,] 0 100
## [7417,] 100 0
## [7418,] 100 0
## [7419,] 100 0
## [7420,] 0 100
## [7421,] 35 65
## [7422,] 100 0
## [7423,] 64 36
## [7424,] 83 17
## [7425,] 100 0
## [7426,] 100 0
## [7427,] 100 0
## [7428,] 100 0
## [7429,] 100 0
## [7430,] 100 0
## [7431,] 1 99
## [7432,] 84 16
## [7433,] 10 90
## [7434,] 92 8
## [7435,] 0 100
## [7436,] 15 85
## [7437,] 100 0
## [7438,] 100 0
## [7439,] 0 100
## [7440,] 100 0
## [7441,] 6 94
## [7442,] 45 55
## [7443,] 100 0
## [7444,] 94 6
## [7445,] 0 100
## [7446,] 0 100
## [7447,] 71 29
## [7448,] 0 100
## [7449,] 8 92
## [7450,] 100 0
## [7451,] 100 0
## [7452,] 100 0
## [7453,] 0 100
## [7454,] 100 0
## [7455,] 100 0
## [7456,] 47 53
## [7457,] 4 96
## [7458,] 100 0
## [7459,] 100 0
## [7460,] 100 0
## [7461,] 41 59
## [7462,] 100 0
## [7463,] 79 21
## [7464,] 100 0
## [7465,] 3 97
## [7466,] 100 0
## [7467,] 100 0
## [7468,] 56 44
## [7469,] 100 0
## [7470,] 99 1
## [7471,] 78 22
## [7472,] 73 27
## [7473,] 100 0
## [7474,] 90 10
## [7475,] 1 99
## [7476,] 50 50
## [7477,] 100 0
## [7478,] 51 49
## [7479,] 100 0
## [7480,] 100 0
## [7481,] 100 0
## [7482,] 100 0
## [7483,] 100 0
## [7484,] 100 0
## [7485,] 96 4
## [7486,] 74 26
## [7487,] 100 0
## [7488,] 100 0
## [7489,] 0 100
## [7490,] 89 11
## [7491,] 74 26
## [7492,] 13 87
## [7493,] 0 100
## [7494,] 100 0
## [7495,] 37 63
## [7496,] 68 32
## [7497,] 60 40
## [7498,] 16 84
## [7499,] 100 0
## [7500,] 80 20
## [7501,] 0 100
## [7502,] 100 0
## [7503,] 100 0
## [7504,] 100 0
## [7505,] 100 0
## [7506,] 100 0
## [7507,] 93 7
## [7508,] 100 0
## [7509,] 100 0
## [7510,] 100 0
## [7511,] 100 0
## [7512,] 100 0
## [7513,] 81 19
## [7514,] 100 0
## [7515,] 100 0
## [7516,] 100 0
## [7517,] 52 48
## [7518,] 83 17
## [7519,] 67 33
## [7520,] 80 20
## [7521,] 24 76
## [7522,] 100 0
## [7523,] 100 0
## [7524,] 100 0
## [7525,] 100 0
## [7526,] 0 100
## [7527,] 100 0
## [7528,] 100 0
## [7529,] 83 17
## [7530,] 100 0
## [7531,] 100 0
## [7532,] 80 20
## [7533,] 100 0
## [7534,] 100 0
## [7535,] 98 2
## [7536,] 100 0
## [7537,] 83 17
## [7538,] 100 0
## [7539,] 54 46
## [7540,] 80 20
## [7541,] 100 0
## [7542,] 83 17
## [7543,] 100 0
## [7544,] 100 0
## [7545,] 100 0
## [7546,] 100 0
## [7547,] 100 0
## [7548,] 100 0
## [7549,] 100 0
## [7550,] 100 0
## [7551,] 99 1
## [7552,] 100 0
## [7553,] 0 100
## [7554,] 100 0
## [7555,] 96 4
## [7556,] 100 0
## [7557,] 100 0
## [7558,] 52 48
## [7559,] 100 0
## [7560,] 100 0
## [7561,] 100 0
## [7562,] 100 0
## [7563,] 19 81
## [7564,] 100 0
## [7565,] 75 25
## [7566,] 100 0
## [7567,] 100 0
## [7568,] 100 0
## [7569,] 80 20
## [7570,] 1 99
## [7571,] 100 0
## [7572,] 74 26
## [7573,] 100 0
## [7574,] 100 0
## [7575,] 100 0
## [7576,] 100 0
## [7577,] 100 0
## [7578,] 100 0
## [7579,] 100 0
## [7580,] 80 20
## [7581,] 73 27
## [7582,] 0 100
## [7583,] 100 0
## [7584,] 5 95
## [7585,] 98 2
## [7586,] 100 0
## [7587,] 100 0
## [7588,] 0 100
## [7589,] 96 4
## [7590,] 100 0
## [7591,] 19 81
## [7592,] 66 34
## [7593,] 49 51
## [7594,] 100 0
## [7595,] 100 0
## [7596,] 48 52
## [7597,] 100 0
## [7598,] 100 0
## [7599,] 100 0
## [7600,] 100 0
## [7601,] 0 100
## [7602,] 97 3
## [7603,] 1 99
## [7604,] 0 100
## [7605,] 7 93
## [7606,] 95 5
## [7607,] 85 15
## [7608,] 0 100
## [7609,] 0 100
## [7610,] 100 0
## [7611,] 100 0
## [7612,] 84 16
## [7613,] 93 7
## [7614,] 100 0
## [7615,] 100 0
## [7616,] 100 0
## [7617,] 79 21
## [7618,] 100 0
## [7619,] 100 0
## [7620,] 1 99
## [7621,] 100 0
## [7622,] 100 0
## [7623,] 68 32
## [7624,] 100 0
## [7625,] 100 0
## [7626,] 28 72
## [7627,] 78 22
## [7628,] 95 5
## [7629,] 100 0
## [7630,] 100 0
## [7631,] 100 0
## [7632,] 75 25
## [7633,] 100 0
## [7634,] 100 0
## [7635,] 100 0
## [7636,] 35 65
## [7637,] 54 46
## [7638,] 100 0
## [7639,] 95 5
## [7640,] 100 0
## [7641,] 100 0
## [7642,] 0 100
## [7643,] 100 0
## [7644,] 37 63
## [7645,] 1 99
## [7646,] 24 76
## [7647,] 10 90
## [7648,] 100 0
## [7649,] 100 0
## [7650,] 100 0
## [7651,] 100 0
## [7652,] 50 50
## [7653,] 100 0
## [7654,] 89 11
## [7655,] 100 0
## [7656,] 31 69
## [7657,] 100 0
## [7658,] 100 0
## [7659,] 100 0
## [7660,] 100 0
## [7661,] 81 19
## [7662,] 100 0
## [7663,] 39 61
## [7664,] 100 0
## [7665,] 100 0
## [7666,] 51 49
## [7667,] 100 0
## [7668,] 100 0
## [7669,] 0 100
## [7670,] 80 20
## [7671,] 100 0
## [7672,] 5 95
## [7673,] 2 98
## [7674,] 100 0
## [7675,] 100 0
## [7676,] 100 0
## [7677,] 74 26
## [7678,] 100 0
## [7679,] 100 0
## [7680,] 100 0
## [7681,] 56 44
## [7682,] 100 0
## [7683,] 0 100
## [7684,] 100 0
## [7685,] 0 100
## [7686,] 41 59
## [7687,] 93 7
## [7688,] 100 0
## [7689,] 100 0
## [7690,] 100 0
## [7691,] 100 0
## [7692,] 100 0
## [7693,] 98 2
## [7694,] 55 45
## [7695,] 99 1
## [7696,] 0 100
## [7697,] 100 0
## [7698,] 100 0
## [7699,] 100 0
## [7700,] 0 100
## [7701,] 100 0
## [7702,] 100 0
## [7703,] 100 0
## [7704,] 97 3
## [7705,] 100 0
## [7706,] 56 44
## [7707,] 72 28
## [7708,] 100 0
## [7709,] 100 0
## [7710,] 100 0
## [7711,] 100 0
## [7712,] 100 0
## [7713,] 0 100
## [7714,] 84 16
## [7715,] 94 6
## [7716,] 100 0
## [7717,] 0 100
## [7718,] 100 0
## [7719,] 100 0
## [7720,] 100 0
## [7721,] 100 0
## [7722,] 55 45
## [7723,] 100 0
## [7724,] 100 0
## [7725,] 100 0
## [7726,] 100 0
## [7727,] 100 0
## [7728,] 100 0
## [7729,] 100 0
## [7730,] 94 6
## [7731,] 100 0
## [7732,] 53 47
## [7733,] 100 0
## [7734,] 0 100
## [7735,] 100 0
## [7736,] 100 0
## [7737,] 53 47
## [7738,] 100 0
## [7739,] 56 44
## [7740,] 100 0
## [7741,] 100 0
## [7742,] 100 0
## [7743,] 100 0
## [7744,] 0 100
## [7745,] 100 0
## [7746,] 76 24
## [7747,] 100 0
## [7748,] 39 61
## [7749,] 100 0
## [7750,] 100 0
## [7751,] 100 0
## [7752,] 2 98
## [7753,] 100 0
## [7754,] 73 27
## [7755,] 100 0
## [7756,] 97 3
## [7757,] 7 93
## [7758,] 100 0
## [7759,] 1 99
## [7760,] 100 0
## [7761,] 97 3
## [7762,] 100 0
## [7763,] 100 0
## [7764,] 100 0
## [7765,] 100 0
## [7766,] 100 0
## [7767,] 100 0
## [7768,] 0 100
## [7769,] 100 0
## [7770,] 100 0
## [7771,] 100 0
## [7772,] 100 0
## [7773,] 69 31
## [7774,] 80 20
## [7775,] 100 0
## [7776,] 100 0
## [7777,] 96 4
## [7778,] 0 100
## [7779,] 95 5
## [7780,] 92 8
## [7781,] 2 98
## [7782,] 0 100
## [7783,] 100 0
## [7784,] 100 0
## [7785,] 97 3
## [7786,] 100 0
## [7787,] 100 0
## [7788,] 27 73
## [7789,] 100 0
## [7790,] 0 100
## [7791,] 100 0
## [7792,] 0 100
## [7793,] 49 51
## [7794,] 100 0
## [7795,] 100 0
## [7796,] 100 0
## [7797,] 100 0
## [7798,] 100 0
## [7799,] 94 6
## [7800,] 81 19
## [7801,] 83 17
## [7802,] 100 0
## [7803,] 0 100
## [7804,] 100 0
## [7805,] 100 0
## [7806,] 100 0
## [7807,] 100 0
## [7808,] 100 0
## [7809,] 0 100
## [7810,] 95 5
## [7811,] 96 4
## [7812,] 100 0
## [7813,] 100 0
## [7814,] 100 0
## [7815,] 4 96
## [7816,] 100 0
## [7817,] 100 0
## [7818,] 100 0
## [7819,] 100 0
## [7820,] 100 0
## [7821,] 100 0
## [7822,] 52 48
## [7823,] 65 35
## [7824,] 100 0
## [7825,] 100 0
## [7826,] 100 0
## [7827,] 100 0
## [7828,] 100 0
## [7829,] 64 36
## [7830,] 35 65
## [7831,] 80 20
## [7832,] 100 0
## [7833,] 100 0
## [7834,] 100 0
## [7835,] 100 0
## [7836,] 100 0
## [7837,] 56 44
## [7838,] 100 0
## [7839,] 7 93
## [7840,] 2 98
## [7841,] 60 40
## [7842,] 51 49
## [7843,] 100 0
## [7844,] 100 0
## [7845,] 100 0
## [7846,] 100 0
## [7847,] 100 0
## [7848,] 100 0
## [7849,] 100 0
## [7850,] 100 0
## [7851,] 66 34
## [7852,] 100 0
## [7853,] 100 0
## [7854,] 82 18
## [7855,] 55 45
## [7856,] 88 12
## [7857,] 100 0
## [7858,] 100 0
## [7859,] 100 0
## [7860,] 63 37
## [7861,] 100 0
## [7862,] 95 5
## [7863,] 100 0
## [7864,] 63 37
## [7865,] 0 100
## [7866,] 99 1
## [7867,] 100 0
## [7868,] 94 6
## [7869,] 94 6
## [7870,] 100 0
## [7871,] 94 6
## [7872,] 79 21
## [7873,] 100 0
## [7874,] 97 3
## [7875,] 53 47
## [7876,] 0 100
## [7877,] 92 8
## [7878,] 100 0
## [7879,] 100 0
## [7880,] 100 0
## [7881,] 50 50
## [7882,] 100 0
## [7883,] 100 0
## [7884,] 100 0
## [7885,] 100 0
## [7886,] 0 100
## [7887,] 100 0
## [7888,] 49 51
## [7889,] 57 43
## [7890,] 100 0
## [7891,] 84 16
## [7892,] 39 61
## [7893,] 100 0
## [7894,] 83 17
## [7895,] 66 34
## [7896,] 100 0
## [7897,] 100 0
## [7898,] 32 68
## [7899,] 100 0
## [7900,] 80 20
## [7901,] 100 0
## [7902,] 97 3
## [7903,] 100 0
## [7904,] 100 0
## [7905,] 100 0
## [7906,] 100 0
## [7907,] 100 0
## [7908,] 81 19
## [7909,] 36 64
## [7910,] 50 50
## [7911,] 100 0
## [7912,] 49 51
## [7913,] 100 0
## [7914,] 86 14
## [7915,] 0 100
## [7916,] 100 0
## [7917,] 0 100
## [7918,] 25 75
## [7919,] 60 40
## [7920,] 80 20
## [7921,] 7 93
## [7922,] 100 0
## [7923,] 100 0
## [7924,] 60 40
## [7925,] 37 63
## [7926,] 55 45
## [7927,] 64 36
## [7928,] 100 0
## [7929,] 0 100
## [7930,] 7 93
## [7931,] 100 0
## [7932,] 100 0
## [7933,] 100 0
## [7934,] 100 0
## [7935,] 100 0
## [7936,] 97 3
## [7937,] 100 0
## [7938,] 100 0
## [7939,] 56 44
## [7940,] 83 17
## [7941,] 83 17
## [7942,] 100 0
## [7943,] 83 17
## [7944,] 100 0
## [7945,] 100 0
## [7946,] 100 0
## [7947,] 100 0
## [7948,] 100 0
## [7949,] 100 0
## [7950,] 27 73
## [7951,] 0 100
## [7952,] 100 0
## [7953,] 100 0
## [7954,] 100 0
## [7955,] 100 0
## [7956,] 100 0
## [7957,] 8 92
## [7958,] 100 0
## [7959,] 88 12
## [7960,] 3 97
## [7961,] 77 23
## [7962,] 64 36
## [7963,] 100 0
## [7964,] 29 71
## [7965,] 65 35
## [7966,] 100 0
## [7967,] 100 0
## [7968,] 100 0
## [7969,] 0 100
## [7970,] 57 43
## [7971,] 0 100
## [7972,] 66 34
## [7973,] 5 95
## [7974,] 1 99
## [7975,] 100 0
## [7976,] 83 17
## [7977,] 100 0
## [7978,] 100 0
## [7979,] 100 0
## [7980,] 100 0
## [7981,] 100 0
## [7982,] 100 0
## [7983,] 100 0
## [7984,] 100 0
## [7985,] 100 0
## [7986,] 100 0
## [7987,] 100 0
## [7988,] 64 36
## [7989,] 5 95
## [7990,] 100 0
## [7991,] 100 0
## [7992,] 27 73
## [7993,] 100 0
## [7994,] 100 0
## [7995,] 100 0
## [7996,] 100 0
## [7997,] 100 0
## [7998,] 100 0
## [7999,] 97 3
## [8000,] 75 25
## [8001,] 94 6
## [8002,] 100 0
## [8003,] 100 0
## [8004,] 100 0
## [8005,] 2 98
## [8006,] 100 0
## [8007,] 100 0
## [8008,] 100 0
## [8009,] 100 0
## [8010,] 14 86
## [8011,] 41 59
## [8012,] 100 0
## [8013,] 0 100
## [8014,] 86 14
## [8015,] 75 25
## [8016,] 100 0
## [8017,] 95 5
## [8018,] 100 0
## [8019,] 0 100
## [8020,] 91 9
## [8021,] 40 60
## [8022,] 7 93
## [8023,] 100 0
## [8024,] 100 0
## [8025,] 49 51
## [8026,] 0 100
## [8027,] 100 0
## [8028,] 0 100
## [8029,] 77 23
## [8030,] 100 0
## [8031,] 56 44
## [8032,] 83 17
## [8033,] 100 0
## [8034,] 100 0
## [8035,] 100 0
## [8036,] 100 0
## [8037,] 59 41
## [8038,] 3 97
## [8039,] 0 100
## [8040,] 100 0
## [8041,] 0 100
## [8042,] 100 0
## [8043,] 90 10
## [8044,] 100 0
## [8045,] 63 37
## [8046,] 27 73
## [8047,] 100 0
## [8048,] 100 0
## [8049,] 100 0
## [8050,] 100 0
## [8051,] 100 0
## [8052,] 100 0
## [8053,] 100 0
## [8054,] 100 0
## [8055,] 100 0
## [8056,] 48 52
## [8057,] 1 99
## [8058,] 86 14
## [8059,] 100 0
## [8060,] 100 0
## [8061,] 100 0
## [8062,] 100 0
## [8063,] 100 0
## [8064,] 100 0
## [8065,] 100 0
## [8066,] 60 40
## [8067,] 100 0
## [8068,] 50 50
## [8069,] 100 0
## [8070,] 100 0
## [8071,] 94 6
## [8072,] 100 0
## [8073,] 100 0
## [8074,] 100 0
## [8075,] 0 100
## [8076,] 5 95
## [8077,] 0 100
## [8078,] 55 45
## [8079,] 100 0
## [8080,] 52 48
## [8081,] 81 19
## [8082,] 100 0
## [8083,] 100 0
## [8084,] 100 0
## [8085,] 100 0
## [8086,] 100 0
## [8087,] 81 19
## [8088,] 50 50
## [8089,] 100 0
## [8090,] 100 0
## [8091,] 100 0
## [8092,] 67 33
## [8093,] 7 93
## [8094,] 93 7
## [8095,] 100 0
## [8096,] 79 21
## [8097,] 73 27
## [8098,] 77 23
## [8099,] 28 72
## [8100,] 100 0
## [8101,] 84 16
## [8102,] 100 0
## [8103,] 100 0
## [8104,] 45 55
## [8105,] 100 0
## [8106,] 88 12
## [8107,] 78 22
## [8108,] 100 0
## [8109,] 80 20
## [8110,] 1 99
## [8111,] 100 0
## [8112,] 99 1
## [8113,] 100 0
## [8114,] 21 79
## [8115,] 25 75
## [8116,] 66 34
## [8117,] 35 65
## [8118,] 95 5
## [8119,] 0 100
## [8120,] 100 0
## [8121,] 100 0
## [8122,] 91 9
## [8123,] 1 99
## [8124,] 100 0
## [8125,] 100 0
## [8126,] 100 0
## [8127,] 36 64
## [8128,] 96 4
## [8129,] 100 0
## [8130,] 100 0
## [8131,] 58 42
## [8132,] 100 0
## [8133,] 100 0
## [8134,] 100 0
## [8135,] 0 100
## [8136,] 97 3
## [8137,] 100 0
## [8138,] 90 10
## [8139,] 100 0
## [8140,] 19 81
## [8141,] 100 0
## [8142,] 100 0
## [8143,] 100 0
## [8144,] 100 0
## [8145,] 79 21
## [8146,] 84 16
## [8147,] 78 22
## [8148,] 66 34
## [8149,] 100 0
## [8150,] 100 0
## [8151,] 100 0
## [8152,] 100 0
## [8153,] 0 100
## [8154,] 100 0
## [8155,] 83 17
## [8156,] 100 0
## [8157,] 100 0
## [8158,] 100 0
## [8159,] 100 0
## [8160,] 100 0
## [8161,] 95 5
## [8162,] 100 0
## [8163,] 100 0
## [8164,] 99 1
## [8165,] 100 0
## [8166,] 100 0
## [8167,] 1 99
## [8168,] 39 61
## [8169,] 100 0
## [8170,] 83 17
## [8171,] 55 45
## [8172,] 0 100
## [8173,] 100 0
## [8174,] 50 50
## [8175,] 100 0
## [8176,] 100 0
## [8177,] 29 71
## [8178,] 100 0
## [8179,] 80 20
## [8180,] 100 0
## [8181,] 100 0
## [8182,] 81 19
## [8183,] 100 0
## [8184,] 100 0
## [8185,] 40 60
## [8186,] 100 0
## [8187,] 0 100
## [8188,] 0 100
## [8189,] 100 0
## [8190,] 100 0
## [8191,] 47 53
## [8192,] 82 18
## [8193,] 48 52
## [8194,] 100 0
## [8195,] 100 0
## [8196,] 100 0
## [8197,] 0 100
## [8198,] 100 0
## [8199,] 100 0
## [8200,] 100 0
## [8201,] 19 81
## [8202,] 100 0
## [8203,] 0 100
## [8204,] 98 2
## [8205,] 79 21
## [8206,] 100 0
## [8207,] 50 50
## [8208,] 76 24
## [8209,] 100 0
## [8210,] 94 6
## [8211,] 48 52
## [8212,] 97 3
## [8213,] 80 20
## [8214,] 40 60
## [8215,] 100 0
## [8216,] 52 48
## [8217,] 43 57
## [8218,] 1 99
## [8219,] 0 100
## [8220,] 100 0
## [8221,] 100 0
## [8222,] 19 81
## [8223,] 100 0
## [8224,] 100 0
## [8225,] 100 0
## [8226,] 100 0
## [8227,] 100 0
## [8228,] 100 0
## [8229,] 81 19
## [8230,] 100 0
## [8231,] 48 52
## [8232,] 83 17
## [8233,] 100 0
## [8234,] 100 0
## [8235,] 100 0
## [8236,] 98 2
## [8237,] 96 4
## [8238,] 100 0
## [8239,] 100 0
## [8240,] 88 12
## [8241,] 100 0
## [8242,] 100 0
## [8243,] 100 0
## [8244,] 19 81
## [8245,] 100 0
## [8246,] 100 0
## [8247,] 100 0
## [8248,] 94 6
## [8249,] 93 7
## [8250,] 100 0
## [8251,] 100 0
## [8252,] 100 0
## [8253,] 88 12
## [8254,] 100 0
## [8255,] 1 99
## [8256,] 100 0
## [8257,] 23 77
## [8258,] 100 0
## [8259,] 85 15
## [8260,] 41 59
## [8261,] 32 68
## [8262,] 100 0
## [8263,] 49 51
## [8264,] 100 0
## [8265,] 100 0
## [8266,] 100 0
## [8267,] 66 34
## [8268,] 78 22
## [8269,] 100 0
## [8270,] 0 100
## [8271,] 100 0
## [8272,] 100 0
## [8273,] 0 100
## [8274,] 100 0
## [8275,] 94 6
## [8276,] 74 26
## [8277,] 100 0
## [8278,] 100 0
## [8279,] 100 0
## [8280,] 13 87
## [8281,] 100 0
## [8282,] 100 0
## [8283,] 100 0
## [8284,] 87 13
## [8285,] 100 0
## [8286,] 0 100
## [8287,] 55 45
## [8288,] 100 0
## [8289,] 100 0
## [8290,] 0 100
## [8291,] 100 0
## [8292,] 0 100
## [8293,] 100 0
## [8294,] 29 71
## [8295,] 0 100
## [8296,] 100 0
## [8297,] 100 0
## [8298,] 100 0
## [8299,] 73 27
## [8300,] 100 0
## [8301,] 100 0
## [8302,] 100 0
## [8303,] 100 0
## [8304,] 100 0
## [8305,] 100 0
## [8306,] 1 99
## [8307,] 99 1
## [8308,] 82 18
## [8309,] 100 0
## [8310,] 83 17
## [8311,] 100 0
## [8312,] 100 0
## [8313,] 1 99
## [8314,] 100 0
## [8315,] 100 0
## [8316,] 100 0
## [8317,] 100 0
## [8318,] 100 0
## [8319,] 41 59
## [8320,] 100 0
## [8321,] 100 0
## [8322,] 100 0
## [8323,] 100 0
## [8324,] 100 0
## [8325,] 100 0
## [8326,] 100 0
## [8327,] 100 0
## [8328,] 85 15
## [8329,] 68 32
## [8330,] 100 0
## [8331,] 0 100
## [8332,] 11 89
## [8333,] 100 0
## [8334,] 100 0
## [8335,] 0 100
## [8336,] 0 100
## [8337,] 100 0
## [8338,] 100 0
## [8339,] 94 6
## [8340,] 100 0
## [8341,] 100 0
## [8342,] 100 0
## [8343,] 100 0
## [8344,] 46 54
## [8345,] 100 0
## [8346,] 44 56
## [8347,] 0 100
## [8348,] 100 0
## [8349,] 12 88
## [8350,] 57 43
## [8351,] 100 0
## [8352,] 56 44
## [8353,] 100 0
## [8354,] 100 0
## [8355,] 82 18
## [8356,] 96 4
## [8357,] 0 100
## [8358,] 100 0
## [8359,] 100 0
## [8360,] 100 0
## [8361,] 0 100
## [8362,] 75 25
## [8363,] 100 0
## [8364,] 5 95
## [8365,] 48 52
## [8366,] 90 10
## [8367,] 100 0
## [8368,] 100 0
## [8369,] 100 0
## [8370,] 66 34
## [8371,] 32 68
## [8372,] 100 0
## [8373,] 100 0
## [8374,] 100 0
## [8375,] 100 0
## [8376,] 100 0
## [8377,] 100 0
## [8378,] 21 79
## [8379,] 48 52
## [8380,] 100 0
## [8381,] 100 0
## [8382,] 100 0
## [8383,] 0 100
## [8384,] 100 0
## [8385,] 100 0
## [8386,] 100 0
## [8387,] 76 24
## [8388,] 100 0
## [8389,] 100 0
## [8390,] 58 42
## [8391,] 100 0
## [8392,] 71 29
## [8393,] 100 0
## [8394,] 19 81
## [8395,] 100 0
## [8396,] 100 0
## [8397,] 100 0
## [8398,] 100 0
## [8399,] 96 4
## [8400,] 100 0
## [8401,] 100 0
## [8402,] 100 0
## [8403,] 56 44
## [8404,] 75 25
## [8405,] 100 0
## [8406,] 100 0
## [8407,] 100 0
## [8408,] 100 0
## [8409,] 100 0
## [8410,] 55 45
## [8411,] 100 0
## [8412,] 4 96
## [8413,] 100 0
## [8414,] 80 20
## [8415,] 0 100
## [8416,] 100 0
## [8417,] 100 0
## [8418,] 1 99
## [8419,] 100 0
## [8420,] 33 67
## [8421,] 100 0
## [8422,] 100 0
## [8423,] 98 2
## [8424,] 100 0
## [8425,] 7 93
## [8426,] 100 0
## [8427,] 100 0
## [8428,] 100 0
## [8429,] 100 0
## [8430,] 100 0
## [8431,] 53 47
## [8432,] 100 0
## [8433,] 98 2
## [8434,] 83 17
## [8435,] 99 1
## [8436,] 100 0
## [8437,] 0 100
## [8438,] 91 9
## [8439,] 100 0
## [8440,] 100 0
## [8441,] 100 0
## [8442,] 44 56
## [8443,] 72 28
## [8444,] 92 8
## [8445,] 100 0
## [8446,] 100 0
## [8447,] 100 0
## [8448,] 100 0
## [8449,] 90 10
## [8450,] 0 100
## [8451,] 100 0
## [8452,] 3 97
## [8453,] 88 12
## [8454,] 100 0
## [8455,] 0 100
## [8456,] 95 5
## [8457,] 7 93
## [8458,] 99 1
## [8459,] 100 0
## [8460,] 100 0
## [8461,] 100 0
## [8462,] 9 91
## [8463,] 0 100
## [8464,] 100 0
## [8465,] 100 0
## [8466,] 73 27
## [8467,] 100 0
## [8468,] 100 0
## [8469,] 100 0
## [8470,] 100 0
## [8471,] 100 0
## [8472,] 100 0
## [8473,] 0 100
## [8474,] 50 50
## [8475,] 64 36
## [8476,] 100 0
## [8477,] 100 0
## [8478,] 100 0
## [8479,] 100 0
## [8480,] 100 0
## [8481,] 96 4
## [8482,] 100 0
## [8483,] 100 0
## [8484,] 100 0
## [8485,] 100 0
## [8486,] 98 2
## [8487,] 100 0
## [8488,] 100 0
## [8489,] 100 0
## [8490,] 100 0
## [8491,] 96 4
## [8492,] 100 0
## [8493,] 100 0
## [8494,] 100 0
## [8495,] 100 0
## [8496,] 100 0
## [8497,] 58 42
## [8498,] 1 99
## [8499,] 80 20
## [8500,] 0 100
## [8501,] 0 100
## [8502,] 100 0
## [8503,] 100 0
## [8504,] 94 6
## [8505,] 100 0
## [8506,] 100 0
## [8507,] 0 100
## [8508,] 100 0
## [8509,] 100 0
## [8510,] 2 98
## [8511,] 100 0
## [8512,] 2 98
## [8513,] 100 0
## [8514,] 20 80
## [8515,] 100 0
## [8516,] 64 36
## [8517,] 16 84
## [8518,] 1 99
## [8519,] 88 12
## [8520,] 88 12
## [8521,] 80 20
## [8522,] 80 20
## [8523,] 86 14
## [8524,] 0 100
## [8525,] 100 0
## [8526,] 100 0
## [8527,] 0 100
## [8528,] 0 100
## [8529,] 100 0
## [8530,] 0 100
## [8531,] 80 20
## [8532,] 100 0
## [8533,] 100 0
## [8534,] 97 3
## [8535,] 100 0
## [8536,] 100 0
## [8537,] 0 100
## [8538,] 43 57
## [8539,] 100 0
## [8540,] 100 0
## [8541,] 100 0
## [8542,] 100 0
## [8543,] 100 0
## [8544,] 52 48
## [8545,] 20 80
## [8546,] 100 0
## [8547,] 100 0
## [8548,] 75 25
## [8549,] 79 21
## [8550,] 100 0
## [8551,] 56 44
## [8552,] 100 0
## [8553,] 100 0
## [8554,] 83 17
## [8555,] 100 0
## [8556,] 100 0
## [8557,] 44 56
## [8558,] 100 0
## [8559,] 100 0
## [8560,] 44 56
## [8561,] 100 0
## [8562,] 100 0
## [8563,] 32 68
## [8564,] 100 0
## [8565,] 100 0
## [8566,] 100 0
## [8567,] 45 55
## [8568,] 100 0
## [8569,] 100 0
## [8570,] 100 0
## [8571,] 100 0
## [8572,] 100 0
## [8573,] 100 0
## [8574,] 100 0
## [8575,] 5 95
## [8576,] 100 0
## [8577,] 83 17
## [8578,] 52 48
## [8579,] 100 0
## [8580,] 100 0
## [8581,] 100 0
## [8582,] 98 2
## [8583,] 100 0
## [8584,] 39 61
## [8585,] 1 99
## [8586,] 32 68
## [8587,] 100 0
## [8588,] 98 2
## [8589,] 97 3
## [8590,] 100 0
## [8591,] 100 0
## [8592,] 100 0
## [8593,] 100 0
## [8594,] 29 71
## [8595,] 100 0
## [8596,] 3 97
## [8597,] 100 0
## [8598,] 100 0
## [8599,] 100 0
## [8600,] 94 6
## [8601,] 100 0
## [8602,] 10 90
## [8603,] 0 100
## [8604,] 90 10
## [8605,] 48 52
## [8606,] 100 0
## [8607,] 100 0
## [8608,] 100 0
## [8609,] 21 79
## [8610,] 100 0
## [8611,] 100 0
## [8612,] 100 0
## [8613,] 100 0
## [8614,] 100 0
## [8615,] 100 0
## [8616,] 100 0
## [8617,] 100 0
## [8618,] 100 0
## [8619,] 100 0
## [8620,] 80 20
## [8621,] 100 0
## [8622,] 100 0
## [8623,] 27 73
## [8624,] 100 0
## [8625,] 100 0
## [8626,] 11 89
## [8627,] 100 0
## [8628,] 100 0
## [8629,] 100 0
## [8630,] 10 90
## [8631,] 100 0
## [8632,] 100 0
## [8633,] 0 100
## [8634,] 15 85
## [8635,] 100 0
## [8636,] 100 0
## [8637,] 100 0
## [8638,] 100 0
## [8639,] 100 0
## [8640,] 62 38
## [8641,] 100 0
## [8642,] 0 100
## [8643,] 100 0
## [8644,] 100 0
## [8645,] 0 100
## [8646,] 100 0
## [8647,] 94 6
## [8648,] 100 0
## [8649,] 100 0
## [8650,] 100 0
## [8651,] 19 81
## [8652,] 96 4
## [8653,] 100 0
## [8654,] 58 42
## [8655,] 83 17
## [8656,] 83 17
## [8657,] 100 0
## [8658,] 100 0
## [8659,] 95 5
## [8660,] 100 0
## [8661,] 54 46
## [8662,] 0 100
## [8663,] 100 0
## [8664,] 17 83
## [8665,] 10 90
## [8666,] 97 3
## [8667,] 29 71
## [8668,] 0 100
## [8669,] 100 0
## [8670,] 100 0
## [8671,] 100 0
## [8672,] 100 0
## [8673,] 100 0
## [8674,] 100 0
## [8675,] 100 0
## [8676,] 100 0
## [8677,] 100 0
## [8678,] 100 0
## [8679,] 14 86
## [8680,] 84 16
## [8681,] 100 0
## [8682,] 0 100
## [8683,] 56 44
## [8684,] 100 0
## [8685,] 52 48
## [8686,] 13 87
## [8687,] 0 100
## [8688,] 100 0
## [8689,] 100 0
## [8690,] 100 0
## [8691,] 100 0
## [8692,] 96 4
## [8693,] 100 0
## [8694,] 65 35
## [8695,] 100 0
## [8696,] 100 0
## [8697,] 100 0
## [8698,] 100 0
## [8699,] 1 99
## [8700,] 48 52
## [8701,] 90 10
## [8702,] 96 4
## [8703,] 100 0
## [8704,] 0 100
## [8705,] 100 0
## [8706,] 50 50
## [8707,] 51 49
## [8708,] 66 34
## [8709,] 100 0
## [8710,] 100 0
## [8711,] 100 0
## [8712,] 45 55
## [8713,] 100 0
## [8714,] 100 0
## [8715,] 45 55
## [8716,] 100 0
## [8717,] 100 0
## [8718,] 49 51
## [8719,] 100 0
## [8720,] 100 0
## [8721,] 79 21
## [8722,] 97 3
## [8723,] 100 0
## [8724,] 83 17
## [8725,] 100 0
## [8726,] 100 0
## [8727,] 13 87
## [8728,] 100 0
## [8729,] 89 11
## [8730,] 1 99
## [8731,] 100 0
## [8732,] 20 80
## [8733,] 3 97
## [8734,] 100 0
## [8735,] 100 0
## [8736,] 1 99
## [8737,] 100 0
## [8738,] 0 100
## [8739,] 100 0
## [8740,] 100 0
## [8741,] 100 0
## [8742,] 100 0
## [8743,] 100 0
## [8744,] 100 0
## [8745,] 100 0
## [8746,] 100 0
## [8747,] 100 0
## [8748,] 100 0
## [8749,] 0 100
## [8750,] 100 0
## [8751,] 100 0
## [8752,] 93 7
## [8753,] 0 100
## [8754,] 5 95
## [8755,] 84 16
## [8756,] 100 0
## [8757,] 75 25
## [8758,] 65 35
## [8759,] 100 0
## [8760,] 100 0
## [8761,] 94 6
## [8762,] 1 99
## [8763,] 100 0
## [8764,] 100 0
## [8765,] 100 0
## [8766,] 100 0
## [8767,] 94 6
## [8768,] 100 0
## [8769,] 100 0
## [8770,] 100 0
## [8771,] 100 0
## [8772,] 100 0
## [8773,] 99 1
## [8774,] 100 0
## [8775,] 100 0
## [8776,] 100 0
## [8777,] 100 0
## [8778,] 94 6
## [8779,] 81 19
## [8780,] 98 2
## [8781,] 100 0
## [8782,] 100 0
## [8783,] 21 79
## [8784,] 100 0
## [8785,] 100 0
## [8786,] 18 82
## [8787,] 100 0
## [8788,] 100 0
## [8789,] 0 100
## [8790,] 47 53
## [8791,] 100 0
## [8792,] 100 0
## [8793,] 26 74
## [8794,] 100 0
## [8795,] 94 6
## [8796,] 0 100
## [8797,] 100 0
## [8798,] 98 2
## [8799,] 100 0
## [8800,] 79 21
## [8801,] 100 0
## [8802,] 100 0
## [8803,] 100 0
## [8804,] 0 100
## [8805,] 100 0
## [8806,] 0 100
## [8807,] 100 0
## [8808,] 100 0
## [8809,] 100 0
## [8810,] 0 100
## [8811,] 98 2
## [8812,] 100 0
## [8813,] 18 82
## [8814,] 100 0
## [8815,] 100 0
## [8816,] 100 0
## [8817,] 73 27
## [8818,] 69 31
## [8819,] 100 0
## [8820,] 49 51
## [8821,] 100 0
## [8822,] 79 21
## [8823,] 100 0
## [8824,] 100 0
## [8825,] 68 32
## [8826,] 24 76
## [8827,] 75 25
## [8828,] 100 0
## [8829,] 42 58
## [8830,] 1 99
## [8831,] 100 0
## [8832,] 100 0
## [8833,] 100 0
## [8834,] 100 0
## [8835,] 100 0
## [8836,] 73 27
## [8837,] 100 0
## [8838,] 100 0
## [8839,] 100 0
## [8840,] 100 0
## [8841,] 100 0
## [8842,] 100 0
## [8843,] 100 0
## [8844,] 100 0
## [8845,] 100 0
## [8846,] 95 5
## [8847,] 20 80
## [8848,] 80 20
## [8849,] 80 20
## [8850,] 100 0
## [8851,] 83 17
## [8852,] 100 0
## [8853,] 25 75
## [8854,] 45 55
## [8855,] 0 100
## [8856,] 100 0
## [8857,] 35 65
## [8858,] 100 0
## [8859,] 100 0
## [8860,] 56 44
## [8861,] 100 0
## [8862,] 0 100
## [8863,] 100 0
## [8864,] 100 0
## [8865,] 100 0
## [8866,] 95 5
## [8867,] 95 5
## [8868,] 100 0
## [8869,] 69 31
## [8870,] 100 0
## [8871,] 33 67
## [8872,] 100 0
## [8873,] 100 0
## [8874,] 0 100
## [8875,] 66 34
## [8876,] 80 20
## [8877,] 100 0
## [8878,] 100 0
## [8879,] 100 0
## [8880,] 100 0
## [8881,] 100 0
## [8882,] 61 39
## [8883,] 60 40
## [8884,] 100 0
## [8885,] 100 0
## [8886,] 100 0
## [8887,] 84 16
## [8888,] 94 6
## [8889,] 100 0
## [8890,] 88 12
## [8891,] 100 0
## [8892,] 48 52
## [8893,] 100 0
## [8894,] 100 0
## [8895,] 82 18
## [8896,] 100 0
## [8897,] 100 0
## [8898,] 100 0
## [8899,] 100 0
## [8900,] 100 0
## [8901,] 100 0
## [8902,] 97 3
## [8903,] 100 0
## [8904,] 100 0
## [8905,] 100 0
## [8906,] 56 44
## [8907,] 39 61
## [8908,] 100 0
## [8909,] 50 50
## [8910,] 100 0
## [8911,] 100 0
## [8912,] 46 54
## [8913,] 100 0
## [8914,] 0 100
## [8915,] 4 96
## [8916,] 100 0
## [8917,] 81 19
## [8918,] 0 100
## [8919,] 100 0
## [8920,] 100 0
## [8921,] 100 0
## [8922,] 78 22
## [8923,] 53 47
## [8924,] 0 100
## [8925,] 90 10
## [8926,] 100 0
## [8927,] 100 0
## [8928,] 96 4
## [8929,] 85 15
## [8930,] 100 0
## [8931,] 0 100
##
## $prob
## [,1] [,2]
## [1,] 0.00 1.00
## [2,] 0.00 1.00
## [3,] 0.20 0.80
## [4,] 0.02 0.98
## [5,] 0.00 1.00
## [6,] 0.00 1.00
## [7,] 0.00 1.00
## [8,] 0.00 1.00
## [9,] 0.00 1.00
## [10,] 0.00 1.00
## [11,] 0.00 1.00
## [12,] 0.27 0.73
## [13,] 0.00 1.00
## [14,] 0.00 1.00
## [15,] 0.29 0.71
## [16,] 0.63 0.37
## [17,] 0.00 1.00
## [18,] 0.00 1.00
## [19,] 0.00 1.00
## [20,] 0.00 1.00
## [21,] 0.39 0.61
## [22,] 0.00 1.00
## [23,] 0.27 0.73
## [24,] 0.00 1.00
## [25,] 0.04 0.96
## [26,] 0.00 1.00
## [27,] 0.04 0.96
## [28,] 0.00 1.00
## [29,] 0.02 0.98
## [30,] 0.29 0.71
## [31,] 0.23 0.77
## [32,] 0.83 0.17
## [33,] 0.00 1.00
## [34,] 0.00 1.00
## [35,] 0.00 1.00
## [36,] 0.00 1.00
## [37,] 0.00 1.00
## [38,] 0.00 1.00
## [39,] 0.00 1.00
## [40,] 0.41 0.59
## [41,] 0.00 1.00
## [42,] 0.00 1.00
## [43,] 0.00 1.00
## [44,] 0.00 1.00
## [45,] 0.00 1.00
## [46,] 0.00 1.00
## [47,] 0.00 1.00
## [48,] 0.00 1.00
## [49,] 0.00 1.00
## [50,] 0.00 1.00
## [51,] 0.00 1.00
## [52,] 0.00 1.00
## [53,] 0.00 1.00
## [54,] 0.00 1.00
## [55,] 0.39 0.61
## [56,] 0.28 0.72
## [57,] 0.00 1.00
## [58,] 0.29 0.71
## [59,] 0.00 1.00
## [60,] 0.00 1.00
## [61,] 0.00 1.00
## [62,] 0.00 1.00
## [63,] 0.00 1.00
## [64,] 0.29 0.71
## [65,] 0.00 1.00
## [66,] 0.00 1.00
## [67,] 0.00 1.00
## [68,] 0.00 1.00
## [69,] 0.00 1.00
## [70,] 0.00 1.00
## [71,] 0.00 1.00
## [72,] 0.00 1.00
## [73,] 0.00 1.00
## [74,] 0.00 1.00
## [75,] 0.00 1.00
## [76,] 0.00 1.00
## [77,] 0.00 1.00
## [78,] 0.19 0.81
## [79,] 0.00 1.00
## [80,] 0.25 0.75
## [81,] 0.00 1.00
## [82,] 0.00 1.00
## [83,] 0.20 0.80
## [84,] 0.63 0.37
## [85,] 0.00 1.00
## [86,] 0.00 1.00
## [87,] 0.00 1.00
## [88,] 1.00 0.00
## [89,] 0.00 1.00
## [90,] 0.00 1.00
## [91,] 0.04 0.96
## [92,] 0.00 1.00
## [93,] 0.00 1.00
## [94,] 0.23 0.77
## [95,] 0.00 1.00
## [96,] 0.00 1.00
## [97,] 0.00 1.00
## [98,] 0.79 0.21
## [99,] 0.00 1.00
## [100,] 0.04 0.96
## [101,] 0.29 0.71
## [102,] 0.00 1.00
## [103,] 0.00 1.00
## [104,] 0.00 1.00
## [105,] 0.00 1.00
## [106,] 0.27 0.73
## [107,] 0.00 1.00
## [108,] 0.00 1.00
## [109,] 0.00 1.00
## [110,] 0.00 1.00
## [111,] 0.00 1.00
## [112,] 0.20 0.80
## [113,] 0.20 0.80
## [114,] 0.00 1.00
## [115,] 0.00 1.00
## [116,] 0.79 0.21
## [117,] 0.00 1.00
## [118,] 0.00 1.00
## [119,] 0.00 1.00
## [120,] 0.00 1.00
## [121,] 0.04 0.96
## [122,] 0.00 1.00
## [123,] 0.00 1.00
## [124,] 0.00 1.00
## [125,] 0.00 1.00
## [126,] 0.00 1.00
## [127,] 0.00 1.00
## [128,] 0.00 1.00
## [129,] 0.00 1.00
## [130,] 0.00 1.00
## [131,] 0.00 1.00
## [132,] 0.00 1.00
## [133,] 0.00 1.00
## [134,] 0.20 0.80
## [135,] 0.27 0.73
## [136,] 0.29 0.71
## [137,] 0.00 1.00
## [138,] 0.00 1.00
## [139,] 0.25 0.75
## [140,] 0.27 0.73
## [141,] 0.00 1.00
## [142,] 0.00 1.00
## [143,] 0.27 0.73
## [144,] 0.00 1.00
## [145,] 0.00 1.00
## [146,] 0.00 1.00
## [147,] 0.00 1.00
## [148,] 0.00 1.00
## [149,] 0.00 1.00
## [150,] 0.00 1.00
## [151,] 0.00 1.00
## [152,] 0.06 0.94
## [153,] 0.00 1.00
## [154,] 0.20 0.80
## [155,] 0.00 1.00
## [156,] 0.00 1.00
## [157,] 0.00 1.00
## [158,] 0.00 1.00
## [159,] 0.00 1.00
## [160,] 0.00 1.00
## [161,] 0.00 1.00
## [162,] 0.00 1.00
## [163,] 1.00 0.00
## [164,] 0.00 1.00
## [165,] 0.00 1.00
## [166,] 0.00 1.00
## [167,] 0.00 1.00
## [168,] 0.27 0.73
## [169,] 0.83 0.17
## [170,] 0.04 0.96
## [171,] 0.00 1.00
## [172,] 0.23 0.77
## [173,] 0.00 1.00
## [174,] 1.00 0.00
## [175,] 0.00 1.00
## [176,] 0.02 0.98
## [177,] 0.25 0.75
## [178,] 0.00 1.00
## [179,] 0.00 1.00
## [180,] 0.79 0.21
## [181,] 0.00 1.00
## [182,] 0.00 1.00
## [183,] 0.00 1.00
## [184,] 0.00 1.00
## [185,] 0.00 1.00
## [186,] 0.00 1.00
## [187,] 0.00 1.00
## [188,] 0.39 0.61
## [189,] 0.00 1.00
## [190,] 0.00 1.00
## [191,] 0.00 1.00
## [192,] 0.07 0.93
## [193,] 0.27 0.73
## [194,] 0.20 0.80
## [195,] 0.00 1.00
## [196,] 0.06 0.94
## [197,] 0.00 1.00
## [198,] 0.27 0.73
## [199,] 0.23 0.77
## [200,] 0.00 1.00
## [201,] 0.00 1.00
## [202,] 0.00 1.00
## [203,] 1.00 0.00
## [204,] 0.00 1.00
## [205,] 0.00 1.00
## [206,] 0.00 1.00
## [207,] 0.00 1.00
## [208,] 0.00 1.00
## [209,] 0.20 0.80
## [210,] 0.06 0.94
## [211,] 0.00 1.00
## [212,] 0.00 1.00
## [213,] 0.00 1.00
## [214,] 0.00 1.00
## [215,] 0.23 0.77
## [216,] 0.00 1.00
## [217,] 0.00 1.00
## [218,] 0.00 1.00
## [219,] 0.00 1.00
## [220,] 0.85 0.15
## [221,] 0.00 1.00
## [222,] 0.52 0.48
## [223,] 0.51 0.49
## [224,] 0.04 0.96
## [225,] 0.00 1.00
## [226,] 0.00 1.00
## [227,] 0.93 0.07
## [228,] 0.00 1.00
## [229,] 0.00 1.00
## [230,] 0.00 1.00
## [231,] 0.00 1.00
## [232,] 0.00 1.00
## [233,] 0.00 1.00
## [234,] 0.39 0.61
## [235,] 0.00 1.00
## [236,] 0.00 1.00
## [237,] 0.20 0.80
## [238,] 0.00 1.00
## [239,] 0.00 1.00
## [240,] 0.00 1.00
## [241,] 0.00 1.00
## [242,] 0.20 0.80
## [243,] 0.00 1.00
## [244,] 0.20 0.80
## [245,] 0.00 1.00
## [246,] 0.00 1.00
## [247,] 0.04 0.96
## [248,] 0.00 1.00
## [249,] 0.20 0.80
## [250,] 0.00 1.00
## [251,] 0.00 1.00
## [252,] 0.51 0.49
## [253,] 0.29 0.71
## [254,] 0.00 1.00
## [255,] 0.10 0.90
## [256,] 0.00 1.00
## [257,] 0.00 1.00
## [258,] 0.00 1.00
## [259,] 0.25 0.75
## [260,] 0.27 0.73
## [261,] 0.00 1.00
## [262,] 0.01 0.99
## [263,] 0.00 1.00
## [264,] 0.00 1.00
## [265,] 0.00 1.00
## [266,] 0.92 0.08
## [267,] 0.00 1.00
## [268,] 0.00 1.00
## [269,] 0.00 1.00
## [270,] 0.00 1.00
## [271,] 0.10 0.90
## [272,] 0.00 1.00
## [273,] 0.00 1.00
## [274,] 0.00 1.00
## [275,] 0.00 1.00
## [276,] 0.00 1.00
## [277,] 0.00 1.00
## [278,] 0.20 0.80
## [279,] 0.04 0.96
## [280,] 0.00 1.00
## [281,] 0.00 1.00
## [282,] 0.00 1.00
## [283,] 0.00 1.00
## [284,] 0.84 0.16
## [285,] 0.00 1.00
## [286,] 0.00 1.00
## [287,] 0.79 0.21
## [288,] 0.00 1.00
## [289,] 0.00 1.00
## [290,] 0.25 0.75
## [291,] 0.23 0.77
## [292,] 0.00 1.00
## [293,] 0.20 0.80
## [294,] 0.00 1.00
## [295,] 0.27 0.73
## [296,] 0.00 1.00
## [297,] 0.00 1.00
## [298,] 0.00 1.00
## [299,] 0.30 0.70
## [300,] 0.02 0.98
## [301,] 0.28 0.72
## [302,] 0.01 0.99
## [303,] 0.00 1.00
## [304,] 0.39 0.61
## [305,] 0.20 0.80
## [306,] 0.01 0.99
## [307,] 0.20 0.80
## [308,] 0.00 1.00
## [309,] 0.04 0.96
## [310,] 0.00 1.00
## [311,] 0.00 1.00
## [312,] 0.43 0.57
## [313,] 0.00 1.00
## [314,] 0.00 1.00
## [315,] 0.00 1.00
## [316,] 0.00 1.00
## [317,] 0.20 0.80
## [318,] 0.00 1.00
## [319,] 0.00 1.00
## [320,] 0.00 1.00
## [321,] 0.00 1.00
## [322,] 0.00 1.00
## [323,] 0.01 0.99
## [324,] 0.00 1.00
## [325,] 0.01 0.99
## [326,] 0.01 0.99
## [327,] 0.00 1.00
## [328,] 0.11 0.89
## [329,] 0.00 1.00
## [330,] 0.00 1.00
## [331,] 0.00 1.00
## [332,] 0.00 1.00
## [333,] 0.00 1.00
## [334,] 0.00 1.00
## [335,] 0.00 1.00
## [336,] 0.00 1.00
## [337,] 0.01 0.99
## [338,] 0.00 1.00
## [339,] 0.00 1.00
## [340,] 0.28 0.72
## [341,] 0.00 1.00
## [342,] 0.01 0.99
## [343,] 0.50 0.50
## [344,] 0.00 1.00
## [345,] 0.00 1.00
## [346,] 0.00 1.00
## [347,] 0.00 1.00
## [348,] 0.00 1.00
## [349,] 0.00 1.00
## [350,] 0.00 1.00
## [351,] 0.00 1.00
## [352,] 0.00 1.00
## [353,] 0.00 1.00
## [354,] 0.08 0.92
## [355,] 0.02 0.98
## [356,] 0.00 1.00
## [357,] 0.00 1.00
## [358,] 0.00 1.00
## [359,] 0.00 1.00
## [360,] 0.00 1.00
## [361,] 0.00 1.00
## [362,] 0.00 1.00
## [363,] 0.00 1.00
## [364,] 0.00 1.00
## [365,] 0.00 1.00
## [366,] 0.00 1.00
## [367,] 0.00 1.00
## [368,] 0.00 1.00
## [369,] 0.26 0.74
## [370,] 0.00 1.00
## [371,] 0.00 1.00
## [372,] 0.00 1.00
## [373,] 0.00 1.00
## [374,] 0.00 1.00
## [375,] 0.00 1.00
## [376,] 0.00 1.00
## [377,] 0.17 0.83
## [378,] 0.00 1.00
## [379,] 0.00 1.00
## [380,] 0.00 1.00
## [381,] 0.00 1.00
## [382,] 0.00 1.00
## [383,] 0.00 1.00
## [384,] 0.00 1.00
## [385,] 0.00 1.00
## [386,] 0.00 1.00
## [387,] 0.00 1.00
## [388,] 0.00 1.00
## [389,] 0.00 1.00
## [390,] 0.00 1.00
## [391,] 0.00 1.00
## [392,] 0.00 1.00
## [393,] 0.73 0.27
## [394,] 0.00 1.00
## [395,] 0.00 1.00
## [396,] 0.00 1.00
## [397,] 0.00 1.00
## [398,] 0.00 1.00
## [399,] 0.00 1.00
## [400,] 0.00 1.00
## [401,] 0.00 1.00
## [402,] 0.01 0.99
## [403,] 0.00 1.00
## [404,] 0.00 1.00
## [405,] 0.00 1.00
## [406,] 0.00 1.00
## [407,] 0.00 1.00
## [408,] 0.01 0.99
## [409,] 0.00 1.00
## [410,] 0.96 0.04
## [411,] 0.01 0.99
## [412,] 0.00 1.00
## [413,] 0.00 1.00
## [414,] 0.00 1.00
## [415,] 0.00 1.00
## [416,] 0.00 1.00
## [417,] 0.00 1.00
## [418,] 0.00 1.00
## [419,] 0.00 1.00
## [420,] 0.00 1.00
## [421,] 0.01 0.99
## [422,] 0.00 1.00
## [423,] 0.00 1.00
## [424,] 0.00 1.00
## [425,] 0.00 1.00
## [426,] 0.00 1.00
## [427,] 0.00 1.00
## [428,] 0.00 1.00
## [429,] 0.00 1.00
## [430,] 0.00 1.00
## [431,] 0.00 1.00
## [432,] 0.00 1.00
## [433,] 0.01 0.99
## [434,] 0.00 1.00
## [435,] 0.00 1.00
## [436,] 0.00 1.00
## [437,] 0.00 1.00
## [438,] 0.00 1.00
## [439,] 0.00 1.00
## [440,] 0.00 1.00
## [441,] 0.00 1.00
## [442,] 0.00 1.00
## [443,] 0.00 1.00
## [444,] 0.00 1.00
## [445,] 0.00 1.00
## [446,] 0.00 1.00
## [447,] 0.00 1.00
## [448,] 0.98 0.02
## [449,] 0.00 1.00
## [450,] 0.00 1.00
## [451,] 0.00 1.00
## [452,] 0.00 1.00
## [453,] 0.00 1.00
## [454,] 0.41 0.59
## [455,] 0.01 0.99
## [456,] 0.43 0.57
## [457,] 0.00 1.00
## [458,] 0.20 0.80
## [459,] 0.00 1.00
## [460,] 0.00 1.00
## [461,] 0.00 1.00
## [462,] 0.00 1.00
## [463,] 0.00 1.00
## [464,] 0.00 1.00
## [465,] 0.18 0.82
## [466,] 0.00 1.00
## [467,] 0.00 1.00
## [468,] 0.00 1.00
## [469,] 0.00 1.00
## [470,] 0.00 1.00
## [471,] 0.00 1.00
## [472,] 0.00 1.00
## [473,] 0.00 1.00
## [474,] 0.34 0.66
## [475,] 0.00 1.00
## [476,] 0.00 1.00
## [477,] 0.00 1.00
## [478,] 0.00 1.00
## [479,] 0.00 1.00
## [480,] 0.00 1.00
## [481,] 0.00 1.00
## [482,] 0.00 1.00
## [483,] 0.00 1.00
## [484,] 0.17 0.83
## [485,] 0.00 1.00
## [486,] 0.00 1.00
## [487,] 0.00 1.00
## [488,] 0.00 1.00
## [489,] 0.49 0.51
## [490,] 0.00 1.00
## [491,] 0.00 1.00
## [492,] 0.00 1.00
## [493,] 0.00 1.00
## [494,] 0.00 1.00
## [495,] 0.00 1.00
## [496,] 0.00 1.00
## [497,] 0.00 1.00
## [498,] 0.00 1.00
## [499,] 0.00 1.00
## [500,] 0.00 1.00
## [501,] 0.00 1.00
## [502,] 0.00 1.00
## [503,] 0.00 1.00
## [504,] 0.00 1.00
## [505,] 0.00 1.00
## [506,] 0.00 1.00
## [507,] 0.00 1.00
## [508,] 0.12 0.88
## [509,] 0.00 1.00
## [510,] 0.01 0.99
## [511,] 0.00 1.00
## [512,] 0.11 0.89
## [513,] 0.01 0.99
## [514,] 0.00 1.00
## [515,] 0.00 1.00
## [516,] 0.00 1.00
## [517,] 0.00 1.00
## [518,] 0.00 1.00
## [519,] 0.04 0.96
## [520,] 0.00 1.00
## [521,] 0.00 1.00
## [522,] 0.00 1.00
## [523,] 0.11 0.89
## [524,] 0.00 1.00
## [525,] 0.00 1.00
## [526,] 0.00 1.00
## [527,] 0.00 1.00
## [528,] 0.00 1.00
## [529,] 0.00 1.00
## [530,] 0.00 1.00
## [531,] 0.00 1.00
## [532,] 0.00 1.00
## [533,] 0.00 1.00
## [534,] 0.00 1.00
## [535,] 0.00 1.00
## [536,] 0.00 1.00
## [537,] 0.00 1.00
## [538,] 0.00 1.00
## [539,] 0.00 1.00
## [540,] 0.00 1.00
## [541,] 0.00 1.00
## [542,] 0.00 1.00
## [543,] 0.02 0.98
## [544,] 0.00 1.00
## [545,] 0.00 1.00
## [546,] 0.00 1.00
## [547,] 0.00 1.00
## [548,] 0.00 1.00
## [549,] 0.00 1.00
## [550,] 0.00 1.00
## [551,] 0.00 1.00
## [552,] 0.09 0.91
## [553,] 0.18 0.82
## [554,] 0.00 1.00
## [555,] 0.00 1.00
## [556,] 0.00 1.00
## [557,] 0.00 1.00
## [558,] 0.00 1.00
## [559,] 0.00 1.00
## [560,] 0.04 0.96
## [561,] 0.00 1.00
## [562,] 0.00 1.00
## [563,] 0.00 1.00
## [564,] 0.00 1.00
## [565,] 0.00 1.00
## [566,] 0.00 1.00
## [567,] 0.00 1.00
## [568,] 0.00 1.00
## [569,] 0.00 1.00
## [570,] 0.00 1.00
## [571,] 0.01 0.99
## [572,] 0.30 0.70
## [573,] 0.00 1.00
## [574,] 0.00 1.00
## [575,] 0.45 0.55
## [576,] 0.00 1.00
## [577,] 0.00 1.00
## [578,] 0.00 1.00
## [579,] 0.00 1.00
## [580,] 0.46 0.54
## [581,] 0.00 1.00
## [582,] 0.01 0.99
## [583,] 1.00 0.00
## [584,] 0.00 1.00
## [585,] 0.00 1.00
## [586,] 0.01 0.99
## [587,] 0.00 1.00
## [588,] 0.00 1.00
## [589,] 0.03 0.97
## [590,] 0.00 1.00
## [591,] 0.00 1.00
## [592,] 0.00 1.00
## [593,] 0.00 1.00
## [594,] 0.00 1.00
## [595,] 0.00 1.00
## [596,] 0.00 1.00
## [597,] 0.32 0.68
## [598,] 0.00 1.00
## [599,] 0.00 1.00
## [600,] 0.00 1.00
## [601,] 0.00 1.00
## [602,] 0.00 1.00
## [603,] 0.00 1.00
## [604,] 0.00 1.00
## [605,] 0.00 1.00
## [606,] 0.09 0.91
## [607,] 0.20 0.80
## [608,] 0.00 1.00
## [609,] 0.00 1.00
## [610,] 0.00 1.00
## [611,] 0.00 1.00
## [612,] 0.20 0.80
## [613,] 0.00 1.00
## [614,] 0.10 0.90
## [615,] 0.00 1.00
## [616,] 0.00 1.00
## [617,] 0.00 1.00
## [618,] 0.00 1.00
## [619,] 0.02 0.98
## [620,] 0.01 0.99
## [621,] 0.00 1.00
## [622,] 0.02 0.98
## [623,] 0.00 1.00
## [624,] 0.00 1.00
## [625,] 0.12 0.88
## [626,] 0.00 1.00
## [627,] 0.00 1.00
## [628,] 0.00 1.00
## [629,] 0.00 1.00
## [630,] 0.00 1.00
## [631,] 0.00 1.00
## [632,] 0.00 1.00
## [633,] 0.01 0.99
## [634,] 0.00 1.00
## [635,] 0.00 1.00
## [636,] 0.00 1.00
## [637,] 0.31 0.69
## [638,] 0.00 1.00
## [639,] 0.00 1.00
## [640,] 0.18 0.82
## [641,] 0.00 1.00
## [642,] 0.00 1.00
## [643,] 0.01 0.99
## [644,] 0.00 1.00
## [645,] 0.00 1.00
## [646,] 0.00 1.00
## [647,] 0.00 1.00
## [648,] 0.00 1.00
## [649,] 0.00 1.00
## [650,] 0.00 1.00
## [651,] 0.00 1.00
## [652,] 0.00 1.00
## [653,] 0.00 1.00
## [654,] 0.00 1.00
## [655,] 0.00 1.00
## [656,] 0.00 1.00
## [657,] 0.00 1.00
## [658,] 0.00 1.00
## [659,] 0.00 1.00
## [660,] 0.65 0.35
## [661,] 0.02 0.98
## [662,] 0.01 0.99
## [663,] 0.00 1.00
## [664,] 0.00 1.00
## [665,] 0.00 1.00
## [666,] 0.00 1.00
## [667,] 0.00 1.00
## [668,] 0.00 1.00
## [669,] 0.00 1.00
## [670,] 0.10 0.90
## [671,] 0.00 1.00
## [672,] 0.00 1.00
## [673,] 0.00 1.00
## [674,] 0.00 1.00
## [675,] 0.00 1.00
## [676,] 0.00 1.00
## [677,] 0.00 1.00
## [678,] 0.00 1.00
## [679,] 1.00 0.00
## [680,] 0.00 1.00
## [681,] 0.00 1.00
## [682,] 0.00 1.00
## [683,] 0.01 0.99
## [684,] 0.01 0.99
## [685,] 0.00 1.00
## [686,] 0.00 1.00
## [687,] 0.00 1.00
## [688,] 0.00 1.00
## [689,] 0.00 1.00
## [690,] 0.02 0.98
## [691,] 0.00 1.00
## [692,] 0.00 1.00
## [693,] 0.00 1.00
## [694,] 0.00 1.00
## [695,] 0.28 0.72
## [696,] 0.00 1.00
## [697,] 0.32 0.68
## [698,] 0.24 0.76
## [699,] 0.00 1.00
## [700,] 0.00 1.00
## [701,] 0.00 1.00
## [702,] 0.00 1.00
## [703,] 0.00 1.00
## [704,] 0.00 1.00
## [705,] 0.00 1.00
## [706,] 0.00 1.00
## [707,] 0.00 1.00
## [708,] 0.00 1.00
## [709,] 0.00 1.00
## [710,] 0.00 1.00
## [711,] 0.00 1.00
## [712,] 0.00 1.00
## [713,] 0.32 0.68
## [714,] 0.00 1.00
## [715,] 0.00 1.00
## [716,] 0.02 0.98
## [717,] 0.66 0.34
## [718,] 0.00 1.00
## [719,] 0.00 1.00
## [720,] 0.67 0.33
## [721,] 0.02 0.98
## [722,] 0.01 0.99
## [723,] 0.01 0.99
## [724,] 0.01 0.99
## [725,] 0.00 1.00
## [726,] 0.00 1.00
## [727,] 0.07 0.93
## [728,] 0.01 0.99
## [729,] 0.28 0.72
## [730,] 0.01 0.99
## [731,] 0.01 0.99
## [732,] 0.01 0.99
## [733,] 0.01 0.99
## [734,] 0.01 0.99
## [735,] 0.00 1.00
## [736,] 0.01 0.99
## [737,] 0.54 0.46
## [738,] 0.33 0.67
## [739,] 0.01 0.99
## [740,] 0.01 0.99
## [741,] 0.00 1.00
## [742,] 0.01 0.99
## [743,] 0.00 1.00
## [744,] 0.14 0.86
## [745,] 1.00 0.00
## [746,] 0.02 0.98
## [747,] 0.83 0.17
## [748,] 1.00 0.00
## [749,] 1.00 0.00
## [750,] 1.00 0.00
## [751,] 0.00 1.00
## [752,] 0.88 0.12
## [753,] 0.02 0.98
## [754,] 1.00 0.00
## [755,] 0.02 0.98
## [756,] 1.00 0.00
## [757,] 1.00 0.00
## [758,] 1.00 0.00
## [759,] 1.00 0.00
## [760,] 0.00 1.00
## [761,] 0.00 1.00
## [762,] 0.00 1.00
## [763,] 0.00 1.00
## [764,] 0.00 1.00
## [765,] 0.00 1.00
## [766,] 0.00 1.00
## [767,] 0.00 1.00
## [768,] 0.00 1.00
## [769,] 0.20 0.80
## [770,] 0.00 1.00
## [771,] 0.00 1.00
## [772,] 0.00 1.00
## [773,] 0.00 1.00
## [774,] 0.06 0.94
## [775,] 0.00 1.00
## [776,] 0.00 1.00
## [777,] 0.00 1.00
## [778,] 0.00 1.00
## [779,] 0.00 1.00
## [780,] 0.00 1.00
## [781,] 0.00 1.00
## [782,] 0.00 1.00
## [783,] 0.00 1.00
## [784,] 0.07 0.93
## [785,] 0.00 1.00
## [786,] 0.00 1.00
## [787,] 0.02 0.98
## [788,] 0.00 1.00
## [789,] 0.00 1.00
## [790,] 0.00 1.00
## [791,] 0.00 1.00
## [792,] 0.00 1.00
## [793,] 0.37 0.63
## [794,] 0.00 1.00
## [795,] 0.00 1.00
## [796,] 0.00 1.00
## [797,] 0.14 0.86
## [798,] 0.48 0.52
## [799,] 0.00 1.00
## [800,] 0.00 1.00
## [801,] 0.00 1.00
## [802,] 0.00 1.00
## [803,] 0.00 1.00
## [804,] 0.89 0.11
## [805,] 0.04 0.96
## [806,] 0.00 1.00
## [807,] 0.43 0.57
## [808,] 0.00 1.00
## [809,] 0.91 0.09
## [810,] 0.00 1.00
## [811,] 0.00 1.00
## [812,] 0.00 1.00
## [813,] 0.00 1.00
## [814,] 0.00 1.00
## [815,] 0.50 0.50
## [816,] 0.00 1.00
## [817,] 0.00 1.00
## [818,] 0.00 1.00
## [819,] 0.00 1.00
## [820,] 0.00 1.00
## [821,] 0.00 1.00
## [822,] 0.00 1.00
## [823,] 0.70 0.30
## [824,] 0.00 1.00
## [825,] 0.50 0.50
## [826,] 0.02 0.98
## [827,] 0.01 0.99
## [828,] 0.00 1.00
## [829,] 0.00 1.00
## [830,] 0.00 1.00
## [831,] 0.00 1.00
## [832,] 0.00 1.00
## [833,] 0.00 1.00
## [834,] 0.00 1.00
## [835,] 0.00 1.00
## [836,] 0.00 1.00
## [837,] 0.00 1.00
## [838,] 0.00 1.00
## [839,] 0.00 1.00
## [840,] 0.00 1.00
## [841,] 0.00 1.00
## [842,] 0.00 1.00
## [843,] 0.00 1.00
## [844,] 0.00 1.00
## [845,] 0.00 1.00
## [846,] 0.00 1.00
## [847,] 0.00 1.00
## [848,] 0.00 1.00
## [849,] 0.00 1.00
## [850,] 0.00 1.00
## [851,] 0.00 1.00
## [852,] 0.00 1.00
## [853,] 0.00 1.00
## [854,] 0.43 0.57
## [855,] 0.00 1.00
## [856,] 0.01 0.99
## [857,] 0.67 0.33
## [858,] 0.00 1.00
## [859,] 0.00 1.00
## [860,] 0.00 1.00
## [861,] 0.00 1.00
## [862,] 0.00 1.00
## [863,] 0.26 0.74
## [864,] 0.00 1.00
## [865,] 0.45 0.55
## [866,] 0.00 1.00
## [867,] 0.00 1.00
## [868,] 0.00 1.00
## [869,] 0.00 1.00
## [870,] 0.00 1.00
## [871,] 0.00 1.00
## [872,] 0.00 1.00
## [873,] 0.00 1.00
## [874,] 1.00 0.00
## [875,] 0.01 0.99
## [876,] 0.00 1.00
## [877,] 0.00 1.00
## [878,] 0.00 1.00
## [879,] 0.00 1.00
## [880,] 0.00 1.00
## [881,] 0.00 1.00
## [882,] 0.00 1.00
## [883,] 0.00 1.00
## [884,] 0.00 1.00
## [885,] 0.00 1.00
## [886,] 0.00 1.00
## [887,] 0.00 1.00
## [888,] 0.00 1.00
## [889,] 0.00 1.00
## [890,] 0.00 1.00
## [891,] 0.00 1.00
## [892,] 0.00 1.00
## [893,] 0.00 1.00
## [894,] 0.00 1.00
## [895,] 0.00 1.00
## [896,] 0.00 1.00
## [897,] 0.00 1.00
## [898,] 0.56 0.44
## [899,] 0.00 1.00
## [900,] 0.00 1.00
## [901,] 0.00 1.00
## [902,] 0.04 0.96
## [903,] 0.00 1.00
## [904,] 0.00 1.00
## [905,] 0.19 0.81
## [906,] 0.37 0.63
## [907,] 0.00 1.00
## [908,] 0.00 1.00
## [909,] 0.00 1.00
## [910,] 0.00 1.00
## [911,] 0.38 0.62
## [912,] 0.00 1.00
## [913,] 0.00 1.00
## [914,] 0.00 1.00
## [915,] 0.00 1.00
## [916,] 0.09 0.91
## [917,] 0.65 0.35
## [918,] 0.22 0.78
## [919,] 0.56 0.44
## [920,] 0.14 0.86
## [921,] 0.00 1.00
## [922,] 0.78 0.22
## [923,] 0.57 0.43
## [924,] 0.73 0.27
## [925,] 0.00 1.00
## [926,] 0.44 0.56
## [927,] 0.00 1.00
## [928,] 0.00 1.00
## [929,] 0.01 0.99
## [930,] 0.72 0.28
## [931,] 0.19 0.81
## [932,] 0.00 1.00
## [933,] 0.00 1.00
## [934,] 0.56 0.44
## [935,] 0.77 0.23
## [936,] 0.73 0.27
## [937,] 0.00 1.00
## [938,] 0.00 1.00
## [939,] 0.73 0.27
## [940,] 0.00 1.00
## [941,] 0.56 0.44
## [942,] 0.00 1.00
## [943,] 0.51 0.49
## [944,] 0.00 1.00
## [945,] 0.00 1.00
## [946,] 0.00 1.00
## [947,] 0.56 0.44
## [948,] 0.00 1.00
## [949,] 0.00 1.00
## [950,] 0.00 1.00
## [951,] 0.56 0.44
## [952,] 0.00 1.00
## [953,] 0.00 1.00
## [954,] 0.00 1.00
## [955,] 0.00 1.00
## [956,] 0.00 1.00
## [957,] 0.00 1.00
## [958,] 0.00 1.00
## [959,] 0.00 1.00
## [960,] 0.56 0.44
## [961,] 0.00 1.00
## [962,] 0.00 1.00
## [963,] 0.00 1.00
## [964,] 0.00 1.00
## [965,] 0.73 0.27
## [966,] 0.33 0.67
## [967,] 0.01 0.99
## [968,] 0.59 0.41
## [969,] 0.00 1.00
## [970,] 0.56 0.44
## [971,] 0.56 0.44
## [972,] 0.00 1.00
## [973,] 0.56 0.44
## [974,] 0.00 1.00
## [975,] 0.44 0.56
## [976,] 0.00 1.00
## [977,] 0.56 0.44
## [978,] 0.00 1.00
## [979,] 0.00 1.00
## [980,] 0.00 1.00
## [981,] 0.00 1.00
## [982,] 0.02 0.98
## [983,] 0.13 0.87
## [984,] 0.13 0.87
## [985,] 0.17 0.83
## [986,] 0.00 1.00
## [987,] 0.50 0.50
## [988,] 0.19 0.81
## [989,] 0.02 0.98
## [990,] 0.02 0.98
## [991,] 0.00 1.00
## [992,] 0.02 0.98
## [993,] 0.01 0.99
## [994,] 0.02 0.98
## [995,] 0.06 0.94
## [996,] 0.00 1.00
## [997,] 0.02 0.98
## [998,] 0.76 0.24
## [999,] 0.09 0.91
## [1000,] 0.51 0.49
## [1001,] 0.07 0.93
## [1002,] 0.02 0.98
## [1003,] 0.02 0.98
## [1004,] 0.02 0.98
## [1005,] 0.02 0.98
## [1006,] 0.91 0.09
## [1007,] 0.46 0.54
## [1008,] 0.03 0.97
## [1009,] 0.03 0.97
## [1010,] 0.02 0.98
## [1011,] 0.02 0.98
## [1012,] 0.51 0.49
## [1013,] 0.49 0.51
## [1014,] 0.02 0.98
## [1015,] 0.49 0.51
## [1016,] 0.13 0.87
## [1017,] 0.02 0.98
## [1018,] 0.12 0.88
## [1019,] 0.54 0.46
## [1020,] 0.02 0.98
## [1021,] 0.00 1.00
## [1022,] 0.49 0.51
## [1023,] 0.01 0.99
## [1024,] 0.71 0.29
## [1025,] 0.02 0.98
## [1026,] 0.02 0.98
## [1027,] 0.01 0.99
## [1028,] 0.02 0.98
## [1029,] 0.60 0.40
## [1030,] 0.01 0.99
## [1031,] 0.02 0.98
## [1032,] 0.08 0.92
## [1033,] 0.00 1.00
## [1034,] 0.13 0.87
## [1035,] 0.08 0.92
## [1036,] 0.14 0.86
## [1037,] 0.00 1.00
## [1038,] 0.74 0.26
## [1039,] 0.02 0.98
## [1040,] 0.10 0.90
## [1041,] 0.48 0.52
## [1042,] 0.34 0.66
## [1043,] 0.03 0.97
## [1044,] 0.51 0.49
## [1045,] 0.02 0.98
## [1046,] 0.58 0.42
## [1047,] 0.02 0.98
## [1048,] 0.54 0.46
## [1049,] 0.02 0.98
## [1050,] 0.02 0.98
## [1051,] 0.08 0.92
## [1052,] 0.77 0.23
## [1053,] 0.00 1.00
## [1054,] 0.01 0.99
## [1055,] 0.20 0.80
## [1056,] 0.03 0.97
## [1057,] 0.19 0.81
## [1058,] 0.19 0.81
## [1059,] 0.00 1.00
## [1060,] 0.19 0.81
## [1061,] 0.00 1.00
## [1062,] 0.23 0.77
## [1063,] 0.00 1.00
## [1064,] 0.00 1.00
## [1065,] 0.02 0.98
## [1066,] 0.20 0.80
## [1067,] 0.20 0.80
## [1068,] 0.18 0.82
## [1069,] 0.19 0.81
## [1070,] 0.00 1.00
## [1071,] 0.00 1.00
## [1072,] 0.58 0.42
## [1073,] 0.18 0.82
## [1074,] 0.20 0.80
## [1075,] 0.21 0.79
## [1076,] 0.18 0.82
## [1077,] 0.18 0.82
## [1078,] 0.03 0.97
## [1079,] 0.03 0.97
## [1080,] 0.00 1.00
## [1081,] 0.04 0.96
## [1082,] 0.02 0.98
## [1083,] 0.02 0.98
## [1084,] 0.02 0.98
## [1085,] 0.07 0.93
## [1086,] 0.01 0.99
## [1087,] 0.00 1.00
## [1088,] 0.01 0.99
## [1089,] 0.01 0.99
## [1090,] 0.00 1.00
## [1091,] 0.01 0.99
## [1092,] 0.01 0.99
## [1093,] 0.00 1.00
## [1094,] 0.00 1.00
## [1095,] 0.02 0.98
## [1096,] 0.07 0.93
## [1097,] 0.07 0.93
## [1098,] 0.01 0.99
## [1099,] 0.00 1.00
## [1100,] 0.00 1.00
## [1101,] 0.00 1.00
## [1102,] 0.00 1.00
## [1103,] 0.01 0.99
## [1104,] 0.00 1.00
## [1105,] 0.02 0.98
## [1106,] 0.02 0.98
## [1107,] 0.00 1.00
## [1108,] 0.01 0.99
## [1109,] 0.01 0.99
## [1110,] 0.01 0.99
## [1111,] 0.00 1.00
## [1112,] 0.00 1.00
## [1113,] 0.01 0.99
## [1114,] 0.01 0.99
## [1115,] 0.01 0.99
## [1116,] 0.00 1.00
## [1117,] 0.01 0.99
## [1118,] 0.01 0.99
## [1119,] 0.00 1.00
## [1120,] 0.00 1.00
## [1121,] 0.01 0.99
## [1122,] 0.00 1.00
## [1123,] 0.00 1.00
## [1124,] 0.01 0.99
## [1125,] 0.00 1.00
## [1126,] 0.00 1.00
## [1127,] 0.00 1.00
## [1128,] 0.00 1.00
## [1129,] 0.00 1.00
## [1130,] 0.01 0.99
## [1131,] 0.01 0.99
## [1132,] 0.22 0.78
## [1133,] 0.00 1.00
## [1134,] 0.53 0.47
## [1135,] 0.12 0.88
## [1136,] 0.00 1.00
## [1137,] 0.68 0.32
## [1138,] 0.00 1.00
## [1139,] 0.04 0.96
## [1140,] 0.46 0.54
## [1141,] 0.00 1.00
## [1142,] 0.53 0.47
## [1143,] 0.00 1.00
## [1144,] 0.00 1.00
## [1145,] 0.07 0.93
## [1146,] 0.00 1.00
## [1147,] 0.52 0.48
## [1148,] 0.00 1.00
## [1149,] 0.00 1.00
## [1150,] 0.00 1.00
## [1151,] 0.03 0.97
## [1152,] 0.33 0.67
## [1153,] 0.00 1.00
## [1154,] 0.28 0.72
## [1155,] 0.33 0.67
## [1156,] 0.14 0.86
## [1157,] 0.00 1.00
## [1158,] 0.00 1.00
## [1159,] 0.16 0.84
## [1160,] 0.11 0.89
## [1161,] 0.13 0.87
## [1162,] 0.14 0.86
## [1163,] 0.00 1.00
## [1164,] 0.13 0.87
## [1165,] 0.13 0.87
## [1166,] 0.53 0.47
## [1167,] 0.87 0.13
## [1168,] 0.00 1.00
## [1169,] 0.00 1.00
## [1170,] 0.00 1.00
## [1171,] 0.13 0.87
## [1172,] 0.20 0.80
## [1173,] 0.00 1.00
## [1174,] 0.00 1.00
## [1175,] 0.79 0.21
## [1176,] 0.10 0.90
## [1177,] 0.13 0.87
## [1178,] 0.12 0.88
## [1179,] 0.75 0.25
## [1180,] 0.00 1.00
## [1181,] 0.00 1.00
## [1182,] 0.00 1.00
## [1183,] 0.35 0.65
## [1184,] 0.00 1.00
## [1185,] 0.00 1.00
## [1186,] 0.00 1.00
## [1187,] 0.00 1.00
## [1188,] 0.68 0.32
## [1189,] 0.01 0.99
## [1190,] 0.01 0.99
## [1191,] 0.01 0.99
## [1192,] 0.00 1.00
## [1193,] 0.00 1.00
## [1194,] 0.00 1.00
## [1195,] 0.07 0.93
## [1196,] 0.48 0.52
## [1197,] 0.01 0.99
## [1198,] 0.01 0.99
## [1199,] 0.00 1.00
## [1200,] 0.01 0.99
## [1201,] 0.16 0.84
## [1202,] 0.01 0.99
## [1203,] 0.50 0.50
## [1204,] 0.07 0.93
## [1205,] 0.00 1.00
## [1206,] 0.01 0.99
## [1207,] 0.00 1.00
## [1208,] 0.13 0.87
## [1209,] 0.01 0.99
## [1210,] 0.00 1.00
## [1211,] 0.01 0.99
## [1212,] 0.49 0.51
## [1213,] 0.11 0.89
## [1214,] 0.00 1.00
## [1215,] 0.01 0.99
## [1216,] 0.00 1.00
## [1217,] 0.76 0.24
## [1218,] 0.08 0.92
## [1219,] 0.00 1.00
## [1220,] 0.00 1.00
## [1221,] 0.01 0.99
## [1222,] 0.00 1.00
## [1223,] 0.00 1.00
## [1224,] 0.01 0.99
## [1225,] 0.00 1.00
## [1226,] 0.00 1.00
## [1227,] 0.01 0.99
## [1228,] 0.00 1.00
## [1229,] 0.00 1.00
## [1230,] 0.00 1.00
## [1231,] 0.09 0.91
## [1232,] 0.01 0.99
## [1233,] 0.00 1.00
## [1234,] 0.00 1.00
## [1235,] 0.00 1.00
## [1236,] 0.00 1.00
## [1237,] 0.00 1.00
## [1238,] 0.00 1.00
## [1239,] 0.00 1.00
## [1240,] 0.00 1.00
## [1241,] 0.00 1.00
## [1242,] 0.00 1.00
## [1243,] 0.01 0.99
## [1244,] 0.39 0.61
## [1245,] 0.00 1.00
## [1246,] 0.00 1.00
## [1247,] 0.01 0.99
## [1248,] 0.01 0.99
## [1249,] 0.47 0.53
## [1250,] 0.00 1.00
## [1251,] 0.00 1.00
## [1252,] 0.19 0.81
## [1253,] 0.01 0.99
## [1254,] 0.08 0.92
## [1255,] 0.00 1.00
## [1256,] 0.00 1.00
## [1257,] 0.00 1.00
## [1258,] 0.03 0.97
## [1259,] 0.00 1.00
## [1260,] 0.00 1.00
## [1261,] 0.01 0.99
## [1262,] 0.00 1.00
## [1263,] 0.00 1.00
## [1264,] 0.00 1.00
## [1265,] 0.00 1.00
## [1266,] 0.41 0.59
## [1267,] 0.00 1.00
## [1268,] 0.00 1.00
## [1269,] 0.00 1.00
## [1270,] 0.85 0.15
## [1271,] 0.01 0.99
## [1272,] 0.01 0.99
## [1273,] 0.01 0.99
## [1274,] 0.11 0.89
## [1275,] 0.03 0.97
## [1276,] 0.01 0.99
## [1277,] 0.25 0.75
## [1278,] 0.00 1.00
## [1279,] 0.01 0.99
## [1280,] 0.48 0.52
## [1281,] 0.00 1.00
## [1282,] 0.00 1.00
## [1283,] 0.00 1.00
## [1284,] 0.47 0.53
## [1285,] 0.64 0.36
## [1286,] 0.07 0.93
## [1287,] 0.00 1.00
## [1288,] 0.00 1.00
## [1289,] 0.01 0.99
## [1290,] 0.01 0.99
## [1291,] 0.00 1.00
## [1292,] 0.06 0.94
## [1293,] 0.02 0.98
## [1294,] 0.01 0.99
## [1295,] 0.01 0.99
## [1296,] 0.01 0.99
## [1297,] 0.49 0.51
## [1298,] 0.03 0.97
## [1299,] 0.54 0.46
## [1300,] 0.00 1.00
## [1301,] 0.09 0.91
## [1302,] 0.72 0.28
## [1303,] 0.29 0.71
## [1304,] 0.07 0.93
## [1305,] 0.79 0.21
## [1306,] 0.49 0.51
## [1307,] 0.01 0.99
## [1308,] 0.00 1.00
## [1309,] 0.00 1.00
## [1310,] 0.10 0.90
## [1311,] 0.01 0.99
## [1312,] 0.01 0.99
## [1313,] 0.79 0.21
## [1314,] 0.29 0.71
## [1315,] 0.05 0.95
## [1316,] 0.00 1.00
## [1317,] 0.01 0.99
## [1318,] 0.01 0.99
## [1319,] 0.01 0.99
## [1320,] 0.01 0.99
## [1321,] 0.00 1.00
## [1322,] 0.47 0.53
## [1323,] 0.75 0.25
## [1324,] 0.02 0.98
## [1325,] 0.02 0.98
## [1326,] 0.47 0.53
## [1327,] 0.01 0.99
## [1328,] 0.52 0.48
## [1329,] 0.02 0.98
## [1330,] 0.00 1.00
## [1331,] 0.00 1.00
## [1332,] 0.20 0.80
## [1333,] 0.02 0.98
## [1334,] 0.00 1.00
## [1335,] 0.00 1.00
## [1336,] 0.18 0.82
## [1337,] 0.00 1.00
## [1338,] 0.00 1.00
## [1339,] 0.13 0.87
## [1340,] 0.00 1.00
## [1341,] 0.15 0.85
## [1342,] 0.00 1.00
## [1343,] 0.06 0.94
## [1344,] 0.00 1.00
## [1345,] 0.00 1.00
## [1346,] 0.02 0.98
## [1347,] 0.00 1.00
## [1348,] 0.00 1.00
## [1349,] 0.00 1.00
## [1350,] 0.75 0.25
## [1351,] 0.09 0.91
## [1352,] 0.69 0.31
## [1353,] 0.00 1.00
## [1354,] 0.00 1.00
## [1355,] 0.00 1.00
## [1356,] 0.37 0.63
## [1357,] 0.00 1.00
## [1358,] 0.00 1.00
## [1359,] 0.00 1.00
## [1360,] 0.42 0.58
## [1361,] 0.09 0.91
## [1362,] 0.02 0.98
## [1363,] 0.00 1.00
## [1364,] 0.00 1.00
## [1365,] 0.00 1.00
## [1366,] 0.02 0.98
## [1367,] 0.05 0.95
## [1368,] 0.10 0.90
## [1369,] 0.00 1.00
## [1370,] 0.05 0.95
## [1371,] 0.09 0.91
## [1372,] 0.00 1.00
## [1373,] 0.67 0.33
## [1374,] 0.00 1.00
## [1375,] 0.00 1.00
## [1376,] 0.12 0.88
## [1377,] 0.05 0.95
## [1378,] 0.00 1.00
## [1379,] 0.00 1.00
## [1380,] 0.15 0.85
## [1381,] 0.00 1.00
## [1382,] 0.00 1.00
## [1383,] 0.00 1.00
## [1384,] 0.00 1.00
## [1385,] 0.04 0.96
## [1386,] 0.00 1.00
## [1387,] 0.13 0.87
## [1388,] 0.00 1.00
## [1389,] 0.03 0.97
## [1390,] 0.09 0.91
## [1391,] 0.58 0.42
## [1392,] 0.18 0.82
## [1393,] 0.00 1.00
## [1394,] 0.00 1.00
## [1395,] 0.28 0.72
## [1396,] 0.05 0.95
## [1397,] 0.00 1.00
## [1398,] 0.01 0.99
## [1399,] 0.00 1.00
## [1400,] 0.00 1.00
## [1401,] 0.00 1.00
## [1402,] 0.00 1.00
## [1403,] 0.01 0.99
## [1404,] 0.00 1.00
## [1405,] 0.06 0.94
## [1406,] 0.09 0.91
## [1407,] 0.00 1.00
## [1408,] 0.22 0.78
## [1409,] 0.17 0.83
## [1410,] 0.01 0.99
## [1411,] 0.00 1.00
## [1412,] 0.00 1.00
## [1413,] 0.09 0.91
## [1414,] 0.00 1.00
## [1415,] 0.00 1.00
## [1416,] 0.02 0.98
## [1417,] 0.00 1.00
## [1418,] 0.81 0.19
## [1419,] 0.00 1.00
## [1420,] 0.07 0.93
## [1421,] 1.00 0.00
## [1422,] 0.54 0.46
## [1423,] 0.27 0.73
## [1424,] 0.00 1.00
## [1425,] 0.02 0.98
## [1426,] 0.00 1.00
## [1427,] 0.94 0.06
## [1428,] 0.00 1.00
## [1429,] 0.39 0.61
## [1430,] 0.01 0.99
## [1431,] 0.72 0.28
## [1432,] 0.00 1.00
## [1433,] 0.73 0.27
## [1434,] 0.17 0.83
## [1435,] 0.00 1.00
## [1436,] 0.00 1.00
## [1437,] 0.63 0.37
## [1438,] 0.00 1.00
## [1439,] 0.62 0.38
## [1440,] 0.66 0.34
## [1441,] 0.00 1.00
## [1442,] 0.00 1.00
## [1443,] 0.00 1.00
## [1444,] 0.00 1.00
## [1445,] 0.53 0.47
## [1446,] 0.37 0.63
## [1447,] 0.09 0.91
## [1448,] 0.38 0.62
## [1449,] 0.00 1.00
## [1450,] 0.00 1.00
## [1451,] 0.00 1.00
## [1452,] 0.01 0.99
## [1453,] 0.00 1.00
## [1454,] 0.00 1.00
## [1455,] 0.00 1.00
## [1456,] 0.00 1.00
## [1457,] 0.00 1.00
## [1458,] 0.00 1.00
## [1459,] 0.00 1.00
## [1460,] 0.00 1.00
## [1461,] 0.01 0.99
## [1462,] 0.00 1.00
## [1463,] 0.01 0.99
## [1464,] 0.00 1.00
## [1465,] 0.00 1.00
## [1466,] 0.00 1.00
## [1467,] 0.00 1.00
## [1468,] 0.01 0.99
## [1469,] 0.00 1.00
## [1470,] 0.01 0.99
## [1471,] 0.00 1.00
## [1472,] 0.01 0.99
## [1473,] 0.40 0.60
## [1474,] 0.00 1.00
## [1475,] 0.00 1.00
## [1476,] 0.00 1.00
## [1477,] 0.00 1.00
## [1478,] 0.00 1.00
## [1479,] 0.18 0.82
## [1480,] 0.00 1.00
## [1481,] 0.00 1.00
## [1482,] 0.01 0.99
## [1483,] 0.00 1.00
## [1484,] 0.00 1.00
## [1485,] 0.00 1.00
## [1486,] 0.00 1.00
## [1487,] 0.00 1.00
## [1488,] 0.00 1.00
## [1489,] 0.66 0.34
## [1490,] 0.00 1.00
## [1491,] 0.00 1.00
## [1492,] 0.00 1.00
## [1493,] 0.00 1.00
## [1494,] 0.00 1.00
## [1495,] 0.00 1.00
## [1496,] 0.01 0.99
## [1497,] 0.00 1.00
## [1498,] 0.00 1.00
## [1499,] 0.00 1.00
## [1500,] 0.00 1.00
## [1501,] 0.02 0.98
## [1502,] 0.00 1.00
## [1503,] 0.00 1.00
## [1504,] 0.00 1.00
## [1505,] 0.79 0.21
## [1506,] 0.00 1.00
## [1507,] 0.00 1.00
## [1508,] 0.13 0.87
## [1509,] 0.00 1.00
## [1510,] 0.01 0.99
## [1511,] 0.00 1.00
## [1512,] 0.35 0.65
## [1513,] 0.00 1.00
## [1514,] 0.00 1.00
## [1515,] 0.00 1.00
## [1516,] 0.00 1.00
## [1517,] 0.00 1.00
## [1518,] 0.07 0.93
## [1519,] 0.00 1.00
## [1520,] 0.00 1.00
## [1521,] 0.00 1.00
## [1522,] 0.62 0.38
## [1523,] 0.00 1.00
## [1524,] 0.00 1.00
## [1525,] 0.00 1.00
## [1526,] 0.00 1.00
## [1527,] 0.00 1.00
## [1528,] 0.00 1.00
## [1529,] 0.00 1.00
## [1530,] 0.00 1.00
## [1531,] 0.00 1.00
## [1532,] 0.20 0.80
## [1533,] 0.00 1.00
## [1534,] 0.00 1.00
## [1535,] 0.40 0.60
## [1536,] 0.00 1.00
## [1537,] 0.00 1.00
## [1538,] 0.00 1.00
## [1539,] 0.82 0.18
## [1540,] 0.00 1.00
## [1541,] 0.48 0.52
## [1542,] 0.00 1.00
## [1543,] 0.00 1.00
## [1544,] 0.01 0.99
## [1545,] 0.00 1.00
## [1546,] 0.08 0.92
## [1547,] 0.00 1.00
## [1548,] 0.00 1.00
## [1549,] 0.00 1.00
## [1550,] 0.00 1.00
## [1551,] 0.00 1.00
## [1552,] 0.00 1.00
## [1553,] 0.00 1.00
## [1554,] 0.00 1.00
## [1555,] 0.00 1.00
## [1556,] 0.00 1.00
## [1557,] 0.78 0.22
## [1558,] 0.00 1.00
## [1559,] 0.00 1.00
## [1560,] 0.00 1.00
## [1561,] 0.00 1.00
## [1562,] 0.00 1.00
## [1563,] 0.45 0.55
## [1564,] 0.00 1.00
## [1565,] 0.00 1.00
## [1566,] 0.00 1.00
## [1567,] 0.00 1.00
## [1568,] 0.00 1.00
## [1569,] 0.00 1.00
## [1570,] 0.00 1.00
## [1571,] 0.00 1.00
## [1572,] 0.00 1.00
## [1573,] 0.00 1.00
## [1574,] 0.00 1.00
## [1575,] 0.00 1.00
## [1576,] 0.36 0.64
## [1577,] 0.00 1.00
## [1578,] 0.01 0.99
## [1579,] 0.00 1.00
## [1580,] 0.00 1.00
## [1581,] 0.00 1.00
## [1582,] 0.00 1.00
## [1583,] 0.00 1.00
## [1584,] 0.17 0.83
## [1585,] 0.00 1.00
## [1586,] 0.00 1.00
## [1587,] 0.00 1.00
## [1588,] 0.79 0.21
## [1589,] 0.00 1.00
## [1590,] 0.00 1.00
## [1591,] 0.00 1.00
## [1592,] 0.00 1.00
## [1593,] 0.00 1.00
## [1594,] 0.00 1.00
## [1595,] 1.00 0.00
## [1596,] 0.00 1.00
## [1597,] 0.00 1.00
## [1598,] 0.00 1.00
## [1599,] 0.00 1.00
## [1600,] 0.00 1.00
## [1601,] 0.00 1.00
## [1602,] 0.00 1.00
## [1603,] 0.00 1.00
## [1604,] 0.00 1.00
## [1605,] 0.00 1.00
## [1606,] 0.00 1.00
## [1607,] 1.00 0.00
## [1608,] 0.00 1.00
## [1609,] 0.00 1.00
## [1610,] 0.00 1.00
## [1611,] 0.00 1.00
## [1612,] 0.00 1.00
## [1613,] 0.00 1.00
## [1614,] 0.00 1.00
## [1615,] 0.00 1.00
## [1616,] 0.01 0.99
## [1617,] 0.00 1.00
## [1618,] 0.73 0.27
## [1619,] 0.00 1.00
## [1620,] 0.00 1.00
## [1621,] 0.07 0.93
## [1622,] 0.01 0.99
## [1623,] 0.42 0.58
## [1624,] 0.00 1.00
## [1625,] 0.01 0.99
## [1626,] 0.96 0.04
## [1627,] 0.00 1.00
## [1628,] 0.00 1.00
## [1629,] 0.00 1.00
## [1630,] 0.00 1.00
## [1631,] 0.00 1.00
## [1632,] 0.35 0.65
## [1633,] 0.00 1.00
## [1634,] 0.00 1.00
## [1635,] 0.01 0.99
## [1636,] 0.00 1.00
## [1637,] 0.00 1.00
## [1638,] 0.00 1.00
## [1639,] 0.00 1.00
## [1640,] 0.00 1.00
## [1641,] 0.00 1.00
## [1642,] 0.35 0.65
## [1643,] 0.00 1.00
## [1644,] 0.00 1.00
## [1645,] 0.38 0.62
## [1646,] 0.00 1.00
## [1647,] 0.18 0.82
## [1648,] 0.00 1.00
## [1649,] 0.00 1.00
## [1650,] 0.00 1.00
## [1651,] 0.09 0.91
## [1652,] 0.00 1.00
## [1653,] 0.71 0.29
## [1654,] 0.25 0.75
## [1655,] 0.00 1.00
## [1656,] 0.00 1.00
## [1657,] 0.07 0.93
## [1658,] 0.00 1.00
## [1659,] 0.67 0.33
## [1660,] 0.58 0.42
## [1661,] 0.38 0.62
## [1662,] 0.00 1.00
## [1663,] 0.39 0.61
## [1664,] 0.55 0.45
## [1665,] 0.00 1.00
## [1666,] 0.02 0.98
## [1667,] 0.00 1.00
## [1668,] 0.00 1.00
## [1669,] 1.00 0.00
## [1670,] 0.01 0.99
## [1671,] 0.28 0.72
## [1672,] 0.00 1.00
## [1673,] 0.00 1.00
## [1674,] 0.00 1.00
## [1675,] 0.00 1.00
## [1676,] 0.01 0.99
## [1677,] 0.00 1.00
## [1678,] 0.00 1.00
## [1679,] 0.00 1.00
## [1680,] 0.00 1.00
## [1681,] 0.44 0.56
## [1682,] 0.00 1.00
## [1683,] 0.00 1.00
## [1684,] 0.00 1.00
## [1685,] 0.26 0.74
## [1686,] 1.00 0.00
## [1687,] 0.74 0.26
## [1688,] 0.19 0.81
## [1689,] 0.01 0.99
## [1690,] 0.59 0.41
## [1691,] 0.00 1.00
## [1692,] 0.00 1.00
## [1693,] 1.00 0.00
## [1694,] 0.00 1.00
## [1695,] 0.03 0.97
## [1696,] 1.00 0.00
## [1697,] 0.44 0.56
## [1698,] 0.74 0.26
## [1699,] 0.00 1.00
## [1700,] 0.01 0.99
## [1701,] 1.00 0.00
## [1702,] 0.15 0.85
## [1703,] 0.00 1.00
## [1704,] 0.90 0.10
## [1705,] 0.00 1.00
## [1706,] 0.00 1.00
## [1707,] 0.00 1.00
## [1708,] 0.00 1.00
## [1709,] 0.54 0.46
## [1710,] 1.00 0.00
## [1711,] 0.51 0.49
## [1712,] 0.90 0.10
## [1713,] 0.57 0.43
## [1714,] 0.77 0.23
## [1715,] 0.38 0.62
## [1716,] 0.00 1.00
## [1717,] 0.05 0.95
## [1718,] 0.00 1.00
## [1719,] 0.00 1.00
## [1720,] 0.96 0.04
## [1721,] 1.00 0.00
## [1722,] 1.00 0.00
## [1723,] 0.86 0.14
## [1724,] 0.12 0.88
## [1725,] 0.12 0.88
## [1726,] 0.21 0.79
## [1727,] 0.00 1.00
## [1728,] 0.69 0.31
## [1729,] 1.00 0.00
## [1730,] 0.78 0.22
## [1731,] 1.00 0.00
## [1732,] 0.00 1.00
## [1733,] 0.00 1.00
## [1734,] 1.00 0.00
## [1735,] 0.00 1.00
## [1736,] 0.35 0.65
## [1737,] 0.21 0.79
## [1738,] 0.07 0.93
## [1739,] 1.00 0.00
## [1740,] 0.96 0.04
## [1741,] 0.45 0.55
## [1742,] 0.00 1.00
## [1743,] 0.32 0.68
## [1744,] 0.49 0.51
## [1745,] 0.09 0.91
## [1746,] 0.36 0.64
## [1747,] 0.48 0.52
## [1748,] 1.00 0.00
## [1749,] 0.00 1.00
## [1750,] 0.00 1.00
## [1751,] 0.29 0.71
## [1752,] 0.03 0.97
## [1753,] 1.00 0.00
## [1754,] 0.29 0.71
## [1755,] 0.04 0.96
## [1756,] 0.95 0.05
## [1757,] 0.99 0.01
## [1758,] 0.68 0.32
## [1759,] 0.67 0.33
## [1760,] 0.00 1.00
## [1761,] 0.58 0.42
## [1762,] 0.00 1.00
## [1763,] 0.60 0.40
## [1764,] 0.33 0.67
## [1765,] 0.04 0.96
## [1766,] 0.00 1.00
## [1767,] 0.03 0.97
## [1768,] 0.21 0.79
## [1769,] 0.32 0.68
## [1770,] 0.00 1.00
## [1771,] 0.00 1.00
## [1772,] 1.00 0.00
## [1773,] 0.05 0.95
## [1774,] 0.03 0.97
## [1775,] 0.48 0.52
## [1776,] 0.00 1.00
## [1777,] 0.00 1.00
## [1778,] 0.07 0.93
## [1779,] 1.00 0.00
## [1780,] 0.48 0.52
## [1781,] 0.26 0.74
## [1782,] 0.00 1.00
## [1783,] 0.00 1.00
## [1784,] 0.59 0.41
## [1785,] 0.99 0.01
## [1786,] 0.67 0.33
## [1787,] 0.82 0.18
## [1788,] 0.05 0.95
## [1789,] 0.00 1.00
## [1790,] 0.02 0.98
## [1791,] 0.32 0.68
## [1792,] 0.00 1.00
## [1793,] 0.99 0.01
## [1794,] 0.33 0.67
## [1795,] 0.32 0.68
## [1796,] 0.03 0.97
## [1797,] 1.00 0.00
## [1798,] 0.68 0.32
## [1799,] 0.27 0.73
## [1800,] 0.00 1.00
## [1801,] 0.00 1.00
## [1802,] 0.66 0.34
## [1803,] 1.00 0.00
## [1804,] 0.00 1.00
## [1805,] 0.00 1.00
## [1806,] 0.97 0.03
## [1807,] 0.00 1.00
## [1808,] 0.00 1.00
## [1809,] 0.00 1.00
## [1810,] 0.00 1.00
## [1811,] 0.93 0.07
## [1812,] 0.00 1.00
## [1813,] 0.00 1.00
## [1814,] 0.49 0.51
## [1815,] 0.68 0.32
## [1816,] 0.00 1.00
## [1817,] 0.67 0.33
## [1818,] 0.03 0.97
## [1819,] 0.68 0.32
## [1820,] 1.00 0.00
## [1821,] 0.20 0.80
## [1822,] 0.00 1.00
## [1823,] 0.26 0.74
## [1824,] 0.99 0.01
## [1825,] 0.06 0.94
## [1826,] 1.00 0.00
## [1827,] 1.00 0.00
## [1828,] 1.00 0.00
## [1829,] 1.00 0.00
## [1830,] 1.00 0.00
## [1831,] 0.00 1.00
## [1832,] 1.00 0.00
## [1833,] 0.47 0.53
## [1834,] 0.00 1.00
## [1835,] 0.00 1.00
## [1836,] 0.48 0.52
## [1837,] 0.03 0.97
## [1838,] 0.00 1.00
## [1839,] 0.32 0.68
## [1840,] 0.99 0.01
## [1841,] 0.00 1.00
## [1842,] 0.68 0.32
## [1843,] 0.00 1.00
## [1844,] 0.00 1.00
## [1845,] 1.00 0.00
## [1846,] 0.00 1.00
## [1847,] 0.00 1.00
## [1848,] 0.17 0.83
## [1849,] 0.00 1.00
## [1850,] 0.02 0.98
## [1851,] 0.05 0.95
## [1852,] 0.67 0.33
## [1853,] 1.00 0.00
## [1854,] 1.00 0.00
## [1855,] 0.00 1.00
## [1856,] 0.68 0.32
## [1857,] 0.00 1.00
## [1858,] 0.00 1.00
## [1859,] 0.70 0.30
## [1860,] 1.00 0.00
## [1861,] 1.00 0.00
## [1862,] 1.00 0.00
## [1863,] 0.21 0.79
## [1864,] 0.15 0.85
## [1865,] 0.00 1.00
## [1866,] 0.06 0.94
## [1867,] 0.57 0.43
## [1868,] 0.99 0.01
## [1869,] 0.60 0.40
## [1870,] 0.99 0.01
## [1871,] 0.00 1.00
## [1872,] 1.00 0.00
## [1873,] 1.00 0.00
## [1874,] 0.50 0.50
## [1875,] 0.68 0.32
## [1876,] 0.00 1.00
## [1877,] 0.67 0.33
## [1878,] 0.54 0.46
## [1879,] 0.48 0.52
## [1880,] 0.31 0.69
## [1881,] 0.33 0.67
## [1882,] 0.00 1.00
## [1883,] 0.00 1.00
## [1884,] 0.00 1.00
## [1885,] 0.00 1.00
## [1886,] 0.00 1.00
## [1887,] 0.99 0.01
## [1888,] 1.00 0.00
## [1889,] 0.68 0.32
## [1890,] 0.09 0.91
## [1891,] 0.00 1.00
## [1892,] 0.52 0.48
## [1893,] 0.53 0.47
## [1894,] 0.95 0.05
## [1895,] 0.35 0.65
## [1896,] 0.21 0.79
## [1897,] 0.99 0.01
## [1898,] 0.29 0.71
## [1899,] 0.00 1.00
## [1900,] 0.18 0.82
## [1901,] 0.00 1.00
## [1902,] 0.04 0.96
## [1903,] 1.00 0.00
## [1904,] 0.61 0.39
## [1905,] 1.00 0.00
## [1906,] 0.77 0.23
## [1907,] 0.34 0.66
## [1908,] 0.95 0.05
## [1909,] 0.00 1.00
## [1910,] 0.05 0.95
## [1911,] 1.00 0.00
## [1912,] 0.00 1.00
## [1913,] 0.13 0.87
## [1914,] 0.53 0.47
## [1915,] 0.53 0.47
## [1916,] 0.93 0.07
## [1917,] 0.06 0.94
## [1918,] 0.17 0.83
## [1919,] 0.80 0.20
## [1920,] 0.66 0.34
## [1921,] 1.00 0.00
## [1922,] 0.78 0.22
## [1923,] 0.56 0.44
## [1924,] 0.01 0.99
## [1925,] 0.00 1.00
## [1926,] 0.18 0.82
## [1927,] 1.00 0.00
## [1928,] 0.34 0.66
## [1929,] 0.00 1.00
## [1930,] 0.00 1.00
## [1931,] 0.33 0.67
## [1932,] 0.34 0.66
## [1933,] 0.00 1.00
## [1934,] 1.00 0.00
## [1935,] 1.00 0.00
## [1936,] 1.00 0.00
## [1937,] 1.00 0.00
## [1938,] 0.51 0.49
## [1939,] 0.01 0.99
## [1940,] 0.00 1.00
## [1941,] 0.00 1.00
## [1942,] 0.96 0.04
## [1943,] 0.00 1.00
## [1944,] 1.00 0.00
## [1945,] 0.00 1.00
## [1946,] 0.00 1.00
## [1947,] 0.89 0.11
## [1948,] 0.04 0.96
## [1949,] 0.05 0.95
## [1950,] 0.19 0.81
## [1951,] 0.00 1.00
## [1952,] 0.00 1.00
## [1953,] 0.76 0.24
## [1954,] 0.00 1.00
## [1955,] 0.18 0.82
## [1956,] 0.69 0.31
## [1957,] 0.00 1.00
## [1958,] 0.94 0.06
## [1959,] 0.15 0.85
## [1960,] 0.05 0.95
## [1961,] 0.54 0.46
## [1962,] 0.00 1.00
## [1963,] 0.63 0.37
## [1964,] 0.60 0.40
## [1965,] 0.01 0.99
## [1966,] 0.33 0.67
## [1967,] 0.53 0.47
## [1968,] 0.89 0.11
## [1969,] 0.45 0.55
## [1970,] 0.00 1.00
## [1971,] 0.73 0.27
## [1972,] 0.59 0.41
## [1973,] 0.00 1.00
## [1974,] 0.05 0.95
## [1975,] 0.05 0.95
## [1976,] 0.94 0.06
## [1977,] 0.94 0.06
## [1978,] 0.00 1.00
## [1979,] 1.00 0.00
## [1980,] 0.68 0.32
## [1981,] 0.69 0.31
## [1982,] 0.00 1.00
## [1983,] 0.99 0.01
## [1984,] 1.00 0.00
## [1985,] 0.00 1.00
## [1986,] 0.76 0.24
## [1987,] 0.00 1.00
## [1988,] 0.01 0.99
## [1989,] 0.00 1.00
## [1990,] 1.00 0.00
## [1991,] 0.00 1.00
## [1992,] 1.00 0.00
## [1993,] 0.10 0.90
## [1994,] 0.73 0.27
## [1995,] 1.00 0.00
## [1996,] 0.00 1.00
## [1997,] 1.00 0.00
## [1998,] 0.47 0.53
## [1999,] 0.00 1.00
## [2000,] 0.00 1.00
## [2001,] 1.00 0.00
## [2002,] 0.99 0.01
## [2003,] 0.00 1.00
## [2004,] 0.03 0.97
## [2005,] 0.12 0.88
## [2006,] 0.00 1.00
## [2007,] 0.00 1.00
## [2008,] 0.94 0.06
## [2009,] 0.00 1.00
## [2010,] 0.00 1.00
## [2011,] 1.00 0.00
## [2012,] 0.28 0.72
## [2013,] 0.75 0.25
## [2014,] 0.64 0.36
## [2015,] 0.00 1.00
## [2016,] 0.59 0.41
## [2017,] 0.00 1.00
## [2018,] 0.03 0.97
## [2019,] 0.00 1.00
## [2020,] 0.00 1.00
## [2021,] 0.00 1.00
## [2022,] 1.00 0.00
## [2023,] 0.00 1.00
## [2024,] 0.13 0.87
## [2025,] 0.93 0.07
## [2026,] 0.01 0.99
## [2027,] 0.00 1.00
## [2028,] 0.66 0.34
## [2029,] 0.00 1.00
## [2030,] 0.02 0.98
## [2031,] 0.03 0.97
## [2032,] 1.00 0.00
## [2033,] 0.95 0.05
## [2034,] 0.00 1.00
## [2035,] 0.00 1.00
## [2036,] 0.44 0.56
## [2037,] 0.05 0.95
## [2038,] 0.98 0.02
## [2039,] 1.00 0.00
## [2040,] 1.00 0.00
## [2041,] 0.83 0.17
## [2042,] 0.19 0.81
## [2043,] 1.00 0.00
## [2044,] 0.00 1.00
## [2045,] 0.00 1.00
## [2046,] 0.87 0.13
## [2047,] 0.02 0.98
## [2048,] 0.98 0.02
## [2049,] 0.66 0.34
## [2050,] 0.00 1.00
## [2051,] 0.00 1.00
## [2052,] 1.00 0.00
## [2053,] 0.92 0.08
## [2054,] 0.77 0.23
## [2055,] 1.00 0.00
## [2056,] 1.00 0.00
## [2057,] 0.03 0.97
## [2058,] 0.01 0.99
## [2059,] 0.78 0.22
## [2060,] 0.59 0.41
## [2061,] 0.67 0.33
## [2062,] 1.00 0.00
## [2063,] 0.00 1.00
## [2064,] 0.78 0.22
## [2065,] 0.05 0.95
## [2066,] 0.93 0.07
## [2067,] 0.72 0.28
## [2068,] 0.02 0.98
## [2069,] 0.76 0.24
## [2070,] 0.99 0.01
## [2071,] 0.01 0.99
## [2072,] 0.42 0.58
## [2073,] 0.57 0.43
## [2074,] 0.52 0.48
## [2075,] 0.00 1.00
## [2076,] 0.05 0.95
## [2077,] 0.02 0.98
## [2078,] 0.00 1.00
## [2079,] 0.00 1.00
## [2080,] 0.00 1.00
## [2081,] 0.05 0.95
## [2082,] 0.01 0.99
## [2083,] 0.19 0.81
## [2084,] 0.00 1.00
## [2085,] 0.00 1.00
## [2086,] 0.36 0.64
## [2087,] 0.48 0.52
## [2088,] 0.98 0.02
## [2089,] 0.98 0.02
## [2090,] 0.00 1.00
## [2091,] 0.91 0.09
## [2092,] 0.00 1.00
## [2093,] 0.95 0.05
## [2094,] 0.00 1.00
## [2095,] 0.70 0.30
## [2096,] 0.06 0.94
## [2097,] 0.44 0.56
## [2098,] 0.99 0.01
## [2099,] 0.86 0.14
## [2100,] 0.94 0.06
## [2101,] 0.02 0.98
## [2102,] 0.66 0.34
## [2103,] 1.00 0.00
## [2104,] 0.82 0.18
## [2105,] 1.00 0.00
## [2106,] 0.00 1.00
## [2107,] 0.03 0.97
## [2108,] 0.02 0.98
## [2109,] 0.00 1.00
## [2110,] 0.20 0.80
## [2111,] 0.05 0.95
## [2112,] 0.24 0.76
## [2113,] 0.20 0.80
## [2114,] 0.00 1.00
## [2115,] 0.20 0.80
## [2116,] 0.04 0.96
## [2117,] 0.22 0.78
## [2118,] 0.00 1.00
## [2119,] 0.00 1.00
## [2120,] 0.00 1.00
## [2121,] 0.00 1.00
## [2122,] 0.00 1.00
## [2123,] 0.00 1.00
## [2124,] 0.00 1.00
## [2125,] 0.00 1.00
## [2126,] 0.04 0.96
## [2127,] 0.00 1.00
## [2128,] 0.00 1.00
## [2129,] 0.00 1.00
## [2130,] 0.05 0.95
## [2131,] 0.07 0.93
## [2132,] 0.00 1.00
## [2133,] 0.00 1.00
## [2134,] 0.04 0.96
## [2135,] 0.00 1.00
## [2136,] 0.00 1.00
## [2137,] 0.01 0.99
## [2138,] 0.02 0.98
## [2139,] 0.02 0.98
## [2140,] 0.00 1.00
## [2141,] 0.03 0.97
## [2142,] 0.00 1.00
## [2143,] 0.02 0.98
## [2144,] 0.00 1.00
## [2145,] 0.00 1.00
## [2146,] 0.00 1.00
## [2147,] 0.00 1.00
## [2148,] 0.00 1.00
## [2149,] 0.00 1.00
## [2150,] 0.00 1.00
## [2151,] 0.00 1.00
## [2152,] 0.01 0.99
## [2153,] 0.00 1.00
## [2154,] 0.00 1.00
## [2155,] 0.07 0.93
## [2156,] 0.00 1.00
## [2157,] 0.02 0.98
## [2158,] 0.00 1.00
## [2159,] 0.03 0.97
## [2160,] 0.00 1.00
## [2161,] 0.03 0.97
## [2162,] 0.01 0.99
## [2163,] 0.00 1.00
## [2164,] 0.02 0.98
## [2165,] 0.01 0.99
## [2166,] 0.00 1.00
## [2167,] 0.00 1.00
## [2168,] 0.01 0.99
## [2169,] 0.02 0.98
## [2170,] 0.00 1.00
## [2171,] 0.02 0.98
## [2172,] 0.01 0.99
## [2173,] 0.01 0.99
## [2174,] 0.00 1.00
## [2175,] 0.00 1.00
## [2176,] 0.01 0.99
## [2177,] 0.00 1.00
## [2178,] 0.00 1.00
## [2179,] 0.00 1.00
## [2180,] 0.00 1.00
## [2181,] 0.07 0.93
## [2182,] 0.01 0.99
## [2183,] 0.00 1.00
## [2184,] 0.00 1.00
## [2185,] 0.00 1.00
## [2186,] 0.00 1.00
## [2187,] 0.00 1.00
## [2188,] 0.00 1.00
## [2189,] 0.00 1.00
## [2190,] 0.00 1.00
## [2191,] 0.00 1.00
## [2192,] 0.01 0.99
## [2193,] 0.00 1.00
## [2194,] 0.18 0.82
## [2195,] 0.03 0.97
## [2196,] 0.00 1.00
## [2197,] 0.04 0.96
## [2198,] 0.19 0.81
## [2199,] 0.00 1.00
## [2200,] 0.00 1.00
## [2201,] 0.13 0.87
## [2202,] 0.00 1.00
## [2203,] 0.00 1.00
## [2204,] 0.00 1.00
## [2205,] 0.02 0.98
## [2206,] 0.00 1.00
## [2207,] 0.00 1.00
## [2208,] 0.00 1.00
## [2209,] 0.00 1.00
## [2210,] 0.01 0.99
## [2211,] 0.00 1.00
## [2212,] 0.02 0.98
## [2213,] 0.00 1.00
## [2214,] 0.00 1.00
## [2215,] 0.00 1.00
## [2216,] 0.00 1.00
## [2217,] 0.00 1.00
## [2218,] 0.00 1.00
## [2219,] 0.00 1.00
## [2220,] 0.00 1.00
## [2221,] 0.00 1.00
## [2222,] 0.00 1.00
## [2223,] 0.00 1.00
## [2224,] 0.02 0.98
## [2225,] 0.01 0.99
## [2226,] 0.00 1.00
## [2227,] 0.02 0.98
## [2228,] 0.00 1.00
## [2229,] 0.01 0.99
## [2230,] 0.00 1.00
## [2231,] 0.01 0.99
## [2232,] 0.00 1.00
## [2233,] 0.01 0.99
## [2234,] 0.01 0.99
## [2235,] 0.00 1.00
## [2236,] 0.00 1.00
## [2237,] 0.00 1.00
## [2238,] 0.02 0.98
## [2239,] 0.00 1.00
## [2240,] 0.00 1.00
## [2241,] 0.00 1.00
## [2242,] 0.00 1.00
## [2243,] 0.00 1.00
## [2244,] 0.01 0.99
## [2245,] 0.00 1.00
## [2246,] 0.00 1.00
## [2247,] 0.00 1.00
## [2248,] 0.00 1.00
## [2249,] 0.00 1.00
## [2250,] 0.01 0.99
## [2251,] 0.00 1.00
## [2252,] 0.00 1.00
## [2253,] 0.01 0.99
## [2254,] 0.00 1.00
## [2255,] 0.00 1.00
## [2256,] 0.00 1.00
## [2257,] 0.02 0.98
## [2258,] 0.00 1.00
## [2259,] 0.00 1.00
## [2260,] 0.00 1.00
## [2261,] 0.00 1.00
## [2262,] 0.00 1.00
## [2263,] 0.00 1.00
## [2264,] 0.00 1.00
## [2265,] 0.00 1.00
## [2266,] 0.00 1.00
## [2267,] 0.00 1.00
## [2268,] 0.00 1.00
## [2269,] 0.00 1.00
## [2270,] 0.00 1.00
## [2271,] 0.01 0.99
## [2272,] 0.02 0.98
## [2273,] 0.00 1.00
## [2274,] 0.03 0.97
## [2275,] 0.00 1.00
## [2276,] 0.01 0.99
## [2277,] 0.00 1.00
## [2278,] 0.00 1.00
## [2279,] 0.00 1.00
## [2280,] 0.00 1.00
## [2281,] 0.02 0.98
## [2282,] 0.01 0.99
## [2283,] 0.00 1.00
## [2284,] 0.00 1.00
## [2285,] 0.00 1.00
## [2286,] 0.00 1.00
## [2287,] 0.00 1.00
## [2288,] 0.01 0.99
## [2289,] 0.01 0.99
## [2290,] 0.00 1.00
## [2291,] 0.00 1.00
## [2292,] 0.00 1.00
## [2293,] 0.00 1.00
## [2294,] 0.00 1.00
## [2295,] 0.03 0.97
## [2296,] 0.00 1.00
## [2297,] 0.01 0.99
## [2298,] 0.00 1.00
## [2299,] 0.00 1.00
## [2300,] 0.00 1.00
## [2301,] 0.00 1.00
## [2302,] 0.00 1.00
## [2303,] 0.01 0.99
## [2304,] 0.00 1.00
## [2305,] 0.00 1.00
## [2306,] 0.00 1.00
## [2307,] 0.00 1.00
## [2308,] 0.00 1.00
## [2309,] 0.00 1.00
## [2310,] 1.00 0.00
## [2311,] 0.03 0.97
## [2312,] 1.00 0.00
## [2313,] 0.00 1.00
## [2314,] 1.00 0.00
## [2315,] 0.00 1.00
## [2316,] 0.00 1.00
## [2317,] 0.81 0.19
## [2318,] 0.03 0.97
## [2319,] 0.33 0.67
## [2320,] 0.55 0.45
## [2321,] 0.05 0.95
## [2322,] 0.26 0.74
## [2323,] 0.08 0.92
## [2324,] 0.00 1.00
## [2325,] 0.02 0.98
## [2326,] 1.00 0.00
## [2327,] 0.00 1.00
## [2328,] 1.00 0.00
## [2329,] 0.04 0.96
## [2330,] 1.00 0.00
## [2331,] 0.96 0.04
## [2332,] 0.69 0.31
## [2333,] 0.05 0.95
## [2334,] 0.89 0.11
## [2335,] 0.00 1.00
## [2336,] 0.80 0.20
## [2337,] 1.00 0.00
## [2338,] 1.00 0.00
## [2339,] 1.00 0.00
## [2340,] 0.00 1.00
## [2341,] 0.04 0.96
## [2342,] 0.75 0.25
## [2343,] 0.04 0.96
## [2344,] 0.00 1.00
## [2345,] 0.07 0.93
## [2346,] 0.06 0.94
## [2347,] 0.00 1.00
## [2348,] 0.68 0.32
## [2349,] 1.00 0.00
## [2350,] 1.00 0.00
## [2351,] 0.95 0.05
## [2352,] 0.06 0.94
## [2353,] 0.04 0.96
## [2354,] 0.99 0.01
## [2355,] 0.00 1.00
## [2356,] 1.00 0.00
## [2357,] 0.00 1.00
## [2358,] 0.06 0.94
## [2359,] 0.05 0.95
## [2360,] 0.95 0.05
## [2361,] 0.00 1.00
## [2362,] 0.00 1.00
## [2363,] 0.04 0.96
## [2364,] 0.52 0.48
## [2365,] 0.00 1.00
## [2366,] 0.06 0.94
## [2367,] 0.03 0.97
## [2368,] 0.00 1.00
## [2369,] 0.68 0.32
## [2370,] 1.00 0.00
## [2371,] 0.02 0.98
## [2372,] 0.74 0.26
## [2373,] 0.04 0.96
## [2374,] 0.14 0.86
## [2375,] 0.00 1.00
## [2376,] 0.00 1.00
## [2377,] 1.00 0.00
## [2378,] 0.80 0.20
## [2379,] 0.05 0.95
## [2380,] 0.00 1.00
## [2381,] 0.37 0.63
## [2382,] 0.82 0.18
## [2383,] 0.24 0.76
## [2384,] 0.00 1.00
## [2385,] 0.00 1.00
## [2386,] 0.00 1.00
## [2387,] 1.00 0.00
## [2388,] 0.00 1.00
## [2389,] 0.00 1.00
## [2390,] 0.00 1.00
## [2391,] 0.00 1.00
## [2392,] 0.00 1.00
## [2393,] 0.01 0.99
## [2394,] 0.03 0.97
## [2395,] 0.01 0.99
## [2396,] 0.21 0.79
## [2397,] 0.19 0.81
## [2398,] 0.02 0.98
## [2399,] 0.00 1.00
## [2400,] 0.00 1.00
## [2401,] 0.01 0.99
## [2402,] 0.00 1.00
## [2403,] 0.00 1.00
## [2404,] 0.04 0.96
## [2405,] 0.00 1.00
## [2406,] 0.00 1.00
## [2407,] 0.00 1.00
## [2408,] 0.00 1.00
## [2409,] 0.00 1.00
## [2410,] 0.03 0.97
## [2411,] 0.00 1.00
## [2412,] 0.04 0.96
## [2413,] 0.00 1.00
## [2414,] 0.00 1.00
## [2415,] 0.00 1.00
## [2416,] 0.00 1.00
## [2417,] 0.00 1.00
## [2418,] 0.03 0.97
## [2419,] 0.00 1.00
## [2420,] 0.00 1.00
## [2421,] 0.00 1.00
## [2422,] 0.00 1.00
## [2423,] 0.00 1.00
## [2424,] 0.00 1.00
## [2425,] 0.00 1.00
## [2426,] 0.00 1.00
## [2427,] 0.00 1.00
## [2428,] 0.00 1.00
## [2429,] 0.00 1.00
## [2430,] 0.00 1.00
## [2431,] 0.00 1.00
## [2432,] 0.00 1.00
## [2433,] 0.02 0.98
## [2434,] 0.01 0.99
## [2435,] 0.00 1.00
## [2436,] 0.00 1.00
## [2437,] 0.00 1.00
## [2438,] 0.00 1.00
## [2439,] 0.00 1.00
## [2440,] 0.03 0.97
## [2441,] 0.00 1.00
## [2442,] 0.00 1.00
## [2443,] 0.01 0.99
## [2444,] 0.00 1.00
## [2445,] 0.00 1.00
## [2446,] 0.00 1.00
## [2447,] 0.00 1.00
## [2448,] 0.00 1.00
## [2449,] 0.00 1.00
## [2450,] 0.03 0.97
## [2451,] 0.00 1.00
## [2452,] 0.00 1.00
## [2453,] 0.49 0.51
## [2454,] 0.00 1.00
## [2455,] 0.35 0.65
## [2456,] 0.02 0.98
## [2457,] 0.94 0.06
## [2458,] 0.00 1.00
## [2459,] 0.40 0.60
## [2460,] 0.64 0.36
## [2461,] 0.48 0.52
## [2462,] 0.13 0.87
## [2463,] 0.00 1.00
## [2464,] 0.00 1.00
## [2465,] 1.00 0.00
## [2466,] 1.00 0.00
## [2467,] 0.00 1.00
## [2468,] 0.17 0.83
## [2469,] 0.96 0.04
## [2470,] 0.06 0.94
## [2471,] 1.00 0.00
## [2472,] 0.00 1.00
## [2473,] 0.93 0.07
## [2474,] 0.00 1.00
## [2475,] 0.77 0.23
## [2476,] 0.00 1.00
## [2477,] 0.00 1.00
## [2478,] 0.36 0.64
## [2479,] 0.76 0.24
## [2480,] 0.37 0.63
## [2481,] 0.14 0.86
## [2482,] 0.69 0.31
## [2483,] 0.00 1.00
## [2484,] 0.20 0.80
## [2485,] 0.01 0.99
## [2486,] 0.00 1.00
## [2487,] 0.00 1.00
## [2488,] 0.00 1.00
## [2489,] 0.72 0.28
## [2490,] 0.08 0.92
## [2491,] 0.00 1.00
## [2492,] 0.00 1.00
## [2493,] 0.00 1.00
## [2494,] 1.00 0.00
## [2495,] 0.00 1.00
## [2496,] 0.00 1.00
## [2497,] 0.95 0.05
## [2498,] 0.04 0.96
## [2499,] 0.03 0.97
## [2500,] 0.03 0.97
## [2501,] 0.45 0.55
## [2502,] 0.00 1.00
## [2503,] 0.13 0.87
## [2504,] 0.00 1.00
## [2505,] 0.00 1.00
## [2506,] 0.50 0.50
## [2507,] 1.00 0.00
## [2508,] 0.05 0.95
## [2509,] 0.02 0.98
## [2510,] 0.99 0.01
## [2511,] 1.00 0.00
## [2512,] 1.00 0.00
## [2513,] 0.00 1.00
## [2514,] 0.86 0.14
## [2515,] 1.00 0.00
## [2516,] 0.95 0.05
## [2517,] 0.58 0.42
## [2518,] 0.01 0.99
## [2519,] 0.40 0.60
## [2520,] 0.00 1.00
## [2521,] 0.00 1.00
## [2522,] 0.00 1.00
## [2523,] 0.51 0.49
## [2524,] 0.41 0.59
## [2525,] 0.57 0.43
## [2526,] 0.11 0.89
## [2527,] 0.57 0.43
## [2528,] 0.45 0.55
## [2529,] 0.75 0.25
## [2530,] 0.37 0.63
## [2531,] 0.00 1.00
## [2532,] 0.46 0.54
## [2533,] 0.07 0.93
## [2534,] 0.58 0.42
## [2535,] 0.00 1.00
## [2536,] 0.57 0.43
## [2537,] 0.00 1.00
## [2538,] 0.30 0.70
## [2539,] 0.00 1.00
## [2540,] 0.00 1.00
## [2541,] 0.11 0.89
## [2542,] 0.06 0.94
## [2543,] 0.46 0.54
## [2544,] 0.57 0.43
## [2545,] 0.45 0.55
## [2546,] 0.35 0.65
## [2547,] 0.46 0.54
## [2548,] 0.54 0.46
## [2549,] 0.08 0.92
## [2550,] 0.00 1.00
## [2551,] 0.16 0.84
## [2552,] 0.27 0.73
## [2553,] 0.08 0.92
## [2554,] 0.02 0.98
## [2555,] 0.08 0.92
## [2556,] 0.08 0.92
## [2557,] 0.03 0.97
## [2558,] 0.14 0.86
## [2559,] 0.52 0.48
## [2560,] 0.08 0.92
## [2561,] 0.00 1.00
## [2562,] 0.00 1.00
## [2563,] 0.01 0.99
## [2564,] 0.02 0.98
## [2565,] 0.35 0.65
## [2566,] 0.00 1.00
## [2567,] 0.00 1.00
## [2568,] 0.06 0.94
## [2569,] 0.01 0.99
## [2570,] 0.00 1.00
## [2571,] 0.47 0.53
## [2572,] 0.00 1.00
## [2573,] 0.00 1.00
## [2574,] 0.00 1.00
## [2575,] 0.02 0.98
## [2576,] 0.00 1.00
## [2577,] 0.31 0.69
## [2578,] 0.02 0.98
## [2579,] 0.00 1.00
## [2580,] 0.01 0.99
## [2581,] 0.00 1.00
## [2582,] 0.75 0.25
## [2583,] 0.00 1.00
## [2584,] 0.01 0.99
## [2585,] 0.00 1.00
## [2586,] 0.00 1.00
## [2587,] 0.11 0.89
## [2588,] 0.01 0.99
## [2589,] 0.01 0.99
## [2590,] 0.04 0.96
## [2591,] 0.00 1.00
## [2592,] 0.00 1.00
## [2593,] 0.01 0.99
## [2594,] 0.00 1.00
## [2595,] 0.00 1.00
## [2596,] 0.00 1.00
## [2597,] 0.13 0.87
## [2598,] 0.42 0.58
## [2599,] 0.50 0.50
## [2600,] 0.00 1.00
## [2601,] 0.00 1.00
## [2602,] 0.00 1.00
## [2603,] 0.35 0.65
## [2604,] 0.00 1.00
## [2605,] 0.00 1.00
## [2606,] 0.00 1.00
## [2607,] 0.00 1.00
## [2608,] 0.01 0.99
## [2609,] 0.78 0.22
## [2610,] 0.34 0.66
## [2611,] 0.00 1.00
## [2612,] 0.00 1.00
## [2613,] 0.11 0.89
## [2614,] 0.74 0.26
## [2615,] 0.31 0.69
## [2616,] 0.00 1.00
## [2617,] 0.04 0.96
## [2618,] 0.11 0.89
## [2619,] 0.00 1.00
## [2620,] 0.79 0.21
## [2621,] 0.00 1.00
## [2622,] 0.13 0.87
## [2623,] 0.00 1.00
## [2624,] 0.00 1.00
## [2625,] 0.02 0.98
## [2626,] 0.04 0.96
## [2627,] 0.08 0.92
## [2628,] 0.03 0.97
## [2629,] 0.78 0.22
## [2630,] 0.93 0.07
## [2631,] 0.01 0.99
## [2632,] 0.02 0.98
## [2633,] 0.00 1.00
## [2634,] 0.02 0.98
## [2635,] 0.01 0.99
## [2636,] 0.37 0.63
## [2637,] 0.00 1.00
## [2638,] 0.02 0.98
## [2639,] 0.49 0.51
## [2640,] 0.00 1.00
## [2641,] 0.00 1.00
## [2642,] 0.22 0.78
## [2643,] 0.00 1.00
## [2644,] 0.00 1.00
## [2645,] 0.00 1.00
## [2646,] 0.04 0.96
## [2647,] 0.22 0.78
## [2648,] 0.00 1.00
## [2649,] 0.03 0.97
## [2650,] 0.20 0.80
## [2651,] 0.20 0.80
## [2652,] 0.21 0.79
## [2653,] 0.02 0.98
## [2654,] 0.20 0.80
## [2655,] 0.03 0.97
## [2656,] 0.20 0.80
## [2657,] 0.00 1.00
## [2658,] 0.00 1.00
## [2659,] 0.19 0.81
## [2660,] 0.00 1.00
## [2661,] 0.00 1.00
## [2662,] 0.00 1.00
## [2663,] 0.42 0.58
## [2664,] 0.04 0.96
## [2665,] 0.00 1.00
## [2666,] 0.00 1.00
## [2667,] 0.02 0.98
## [2668,] 0.00 1.00
## [2669,] 0.00 1.00
## [2670,] 0.02 0.98
## [2671,] 0.00 1.00
## [2672,] 0.02 0.98
## [2673,] 0.00 1.00
## [2674,] 0.00 1.00
## [2675,] 0.00 1.00
## [2676,] 0.00 1.00
## [2677,] 0.00 1.00
## [2678,] 0.00 1.00
## [2679,] 0.00 1.00
## [2680,] 0.00 1.00
## [2681,] 0.02 0.98
## [2682,] 0.00 1.00
## [2683,] 0.00 1.00
## [2684,] 0.00 1.00
## [2685,] 0.00 1.00
## [2686,] 0.00 1.00
## [2687,] 0.00 1.00
## [2688,] 0.00 1.00
## [2689,] 0.00 1.00
## [2690,] 0.01 0.99
## [2691,] 0.00 1.00
## [2692,] 0.00 1.00
## [2693,] 0.00 1.00
## [2694,] 0.43 0.57
## [2695,] 0.00 1.00
## [2696,] 0.00 1.00
## [2697,] 0.00 1.00
## [2698,] 0.00 1.00
## [2699,] 0.00 1.00
## [2700,] 0.01 0.99
## [2701,] 0.00 1.00
## [2702,] 0.01 0.99
## [2703,] 0.00 1.00
## [2704,] 0.00 1.00
## [2705,] 0.01 0.99
## [2706,] 0.00 1.00
## [2707,] 0.02 0.98
## [2708,] 0.01 0.99
## [2709,] 0.00 1.00
## [2710,] 0.00 1.00
## [2711,] 0.01 0.99
## [2712,] 0.00 1.00
## [2713,] 0.00 1.00
## [2714,] 0.01 0.99
## [2715,] 0.01 0.99
## [2716,] 0.00 1.00
## [2717,] 0.02 0.98
## [2718,] 0.15 0.85
## [2719,] 0.00 1.00
## [2720,] 0.43 0.57
## [2721,] 0.18 0.82
## [2722,] 0.53 0.47
## [2723,] 0.00 1.00
## [2724,] 0.24 0.76
## [2725,] 0.50 0.50
## [2726,] 0.53 0.47
## [2727,] 0.02 0.98
## [2728,] 0.16 0.84
## [2729,] 0.19 0.81
## [2730,] 0.57 0.43
## [2731,] 0.55 0.45
## [2732,] 0.00 1.00
## [2733,] 0.76 0.24
## [2734,] 0.39 0.61
## [2735,] 0.00 1.00
## [2736,] 0.01 0.99
## [2737,] 0.00 1.00
## [2738,] 0.00 1.00
## [2739,] 0.10 0.90
## [2740,] 0.01 0.99
## [2741,] 0.19 0.81
## [2742,] 0.01 0.99
## [2743,] 0.01 0.99
## [2744,] 0.01 0.99
## [2745,] 0.03 0.97
## [2746,] 0.01 0.99
## [2747,] 0.00 1.00
## [2748,] 0.11 0.89
## [2749,] 0.00 1.00
## [2750,] 0.19 0.81
## [2751,] 0.01 0.99
## [2752,] 0.00 1.00
## [2753,] 0.00 1.00
## [2754,] 0.01 0.99
## [2755,] 0.16 0.84
## [2756,] 0.00 1.00
## [2757,] 0.00 1.00
## [2758,] 0.12 0.88
## [2759,] 0.00 1.00
## [2760,] 0.34 0.66
## [2761,] 0.00 1.00
## [2762,] 0.12 0.88
## [2763,] 0.71 0.29
## [2764,] 0.00 1.00
## [2765,] 0.06 0.94
## [2766,] 0.10 0.90
## [2767,] 0.00 1.00
## [2768,] 0.00 1.00
## [2769,] 0.03 0.97
## [2770,] 0.00 1.00
## [2771,] 0.00 1.00
## [2772,] 0.15 0.85
## [2773,] 0.05 0.95
## [2774,] 0.88 0.12
## [2775,] 0.01 0.99
## [2776,] 0.01 0.99
## [2777,] 0.00 1.00
## [2778,] 0.00 1.00
## [2779,] 0.00 1.00
## [2780,] 0.06 0.94
## [2781,] 0.03 0.97
## [2782,] 0.00 1.00
## [2783,] 0.04 0.96
## [2784,] 0.40 0.60
## [2785,] 0.00 1.00
## [2786,] 0.02 0.98
## [2787,] 0.00 1.00
## [2788,] 0.00 1.00
## [2789,] 0.02 0.98
## [2790,] 0.00 1.00
## [2791,] 0.00 1.00
## [2792,] 0.00 1.00
## [2793,] 0.00 1.00
## [2794,] 0.05 0.95
## [2795,] 0.00 1.00
## [2796,] 1.00 0.00
## [2797,] 0.02 0.98
## [2798,] 0.00 1.00
## [2799,] 0.39 0.61
## [2800,] 0.65 0.35
## [2801,] 0.61 0.39
## [2802,] 0.00 1.00
## [2803,] 0.70 0.30
## [2804,] 0.50 0.50
## [2805,] 0.35 0.65
## [2806,] 0.00 1.00
## [2807,] 0.00 1.00
## [2808,] 0.04 0.96
## [2809,] 0.04 0.96
## [2810,] 0.05 0.95
## [2811,] 0.00 1.00
## [2812,] 0.81 0.19
## [2813,] 0.00 1.00
## [2814,] 0.02 0.98
## [2815,] 0.00 1.00
## [2816,] 0.02 0.98
## [2817,] 0.00 1.00
## [2818,] 0.00 1.00
## [2819,] 0.70 0.30
## [2820,] 0.00 1.00
## [2821,] 0.00 1.00
## [2822,] 0.00 1.00
## [2823,] 0.00 1.00
## [2824,] 0.20 0.80
## [2825,] 0.03 0.97
## [2826,] 0.00 1.00
## [2827,] 0.00 1.00
## [2828,] 0.00 1.00
## [2829,] 0.00 1.00
## [2830,] 0.23 0.77
## [2831,] 0.00 1.00
## [2832,] 0.21 0.79
## [2833,] 0.00 1.00
## [2834,] 0.00 1.00
## [2835,] 0.00 1.00
## [2836,] 0.45 0.55
## [2837,] 0.27 0.73
## [2838,] 0.75 0.25
## [2839,] 0.97 0.03
## [2840,] 0.00 1.00
## [2841,] 0.34 0.66
## [2842,] 0.00 1.00
## [2843,] 0.00 1.00
## [2844,] 0.14 0.86
## [2845,] 0.00 1.00
## [2846,] 0.24 0.76
## [2847,] 0.00 1.00
## [2848,] 0.30 0.70
## [2849,] 0.00 1.00
## [2850,] 0.00 1.00
## [2851,] 0.23 0.77
## [2852,] 0.47 0.53
## [2853,] 0.00 1.00
## [2854,] 0.12 0.88
## [2855,] 0.94 0.06
## [2856,] 0.76 0.24
## [2857,] 0.05 0.95
## [2858,] 0.00 1.00
## [2859,] 0.00 1.00
## [2860,] 0.96 0.04
## [2861,] 0.03 0.97
## [2862,] 0.00 1.00
## [2863,] 0.01 0.99
## [2864,] 0.59 0.41
## [2865,] 0.08 0.92
## [2866,] 0.04 0.96
## [2867,] 0.00 1.00
## [2868,] 0.74 0.26
## [2869,] 0.00 1.00
## [2870,] 0.96 0.04
## [2871,] 0.00 1.00
## [2872,] 0.31 0.69
## [2873,] 0.05 0.95
## [2874,] 0.00 1.00
## [2875,] 0.32 0.68
## [2876,] 0.00 1.00
## [2877,] 0.00 1.00
## [2878,] 0.00 1.00
## [2879,] 0.03 0.97
## [2880,] 0.68 0.32
## [2881,] 0.00 1.00
## [2882,] 0.60 0.40
## [2883,] 0.02 0.98
## [2884,] 0.00 1.00
## [2885,] 0.31 0.69
## [2886,] 0.04 0.96
## [2887,] 0.00 1.00
## [2888,] 0.01 0.99
## [2889,] 0.76 0.24
## [2890,] 0.58 0.42
## [2891,] 0.00 1.00
## [2892,] 0.49 0.51
## [2893,] 0.69 0.31
## [2894,] 0.00 1.00
## [2895,] 0.00 1.00
## [2896,] 0.00 1.00
## [2897,] 0.94 0.06
## [2898,] 0.00 1.00
## [2899,] 0.00 1.00
## [2900,] 0.68 0.32
## [2901,] 0.00 1.00
## [2902,] 0.00 1.00
## [2903,] 0.00 1.00
## [2904,] 0.02 0.98
## [2905,] 1.00 0.00
## [2906,] 0.00 1.00
## [2907,] 0.00 1.00
## [2908,] 0.00 1.00
## [2909,] 0.00 1.00
## [2910,] 0.00 1.00
## [2911,] 0.00 1.00
## [2912,] 0.00 1.00
## [2913,] 0.00 1.00
## [2914,] 0.68 0.32
## [2915,] 0.32 0.68
## [2916,] 0.00 1.00
## [2917,] 0.00 1.00
## [2918,] 0.42 0.58
## [2919,] 0.00 1.00
## [2920,] 0.26 0.74
## [2921,] 0.42 0.58
## [2922,] 0.20 0.80
## [2923,] 0.00 1.00
## [2924,] 0.18 0.82
## [2925,] 0.00 1.00
## [2926,] 0.05 0.95
## [2927,] 0.00 1.00
## [2928,] 0.68 0.32
## [2929,] 0.02 0.98
## [2930,] 0.00 1.00
## [2931,] 1.00 0.00
## [2932,] 0.48 0.52
## [2933,] 0.47 0.53
## [2934,] 0.34 0.66
## [2935,] 0.26 0.74
## [2936,] 0.19 0.81
## [2937,] 0.82 0.18
## [2938,] 0.00 1.00
## [2939,] 1.00 0.00
## [2940,] 0.05 0.95
## [2941,] 0.93 0.07
## [2942,] 0.45 0.55
## [2943,] 0.52 0.48
## [2944,] 0.00 1.00
## [2945,] 0.00 1.00
## [2946,] 0.19 0.81
## [2947,] 0.00 1.00
## [2948,] 0.53 0.47
## [2949,] 0.74 0.26
## [2950,] 0.09 0.91
## [2951,] 0.00 1.00
## [2952,] 0.10 0.90
## [2953,] 0.10 0.90
## [2954,] 0.00 1.00
## [2955,] 0.08 0.92
## [2956,] 0.48 0.52
## [2957,] 1.00 0.00
## [2958,] 1.00 0.00
## [2959,] 0.69 0.31
## [2960,] 0.80 0.20
## [2961,] 0.01 0.99
## [2962,] 0.00 1.00
## [2963,] 0.95 0.05
## [2964,] 0.35 0.65
## [2965,] 0.03 0.97
## [2966,] 0.00 1.00
## [2967,] 0.52 0.48
## [2968,] 0.00 1.00
## [2969,] 0.00 1.00
## [2970,] 0.20 0.80
## [2971,] 0.00 1.00
## [2972,] 0.00 1.00
## [2973,] 0.00 1.00
## [2974,] 0.00 1.00
## [2975,] 0.75 0.25
## [2976,] 0.00 1.00
## [2977,] 0.00 1.00
## [2978,] 0.81 0.19
## [2979,] 0.97 0.03
## [2980,] 0.62 0.38
## [2981,] 0.00 1.00
## [2982,] 0.02 0.98
## [2983,] 0.00 1.00
## [2984,] 0.01 0.99
## [2985,] 0.00 1.00
## [2986,] 0.94 0.06
## [2987,] 0.00 1.00
## [2988,] 0.00 1.00
## [2989,] 0.00 1.00
## [2990,] 0.93 0.07
## [2991,] 0.83 0.17
## [2992,] 0.10 0.90
## [2993,] 0.00 1.00
## [2994,] 1.00 0.00
## [2995,] 0.78 0.22
## [2996,] 1.00 0.00
## [2997,] 0.00 1.00
## [2998,] 0.88 0.12
## [2999,] 1.00 0.00
## [3000,] 0.40 0.60
## [3001,] 0.00 1.00
## [3002,] 0.53 0.47
## [3003,] 0.95 0.05
## [3004,] 0.00 1.00
## [3005,] 0.00 1.00
## [3006,] 0.00 1.00
## [3007,] 0.05 0.95
## [3008,] 0.47 0.53
## [3009,] 1.00 0.00
## [3010,] 0.94 0.06
## [3011,] 0.00 1.00
## [3012,] 0.00 1.00
## [3013,] 0.50 0.50
## [3014,] 0.55 0.45
## [3015,] 0.00 1.00
## [3016,] 0.94 0.06
## [3017,] 0.70 0.30
## [3018,] 1.00 0.00
## [3019,] 0.45 0.55
## [3020,] 0.01 0.99
## [3021,] 0.00 1.00
## [3022,] 0.66 0.34
## [3023,] 0.00 1.00
## [3024,] 0.02 0.98
## [3025,] 0.00 1.00
## [3026,] 0.00 1.00
## [3027,] 0.07 0.93
## [3028,] 0.00 1.00
## [3029,] 0.00 1.00
## [3030,] 0.00 1.00
## [3031,] 0.72 0.28
## [3032,] 0.36 0.64
## [3033,] 0.70 0.30
## [3034,] 0.99 0.01
## [3035,] 0.00 1.00
## [3036,] 0.92 0.08
## [3037,] 0.00 1.00
## [3038,] 0.00 1.00
## [3039,] 0.01 0.99
## [3040,] 0.00 1.00
## [3041,] 0.00 1.00
## [3042,] 0.00 1.00
## [3043,] 0.00 1.00
## [3044,] 0.53 0.47
## [3045,] 0.94 0.06
## [3046,] 0.00 1.00
## [3047,] 0.05 0.95
## [3048,] 0.73 0.27
## [3049,] 0.00 1.00
## [3050,] 0.02 0.98
## [3051,] 0.00 1.00
## [3052,] 0.03 0.97
## [3053,] 0.93 0.07
## [3054,] 1.00 0.00
## [3055,] 0.00 1.00
## [3056,] 0.00 1.00
## [3057,] 0.00 1.00
## [3058,] 0.00 1.00
## [3059,] 0.62 0.38
## [3060,] 0.03 0.97
## [3061,] 0.03 0.97
## [3062,] 0.00 1.00
## [3063,] 0.01 0.99
## [3064,] 0.00 1.00
## [3065,] 0.00 1.00
## [3066,] 0.00 1.00
## [3067,] 0.04 0.96
## [3068,] 0.03 0.97
## [3069,] 0.66 0.34
## [3070,] 0.43 0.57
## [3071,] 0.43 0.57
## [3072,] 0.00 1.00
## [3073,] 0.98 0.02
## [3074,] 0.74 0.26
## [3075,] 0.93 0.07
## [3076,] 0.47 0.53
## [3077,] 0.00 1.00
## [3078,] 0.52 0.48
## [3079,] 0.00 1.00
## [3080,] 1.00 0.00
## [3081,] 0.30 0.70
## [3082,] 0.00 1.00
## [3083,] 0.96 0.04
## [3084,] 0.00 1.00
## [3085,] 0.00 1.00
## [3086,] 0.01 0.99
## [3087,] 0.02 0.98
## [3088,] 0.03 0.97
## [3089,] 0.00 1.00
## [3090,] 0.61 0.39
## [3091,] 0.00 1.00
## [3092,] 0.00 1.00
## [3093,] 0.47 0.53
## [3094,] 0.99 0.01
## [3095,] 0.00 1.00
## [3096,] 0.00 1.00
## [3097,] 0.00 1.00
## [3098,] 0.00 1.00
## [3099,] 0.00 1.00
## [3100,] 0.00 1.00
## [3101,] 0.00 1.00
## [3102,] 0.27 0.73
## [3103,] 0.02 0.98
## [3104,] 0.04 0.96
## [3105,] 0.12 0.88
## [3106,] 0.00 1.00
## [3107,] 0.00 1.00
## [3108,] 0.00 1.00
## [3109,] 0.01 0.99
## [3110,] 0.52 0.48
## [3111,] 0.70 0.30
## [3112,] 0.00 1.00
## [3113,] 0.13 0.87
## [3114,] 0.93 0.07
## [3115,] 0.00 1.00
## [3116,] 0.86 0.14
## [3117,] 0.02 0.98
## [3118,] 0.00 1.00
## [3119,] 0.00 1.00
## [3120,] 0.87 0.13
## [3121,] 0.00 1.00
## [3122,] 1.00 0.00
## [3123,] 0.07 0.93
## [3124,] 0.00 1.00
## [3125,] 0.00 1.00
## [3126,] 0.00 1.00
## [3127,] 0.19 0.81
## [3128,] 0.00 1.00
## [3129,] 0.00 1.00
## [3130,] 0.04 0.96
## [3131,] 0.00 1.00
## [3132,] 0.00 1.00
## [3133,] 0.00 1.00
## [3134,] 0.02 0.98
## [3135,] 0.00 1.00
## [3136,] 0.00 1.00
## [3137,] 0.00 1.00
## [3138,] 0.01 0.99
## [3139,] 0.05 0.95
## [3140,] 0.66 0.34
## [3141,] 0.21 0.79
## [3142,] 0.04 0.96
## [3143,] 0.00 1.00
## [3144,] 0.00 1.00
## [3145,] 0.00 1.00
## [3146,] 0.14 0.86
## [3147,] 0.00 1.00
## [3148,] 0.00 1.00
## [3149,] 0.00 1.00
## [3150,] 0.00 1.00
## [3151,] 0.00 1.00
## [3152,] 0.00 1.00
## [3153,] 0.00 1.00
## [3154,] 0.00 1.00
## [3155,] 0.00 1.00
## [3156,] 0.00 1.00
## [3157,] 0.00 1.00
## [3158,] 0.00 1.00
## [3159,] 0.00 1.00
## [3160,] 0.02 0.98
## [3161,] 0.00 1.00
## [3162,] 0.00 1.00
## [3163,] 0.01 0.99
## [3164,] 0.00 1.00
## [3165,] 0.00 1.00
## [3166,] 0.00 1.00
## [3167,] 0.00 1.00
## [3168,] 0.00 1.00
## [3169,] 0.00 1.00
## [3170,] 0.00 1.00
## [3171,] 0.00 1.00
## [3172,] 0.00 1.00
## [3173,] 0.00 1.00
## [3174,] 0.00 1.00
## [3175,] 0.00 1.00
## [3176,] 0.00 1.00
## [3177,] 0.00 1.00
## [3178,] 0.00 1.00
## [3179,] 0.00 1.00
## [3180,] 0.00 1.00
## [3181,] 0.00 1.00
## [3182,] 0.00 1.00
## [3183,] 0.03 0.97
## [3184,] 0.00 1.00
## [3185,] 0.00 1.00
## [3186,] 0.00 1.00
## [3187,] 0.00 1.00
## [3188,] 0.00 1.00
## [3189,] 0.02 0.98
## [3190,] 0.00 1.00
## [3191,] 0.00 1.00
## [3192,] 0.02 0.98
## [3193,] 0.00 1.00
## [3194,] 0.01 0.99
## [3195,] 0.00 1.00
## [3196,] 0.00 1.00
## [3197,] 0.01 0.99
## [3198,] 0.00 1.00
## [3199,] 0.01 0.99
## [3200,] 0.00 1.00
## [3201,] 0.00 1.00
## [3202,] 0.01 0.99
## [3203,] 0.00 1.00
## [3204,] 0.00 1.00
## [3205,] 0.00 1.00
## [3206,] 0.03 0.97
## [3207,] 0.00 1.00
## [3208,] 0.01 0.99
## [3209,] 0.00 1.00
## [3210,] 0.02 0.98
## [3211,] 0.00 1.00
## [3212,] 0.00 1.00
## [3213,] 0.00 1.00
## [3214,] 0.00 1.00
## [3215,] 0.00 1.00
## [3216,] 0.00 1.00
## [3217,] 0.00 1.00
## [3218,] 0.00 1.00
## [3219,] 0.00 1.00
## [3220,] 0.00 1.00
## [3221,] 0.00 1.00
## [3222,] 0.01 0.99
## [3223,] 0.00 1.00
## [3224,] 0.00 1.00
## [3225,] 0.02 0.98
## [3226,] 0.00 1.00
## [3227,] 0.00 1.00
## [3228,] 0.00 1.00
## [3229,] 0.00 1.00
## [3230,] 0.00 1.00
## [3231,] 0.00 1.00
## [3232,] 0.02 0.98
## [3233,] 0.01 0.99
## [3234,] 0.00 1.00
## [3235,] 0.00 1.00
## [3236,] 0.00 1.00
## [3237,] 0.00 1.00
## [3238,] 0.00 1.00
## [3239,] 0.00 1.00
## [3240,] 0.01 0.99
## [3241,] 0.00 1.00
## [3242,] 0.00 1.00
## [3243,] 0.00 1.00
## [3244,] 0.02 0.98
## [3245,] 0.00 1.00
## [3246,] 0.00 1.00
## [3247,] 0.00 1.00
## [3248,] 0.00 1.00
## [3249,] 0.01 0.99
## [3250,] 0.00 1.00
## [3251,] 0.00 1.00
## [3252,] 0.00 1.00
## [3253,] 0.00 1.00
## [3254,] 0.00 1.00
## [3255,] 0.00 1.00
## [3256,] 0.00 1.00
## [3257,] 0.00 1.00
## [3258,] 0.00 1.00
## [3259,] 0.00 1.00
## [3260,] 0.00 1.00
## [3261,] 0.00 1.00
## [3262,] 0.00 1.00
## [3263,] 0.00 1.00
## [3264,] 0.00 1.00
## [3265,] 0.00 1.00
## [3266,] 0.00 1.00
## [3267,] 0.00 1.00
## [3268,] 0.01 0.99
## [3269,] 0.00 1.00
## [3270,] 0.01 0.99
## [3271,] 0.00 1.00
## [3272,] 0.00 1.00
## [3273,] 0.00 1.00
## [3274,] 0.00 1.00
## [3275,] 0.00 1.00
## [3276,] 0.09 0.91
## [3277,] 0.00 1.00
## [3278,] 0.00 1.00
## [3279,] 0.02 0.98
## [3280,] 0.00 1.00
## [3281,] 0.00 1.00
## [3282,] 0.03 0.97
## [3283,] 0.43 0.57
## [3284,] 0.00 1.00
## [3285,] 0.02 0.98
## [3286,] 0.80 0.20
## [3287,] 0.77 0.23
## [3288,] 0.00 1.00
## [3289,] 0.45 0.55
## [3290,] 0.00 1.00
## [3291,] 0.00 1.00
## [3292,] 0.81 0.19
## [3293,] 0.72 0.28
## [3294,] 0.32 0.68
## [3295,] 0.18 0.82
## [3296,] 0.00 1.00
## [3297,] 0.00 1.00
## [3298,] 0.00 1.00
## [3299,] 0.01 0.99
## [3300,] 0.00 1.00
## [3301,] 0.50 0.50
## [3302,] 0.57 0.43
## [3303,] 0.00 1.00
## [3304,] 0.63 0.37
## [3305,] 0.01 0.99
## [3306,] 0.35 0.65
## [3307,] 0.00 1.00
## [3308,] 0.20 0.80
## [3309,] 0.00 1.00
## [3310,] 0.02 0.98
## [3311,] 0.01 0.99
## [3312,] 0.04 0.96
## [3313,] 0.00 1.00
## [3314,] 0.11 0.89
## [3315,] 0.29 0.71
## [3316,] 0.99 0.01
## [3317,] 0.00 1.00
## [3318,] 1.00 0.00
## [3319,] 0.01 0.99
## [3320,] 0.01 0.99
## [3321,] 0.00 1.00
## [3322,] 0.07 0.93
## [3323,] 0.00 1.00
## [3324,] 0.00 1.00
## [3325,] 0.00 1.00
## [3326,] 0.00 1.00
## [3327,] 0.00 1.00
## [3328,] 0.00 1.00
## [3329,] 0.93 0.07
## [3330,] 0.02 0.98
## [3331,] 0.00 1.00
## [3332,] 1.00 0.00
## [3333,] 0.00 1.00
## [3334,] 0.00 1.00
## [3335,] 1.00 0.00
## [3336,] 0.00 1.00
## [3337,] 0.01 0.99
## [3338,] 0.00 1.00
## [3339,] 0.02 0.98
## [3340,] 0.80 0.20
## [3341,] 0.00 1.00
## [3342,] 0.00 1.00
## [3343,] 0.05 0.95
## [3344,] 0.00 1.00
## [3345,] 0.00 1.00
## [3346,] 0.00 1.00
## [3347,] 0.00 1.00
## [3348,] 0.47 0.53
## [3349,] 1.00 0.00
## [3350,] 0.00 1.00
## [3351,] 0.00 1.00
## [3352,] 0.07 0.93
## [3353,] 0.00 1.00
## [3354,] 0.78 0.22
## [3355,] 0.00 1.00
## [3356,] 1.00 0.00
## [3357,] 0.38 0.62
## [3358,] 0.00 1.00
## [3359,] 0.00 1.00
## [3360,] 0.00 1.00
## [3361,] 0.00 1.00
## [3362,] 0.27 0.73
## [3363,] 0.00 1.00
## [3364,] 0.07 0.93
## [3365,] 0.12 0.88
## [3366,] 0.00 1.00
## [3367,] 0.04 0.96
## [3368,] 0.07 0.93
## [3369,] 0.00 1.00
## [3370,] 0.05 0.95
## [3371,] 0.00 1.00
## [3372,] 0.00 1.00
## [3373,] 0.89 0.11
## [3374,] 0.00 1.00
## [3375,] 0.41 0.59
## [3376,] 0.04 0.96
## [3377,] 0.00 1.00
## [3378,] 0.00 1.00
## [3379,] 0.00 1.00
## [3380,] 0.99 0.01
## [3381,] 0.00 1.00
## [3382,] 0.04 0.96
## [3383,] 0.35 0.65
## [3384,] 0.00 1.00
## [3385,] 0.02 0.98
## [3386,] 1.00 0.00
## [3387,] 0.00 1.00
## [3388,] 0.55 0.45
## [3389,] 0.02 0.98
## [3390,] 0.00 1.00
## [3391,] 0.02 0.98
## [3392,] 0.00 1.00
## [3393,] 0.03 0.97
## [3394,] 0.00 1.00
## [3395,] 0.01 0.99
## [3396,] 0.35 0.65
## [3397,] 0.34 0.66
## [3398,] 0.00 1.00
## [3399,] 0.00 1.00
## [3400,] 0.02 0.98
## [3401,] 0.21 0.79
## [3402,] 0.65 0.35
## [3403,] 0.48 0.52
## [3404,] 0.00 1.00
## [3405,] 0.48 0.52
## [3406,] 0.00 1.00
## [3407,] 0.07 0.93
## [3408,] 0.57 0.43
## [3409,] 0.00 1.00
## [3410,] 0.00 1.00
## [3411,] 0.02 0.98
## [3412,] 0.28 0.72
## [3413,] 0.00 1.00
## [3414,] 0.00 1.00
## [3415,] 0.26 0.74
## [3416,] 0.05 0.95
## [3417,] 0.01 0.99
## [3418,] 0.75 0.25
## [3419,] 0.79 0.21
## [3420,] 0.00 1.00
## [3421,] 0.01 0.99
## [3422,] 0.00 1.00
## [3423,] 0.47 0.53
## [3424,] 0.00 1.00
## [3425,] 0.00 1.00
## [3426,] 0.00 1.00
## [3427,] 0.00 1.00
## [3428,] 0.01 0.99
## [3429,] 0.00 1.00
## [3430,] 0.06 0.94
## [3431,] 0.00 1.00
## [3432,] 0.73 0.27
## [3433,] 0.00 1.00
## [3434,] 0.00 1.00
## [3435,] 0.01 0.99
## [3436,] 0.74 0.26
## [3437,] 0.44 0.56
## [3438,] 0.94 0.06
## [3439,] 0.01 0.99
## [3440,] 0.00 1.00
## [3441,] 0.75 0.25
## [3442,] 0.01 0.99
## [3443,] 0.01 0.99
## [3444,] 0.00 1.00
## [3445,] 0.00 1.00
## [3446,] 0.04 0.96
## [3447,] 0.49 0.51
## [3448,] 0.00 1.00
## [3449,] 0.00 1.00
## [3450,] 0.77 0.23
## [3451,] 0.20 0.80
## [3452,] 0.00 1.00
## [3453,] 0.01 0.99
## [3454,] 0.00 1.00
## [3455,] 0.00 1.00
## [3456,] 0.00 1.00
## [3457,] 0.32 0.68
## [3458,] 0.00 1.00
## [3459,] 0.00 1.00
## [3460,] 0.76 0.24
## [3461,] 0.00 1.00
## [3462,] 0.06 0.94
## [3463,] 0.00 1.00
## [3464,] 0.19 0.81
## [3465,] 0.00 1.00
## [3466,] 0.00 1.00
## [3467,] 0.00 1.00
## [3468,] 0.00 1.00
## [3469,] 0.00 1.00
## [3470,] 0.48 0.52
## [3471,] 0.00 1.00
## [3472,] 0.00 1.00
## [3473,] 0.00 1.00
## [3474,] 1.00 0.00
## [3475,] 1.00 0.00
## [3476,] 0.00 1.00
## [3477,] 0.00 1.00
## [3478,] 0.00 1.00
## [3479,] 0.73 0.27
## [3480,] 0.00 1.00
## [3481,] 0.00 1.00
## [3482,] 0.00 1.00
## [3483,] 0.00 1.00
## [3484,] 0.32 0.68
## [3485,] 0.12 0.88
## [3486,] 0.00 1.00
## [3487,] 0.00 1.00
## [3488,] 0.01 0.99
## [3489,] 0.01 0.99
## [3490,] 0.50 0.50
## [3491,] 0.00 1.00
## [3492,] 0.02 0.98
## [3493,] 0.20 0.80
## [3494,] 0.31 0.69
## [3495,] 0.00 1.00
## [3496,] 1.00 0.00
## [3497,] 0.54 0.46
## [3498,] 0.00 1.00
## [3499,] 0.00 1.00
## [3500,] 0.01 0.99
## [3501,] 0.00 1.00
## [3502,] 0.19 0.81
## [3503,] 0.00 1.00
## [3504,] 0.00 1.00
## [3505,] 0.00 1.00
## [3506,] 0.00 1.00
## [3507,] 0.27 0.73
## [3508,] 0.66 0.34
## [3509,] 0.44 0.56
## [3510,] 1.00 0.00
## [3511,] 0.00 1.00
## [3512,] 0.00 1.00
## [3513,] 0.00 1.00
## [3514,] 0.00 1.00
## [3515,] 0.00 1.00
## [3516,] 0.00 1.00
## [3517,] 0.00 1.00
## [3518,] 0.00 1.00
## [3519,] 0.54 0.46
## [3520,] 0.01 0.99
## [3521,] 0.79 0.21
## [3522,] 0.01 0.99
## [3523,] 0.00 1.00
## [3524,] 0.99 0.01
## [3525,] 0.08 0.92
## [3526,] 0.00 1.00
## [3527,] 0.01 0.99
## [3528,] 0.00 1.00
## [3529,] 0.95 0.05
## [3530,] 1.00 0.00
## [3531,] 0.01 0.99
## [3532,] 0.00 1.00
## [3533,] 0.37 0.63
## [3534,] 0.47 0.53
## [3535,] 0.92 0.08
## [3536,] 0.00 1.00
## [3537,] 0.94 0.06
## [3538,] 1.00 0.00
## [3539,] 0.00 1.00
## [3540,] 0.15 0.85
## [3541,] 0.02 0.98
## [3542,] 0.27 0.73
## [3543,] 0.64 0.36
## [3544,] 0.00 1.00
## [3545,] 0.75 0.25
## [3546,] 0.82 0.18
## [3547,] 0.00 1.00
## [3548,] 0.14 0.86
## [3549,] 0.00 1.00
## [3550,] 0.00 1.00
## [3551,] 0.00 1.00
## [3552,] 0.00 1.00
## [3553,] 0.03 0.97
## [3554,] 0.00 1.00
## [3555,] 0.00 1.00
## [3556,] 0.00 1.00
## [3557,] 0.02 0.98
## [3558,] 0.76 0.24
## [3559,] 0.00 1.00
## [3560,] 0.03 0.97
## [3561,] 0.22 0.78
## [3562,] 0.00 1.00
## [3563,] 0.00 1.00
## [3564,] 0.48 0.52
## [3565,] 0.00 1.00
## [3566,] 0.00 1.00
## [3567,] 1.00 0.00
## [3568,] 0.01 0.99
## [3569,] 0.02 0.98
## [3570,] 0.00 1.00
## [3571,] 0.00 1.00
## [3572,] 0.00 1.00
## [3573,] 0.00 1.00
## [3574,] 0.00 1.00
## [3575,] 0.00 1.00
## [3576,] 0.00 1.00
## [3577,] 1.00 0.00
## [3578,] 0.00 1.00
## [3579,] 0.00 1.00
## [3580,] 0.00 1.00
## [3581,] 0.00 1.00
## [3582,] 0.00 1.00
## [3583,] 0.04 0.96
## [3584,] 0.00 1.00
## [3585,] 0.02 0.98
## [3586,] 0.00 1.00
## [3587,] 0.00 1.00
## [3588,] 0.01 0.99
## [3589,] 0.96 0.04
## [3590,] 0.01 0.99
## [3591,] 0.05 0.95
## [3592,] 0.31 0.69
## [3593,] 0.00 1.00
## [3594,] 0.00 1.00
## [3595,] 0.01 0.99
## [3596,] 0.45 0.55
## [3597,] 0.05 0.95
## [3598,] 0.00 1.00
## [3599,] 0.00 1.00
## [3600,] 0.00 1.00
## [3601,] 0.00 1.00
## [3602,] 0.00 1.00
## [3603,] 1.00 0.00
## [3604,] 0.05 0.95
## [3605,] 0.00 1.00
## [3606,] 0.97 0.03
## [3607,] 0.05 0.95
## [3608,] 1.00 0.00
## [3609,] 0.62 0.38
## [3610,] 0.00 1.00
## [3611,] 0.00 1.00
## [3612,] 0.00 1.00
## [3613,] 0.19 0.81
## [3614,] 0.00 1.00
## [3615,] 0.00 1.00
## [3616,] 0.00 1.00
## [3617,] 0.00 1.00
## [3618,] 0.00 1.00
## [3619,] 0.00 1.00
## [3620,] 0.75 0.25
## [3621,] 0.00 1.00
## [3622,] 0.00 1.00
## [3623,] 0.00 1.00
## [3624,] 0.99 0.01
## [3625,] 0.00 1.00
## [3626,] 1.00 0.00
## [3627,] 0.07 0.93
## [3628,] 0.00 1.00
## [3629,] 0.00 1.00
## [3630,] 0.00 1.00
## [3631,] 0.00 1.00
## [3632,] 0.00 1.00
## [3633,] 0.00 1.00
## [3634,] 0.91 0.09
## [3635,] 0.05 0.95
## [3636,] 0.00 1.00
## [3637,] 0.00 1.00
## [3638,] 0.01 0.99
## [3639,] 0.15 0.85
## [3640,] 0.22 0.78
## [3641,] 0.00 1.00
## [3642,] 0.00 1.00
## [3643,] 0.00 1.00
## [3644,] 0.00 1.00
## [3645,] 0.00 1.00
## [3646,] 0.00 1.00
## [3647,] 0.00 1.00
## [3648,] 0.27 0.73
## [3649,] 0.01 0.99
## [3650,] 0.00 1.00
## [3651,] 0.00 1.00
## [3652,] 0.00 1.00
## [3653,] 0.01 0.99
## [3654,] 0.02 0.98
## [3655,] 0.00 1.00
## [3656,] 1.00 0.00
## [3657,] 0.00 1.00
## [3658,] 0.99 0.01
## [3659,] 0.00 1.00
## [3660,] 1.00 0.00
## [3661,] 0.00 1.00
## [3662,] 0.64 0.36
## [3663,] 0.01 0.99
## [3664,] 0.00 1.00
## [3665,] 0.00 1.00
## [3666,] 0.08 0.92
## [3667,] 1.00 0.00
## [3668,] 0.00 1.00
## [3669,] 0.17 0.83
## [3670,] 0.03 0.97
## [3671,] 0.19 0.81
## [3672,] 0.00 1.00
## [3673,] 0.35 0.65
## [3674,] 0.05 0.95
## [3675,] 0.00 1.00
## [3676,] 0.38 0.62
## [3677,] 0.02 0.98
## [3678,] 0.00 1.00
## [3679,] 0.00 1.00
## [3680,] 0.03 0.97
## [3681,] 0.00 1.00
## [3682,] 0.00 1.00
## [3683,] 0.00 1.00
## [3684,] 0.00 1.00
## [3685,] 0.70 0.30
## [3686,] 0.05 0.95
## [3687,] 0.00 1.00
## [3688,] 0.00 1.00
## [3689,] 0.00 1.00
## [3690,] 1.00 0.00
## [3691,] 0.00 1.00
## [3692,] 0.00 1.00
## [3693,] 0.00 1.00
## [3694,] 1.00 0.00
## [3695,] 0.00 1.00
## [3696,] 0.00 1.00
## [3697,] 0.11 0.89
## [3698,] 0.32 0.68
## [3699,] 0.03 0.97
## [3700,] 0.00 1.00
## [3701,] 0.00 1.00
## [3702,] 0.04 0.96
## [3703,] 0.03 0.97
## [3704,] 0.00 1.00
## [3705,] 0.00 1.00
## [3706,] 0.00 1.00
## [3707,] 0.00 1.00
## [3708,] 0.01 0.99
## [3709,] 0.01 0.99
## [3710,] 0.18 0.82
## [3711,] 0.00 1.00
## [3712,] 0.00 1.00
## [3713,] 0.76 0.24
## [3714,] 0.00 1.00
## [3715,] 0.00 1.00
## [3716,] 0.07 0.93
## [3717,] 0.84 0.16
## [3718,] 0.00 1.00
## [3719,] 0.00 1.00
## [3720,] 0.93 0.07
## [3721,] 0.00 1.00
## [3722,] 0.08 0.92
## [3723,] 0.00 1.00
## [3724,] 0.30 0.70
## [3725,] 0.17 0.83
## [3726,] 0.00 1.00
## [3727,] 0.00 1.00
## [3728,] 0.00 1.00
## [3729,] 0.00 1.00
## [3730,] 0.04 0.96
## [3731,] 0.00 1.00
## [3732,] 0.00 1.00
## [3733,] 0.07 0.93
## [3734,] 0.01 0.99
## [3735,] 0.06 0.94
## [3736,] 0.00 1.00
## [3737,] 0.75 0.25
## [3738,] 0.20 0.80
## [3739,] 0.00 1.00
## [3740,] 0.02 0.98
## [3741,] 0.02 0.98
## [3742,] 0.18 0.82
## [3743,] 0.00 1.00
## [3744,] 0.00 1.00
## [3745,] 0.63 0.37
## [3746,] 0.41 0.59
## [3747,] 0.20 0.80
## [3748,] 1.00 0.00
## [3749,] 0.00 1.00
## [3750,] 0.02 0.98
## [3751,] 0.00 1.00
## [3752,] 0.53 0.47
## [3753,] 0.00 1.00
## [3754,] 0.04 0.96
## [3755,] 1.00 0.00
## [3756,] 0.00 1.00
## [3757,] 0.29 0.71
## [3758,] 0.01 0.99
## [3759,] 0.00 1.00
## [3760,] 0.25 0.75
## [3761,] 0.00 1.00
## [3762,] 0.30 0.70
## [3763,] 0.00 1.00
## [3764,] 0.00 1.00
## [3765,] 0.00 1.00
## [3766,] 0.29 0.71
## [3767,] 0.00 1.00
## [3768,] 0.05 0.95
## [3769,] 0.63 0.37
## [3770,] 0.86 0.14
## [3771,] 0.00 1.00
## [3772,] 0.00 1.00
## [3773,] 0.04 0.96
## [3774,] 0.03 0.97
## [3775,] 0.12 0.88
## [3776,] 0.00 1.00
## [3777,] 1.00 0.00
## [3778,] 0.03 0.97
## [3779,] 0.01 0.99
## [3780,] 0.56 0.44
## [3781,] 0.39 0.61
## [3782,] 0.59 0.41
## [3783,] 0.00 1.00
## [3784,] 0.78 0.22
## [3785,] 0.00 1.00
## [3786,] 1.00 0.00
## [3787,] 0.16 0.84
## [3788,] 0.01 0.99
## [3789,] 0.50 0.50
## [3790,] 0.01 0.99
## [3791,] 0.62 0.38
## [3792,] 0.00 1.00
## [3793,] 0.25 0.75
## [3794,] 0.00 1.00
## [3795,] 0.00 1.00
## [3796,] 0.00 1.00
## [3797,] 0.00 1.00
## [3798,] 0.47 0.53
## [3799,] 0.00 1.00
## [3800,] 0.00 1.00
## [3801,] 0.00 1.00
## [3802,] 0.00 1.00
## [3803,] 0.01 0.99
## [3804,] 0.00 1.00
## [3805,] 0.92 0.08
## [3806,] 0.21 0.79
## [3807,] 0.01 0.99
## [3808,] 0.00 1.00
## [3809,] 0.00 1.00
## [3810,] 1.00 0.00
## [3811,] 0.00 1.00
## [3812,] 0.02 0.98
## [3813,] 0.00 1.00
## [3814,] 0.16 0.84
## [3815,] 0.68 0.32
## [3816,] 0.01 0.99
## [3817,] 0.00 1.00
## [3818,] 0.00 1.00
## [3819,] 0.57 0.43
## [3820,] 0.67 0.33
## [3821,] 0.00 1.00
## [3822,] 0.44 0.56
## [3823,] 0.00 1.00
## [3824,] 0.00 1.00
## [3825,] 0.02 0.98
## [3826,] 0.15 0.85
## [3827,] 0.00 1.00
## [3828,] 0.00 1.00
## [3829,] 0.02 0.98
## [3830,] 0.00 1.00
## [3831,] 0.00 1.00
## [3832,] 0.00 1.00
## [3833,] 0.00 1.00
## [3834,] 0.00 1.00
## [3835,] 0.04 0.96
## [3836,] 0.00 1.00
## [3837,] 0.00 1.00
## [3838,] 0.00 1.00
## [3839,] 0.00 1.00
## [3840,] 0.00 1.00
## [3841,] 0.00 1.00
## [3842,] 0.68 0.32
## [3843,] 0.66 0.34
## [3844,] 0.00 1.00
## [3845,] 0.27 0.73
## [3846,] 0.55 0.45
## [3847,] 0.00 1.00
## [3848,] 0.74 0.26
## [3849,] 0.01 0.99
## [3850,] 0.00 1.00
## [3851,] 0.00 1.00
## [3852,] 0.00 1.00
## [3853,] 0.00 1.00
## [3854,] 0.00 1.00
## [3855,] 0.00 1.00
## [3856,] 1.00 0.00
## [3857,] 0.10 0.90
## [3858,] 0.13 0.87
## [3859,] 0.04 0.96
## [3860,] 0.28 0.72
## [3861,] 0.34 0.66
## [3862,] 0.00 1.00
## [3863,] 0.00 1.00
## [3864,] 0.00 1.00
## [3865,] 0.05 0.95
## [3866,] 0.00 1.00
## [3867,] 0.56 0.44
## [3868,] 0.00 1.00
## [3869,] 0.79 0.21
## [3870,] 0.00 1.00
## [3871,] 0.02 0.98
## [3872,] 0.38 0.62
## [3873,] 0.00 1.00
## [3874,] 0.00 1.00
## [3875,] 1.00 0.00
## [3876,] 0.00 1.00
## [3877,] 0.20 0.80
## [3878,] 0.06 0.94
## [3879,] 0.00 1.00
## [3880,] 0.32 0.68
## [3881,] 1.00 0.00
## [3882,] 0.15 0.85
## [3883,] 0.00 1.00
## [3884,] 0.47 0.53
## [3885,] 0.00 1.00
## [3886,] 0.01 0.99
## [3887,] 0.02 0.98
## [3888,] 0.48 0.52
## [3889,] 0.00 1.00
## [3890,] 0.18 0.82
## [3891,] 0.00 1.00
## [3892,] 0.00 1.00
## [3893,] 0.01 0.99
## [3894,] 0.01 0.99
## [3895,] 0.01 0.99
## [3896,] 0.07 0.93
## [3897,] 0.31 0.69
## [3898,] 0.00 1.00
## [3899,] 0.00 1.00
## [3900,] 0.45 0.55
## [3901,] 0.24 0.76
## [3902,] 0.01 0.99
## [3903,] 0.00 1.00
## [3904,] 0.01 0.99
## [3905,] 0.00 1.00
## [3906,] 0.48 0.52
## [3907,] 0.00 1.00
## [3908,] 0.79 0.21
## [3909,] 0.01 0.99
## [3910,] 0.01 0.99
## [3911,] 0.00 1.00
## [3912,] 0.00 1.00
## [3913,] 0.00 1.00
## [3914,] 0.00 1.00
## [3915,] 0.00 1.00
## [3916,] 0.27 0.73
## [3917,] 0.00 1.00
## [3918,] 0.00 1.00
## [3919,] 0.10 0.90
## [3920,] 0.00 1.00
## [3921,] 0.00 1.00
## [3922,] 0.00 1.00
## [3923,] 0.00 1.00
## [3924,] 0.00 1.00
## [3925,] 0.00 1.00
## [3926,] 0.01 0.99
## [3927,] 0.00 1.00
## [3928,] 0.00 1.00
## [3929,] 0.00 1.00
## [3930,] 0.08 0.92
## [3931,] 0.53 0.47
## [3932,] 0.00 1.00
## [3933,] 0.00 1.00
## [3934,] 1.00 0.00
## [3935,] 0.00 1.00
## [3936,] 0.00 1.00
## [3937,] 0.06 0.94
## [3938,] 0.00 1.00
## [3939,] 1.00 0.00
## [3940,] 1.00 0.00
## [3941,] 0.00 1.00
## [3942,] 0.00 1.00
## [3943,] 0.00 1.00
## [3944,] 0.00 1.00
## [3945,] 0.00 1.00
## [3946,] 0.00 1.00
## [3947,] 0.07 0.93
## [3948,] 0.00 1.00
## [3949,] 0.01 0.99
## [3950,] 0.00 1.00
## [3951,] 0.00 1.00
## [3952,] 0.00 1.00
## [3953,] 0.00 1.00
## [3954,] 0.00 1.00
## [3955,] 0.97 0.03
## [3956,] 0.01 0.99
## [3957,] 0.00 1.00
## [3958,] 0.02 0.98
## [3959,] 0.29 0.71
## [3960,] 0.00 1.00
## [3961,] 0.00 1.00
## [3962,] 0.00 1.00
## [3963,] 0.00 1.00
## [3964,] 0.00 1.00
## [3965,] 0.00 1.00
## [3966,] 0.17 0.83
## [3967,] 0.01 0.99
## [3968,] 0.00 1.00
## [3969,] 0.14 0.86
## [3970,] 0.00 1.00
## [3971,] 0.05 0.95
## [3972,] 0.00 1.00
## [3973,] 0.00 1.00
## [3974,] 0.17 0.83
## [3975,] 0.05 0.95
## [3976,] 1.00 0.00
## [3977,] 1.00 0.00
## [3978,] 0.00 1.00
## [3979,] 0.01 0.99
## [3980,] 0.00 1.00
## [3981,] 0.00 1.00
## [3982,] 0.18 0.82
## [3983,] 0.00 1.00
## [3984,] 0.94 0.06
## [3985,] 0.00 1.00
## [3986,] 0.00 1.00
## [3987,] 0.00 1.00
## [3988,] 0.53 0.47
## [3989,] 0.00 1.00
## [3990,] 0.00 1.00
## [3991,] 0.99 0.01
## [3992,] 1.00 0.00
## [3993,] 0.01 0.99
## [3994,] 0.00 1.00
## [3995,] 0.66 0.34
## [3996,] 0.25 0.75
## [3997,] 0.00 1.00
## [3998,] 0.00 1.00
## [3999,] 0.00 1.00
## [4000,] 0.99 0.01
## [4001,] 0.00 1.00
## [4002,] 0.31 0.69
## [4003,] 0.00 1.00
## [4004,] 0.01 0.99
## [4005,] 0.00 1.00
## [4006,] 0.00 1.00
## [4007,] 0.01 0.99
## [4008,] 0.03 0.97
## [4009,] 0.99 0.01
## [4010,] 0.00 1.00
## [4011,] 0.00 1.00
## [4012,] 0.00 1.00
## [4013,] 0.00 1.00
## [4014,] 0.00 1.00
## [4015,] 0.98 0.02
## [4016,] 0.00 1.00
## [4017,] 0.89 0.11
## [4018,] 0.00 1.00
## [4019,] 0.04 0.96
## [4020,] 0.00 1.00
## [4021,] 0.01 0.99
## [4022,] 0.10 0.90
## [4023,] 0.00 1.00
## [4024,] 0.00 1.00
## [4025,] 0.00 1.00
## [4026,] 0.48 0.52
## [4027,] 0.00 1.00
## [4028,] 0.04 0.96
## [4029,] 0.05 0.95
## [4030,] 0.00 1.00
## [4031,] 0.89 0.11
## [4032,] 0.05 0.95
## [4033,] 0.00 1.00
## [4034,] 0.00 1.00
## [4035,] 0.02 0.98
## [4036,] 0.02 0.98
## [4037,] 0.00 1.00
## [4038,] 0.00 1.00
## [4039,] 0.01 0.99
## [4040,] 1.00 0.00
## [4041,] 0.00 1.00
## [4042,] 0.78 0.22
## [4043,] 0.99 0.01
## [4044,] 0.80 0.20
## [4045,] 0.00 1.00
## [4046,] 0.00 1.00
## [4047,] 0.00 1.00
## [4048,] 0.00 1.00
## [4049,] 0.04 0.96
## [4050,] 0.00 1.00
## [4051,] 0.00 1.00
## [4052,] 0.07 0.93
## [4053,] 0.00 1.00
## [4054,] 0.00 1.00
## [4055,] 0.00 1.00
## [4056,] 0.00 1.00
## [4057,] 0.00 1.00
## [4058,] 0.35 0.65
## [4059,] 0.00 1.00
## [4060,] 0.04 0.96
## [4061,] 0.00 1.00
## [4062,] 0.00 1.00
## [4063,] 0.01 0.99
## [4064,] 0.02 0.98
## [4065,] 0.00 1.00
## [4066,] 0.00 1.00
## [4067,] 0.00 1.00
## [4068,] 0.00 1.00
## [4069,] 0.00 1.00
## [4070,] 0.79 0.21
## [4071,] 0.69 0.31
## [4072,] 0.30 0.70
## [4073,] 0.01 0.99
## [4074,] 0.02 0.98
## [4075,] 0.00 1.00
## [4076,] 0.05 0.95
## [4077,] 0.00 1.00
## [4078,] 0.04 0.96
## [4079,] 0.04 0.96
## [4080,] 1.00 0.00
## [4081,] 0.05 0.95
## [4082,] 0.00 1.00
## [4083,] 0.11 0.89
## [4084,] 0.00 1.00
## [4085,] 0.40 0.60
## [4086,] 0.68 0.32
## [4087,] 1.00 0.00
## [4088,] 0.20 0.80
## [4089,] 0.00 1.00
## [4090,] 0.78 0.22
## [4091,] 0.02 0.98
## [4092,] 0.00 1.00
## [4093,] 0.02 0.98
## [4094,] 0.01 0.99
## [4095,] 1.00 0.00
## [4096,] 0.00 1.00
## [4097,] 0.01 0.99
## [4098,] 0.00 1.00
## [4099,] 0.00 1.00
## [4100,] 0.00 1.00
## [4101,] 0.00 1.00
## [4102,] 0.00 1.00
## [4103,] 0.00 1.00
## [4104,] 0.53 0.47
## [4105,] 0.12 0.88
## [4106,] 0.01 0.99
## [4107,] 0.00 1.00
## [4108,] 0.00 1.00
## [4109,] 0.02 0.98
## [4110,] 0.29 0.71
## [4111,] 0.00 1.00
## [4112,] 0.39 0.61
## [4113,] 0.02 0.98
## [4114,] 0.00 1.00
## [4115,] 0.00 1.00
## [4116,] 0.00 1.00
## [4117,] 0.00 1.00
## [4118,] 0.00 1.00
## [4119,] 0.00 1.00
## [4120,] 1.00 0.00
## [4121,] 0.00 1.00
## [4122,] 0.00 1.00
## [4123,] 0.00 1.00
## [4124,] 0.83 0.17
## [4125,] 0.07 0.93
## [4126,] 0.06 0.94
## [4127,] 0.00 1.00
## [4128,] 0.70 0.30
## [4129,] 0.00 1.00
## [4130,] 0.00 1.00
## [4131,] 0.04 0.96
## [4132,] 0.66 0.34
## [4133,] 0.04 0.96
## [4134,] 0.00 1.00
## [4135,] 0.00 1.00
## [4136,] 0.00 1.00
## [4137,] 0.10 0.90
## [4138,] 0.21 0.79
## [4139,] 0.00 1.00
## [4140,] 0.00 1.00
## [4141,] 0.02 0.98
## [4142,] 0.00 1.00
## [4143,] 0.00 1.00
## [4144,] 0.02 0.98
## [4145,] 0.25 0.75
## [4146,] 0.00 1.00
## [4147,] 0.02 0.98
## [4148,] 0.00 1.00
## [4149,] 0.15 0.85
## [4150,] 0.13 0.87
## [4151,] 0.10 0.90
## [4152,] 0.64 0.36
## [4153,] 0.00 1.00
## [4154,] 0.00 1.00
## [4155,] 0.00 1.00
## [4156,] 0.36 0.64
## [4157,] 0.01 0.99
## [4158,] 0.00 1.00
## [4159,] 0.00 1.00
## [4160,] 0.59 0.41
## [4161,] 0.00 1.00
## [4162,] 0.03 0.97
## [4163,] 1.00 0.00
## [4164,] 1.00 0.00
## [4165,] 0.00 1.00
## [4166,] 0.00 1.00
## [4167,] 0.00 1.00
## [4168,] 0.00 1.00
## [4169,] 0.00 1.00
## [4170,] 0.02 0.98
## [4171,] 0.06 0.94
## [4172,] 0.00 1.00
## [4173,] 0.00 1.00
## [4174,] 0.00 1.00
## [4175,] 0.01 0.99
## [4176,] 0.00 1.00
## [4177,] 0.01 0.99
## [4178,] 0.00 1.00
## [4179,] 0.00 1.00
## [4180,] 0.95 0.05
## [4181,] 0.00 1.00
## [4182,] 0.00 1.00
## [4183,] 0.00 1.00
## [4184,] 0.20 0.80
## [4185,] 0.07 0.93
## [4186,] 0.01 0.99
## [4187,] 0.00 1.00
## [4188,] 0.00 1.00
## [4189,] 0.00 1.00
## [4190,] 0.00 1.00
## [4191,] 1.00 0.00
## [4192,] 0.00 1.00
## [4193,] 0.03 0.97
## [4194,] 0.00 1.00
## [4195,] 0.00 1.00
## [4196,] 0.22 0.78
## [4197,] 0.01 0.99
## [4198,] 0.00 1.00
## [4199,] 0.51 0.49
## [4200,] 0.00 1.00
## [4201,] 0.79 0.21
## [4202,] 0.00 1.00
## [4203,] 0.01 0.99
## [4204,] 0.16 0.84
## [4205,] 0.00 1.00
## [4206,] 0.04 0.96
## [4207,] 0.01 0.99
## [4208,] 0.00 1.00
## [4209,] 1.00 0.00
## [4210,] 0.58 0.42
## [4211,] 0.02 0.98
## [4212,] 0.00 1.00
## [4213,] 0.00 1.00
## [4214,] 0.74 0.26
## [4215,] 0.00 1.00
## [4216,] 0.05 0.95
## [4217,] 0.00 1.00
## [4218,] 0.01 0.99
## [4219,] 0.20 0.80
## [4220,] 0.50 0.50
## [4221,] 0.00 1.00
## [4222,] 0.00 1.00
## [4223,] 0.00 1.00
## [4224,] 0.00 1.00
## [4225,] 0.01 0.99
## [4226,] 0.67 0.33
## [4227,] 0.00 1.00
## [4228,] 0.06 0.94
## [4229,] 0.01 0.99
## [4230,] 0.01 0.99
## [4231,] 0.33 0.67
## [4232,] 1.00 0.00
## [4233,] 1.00 0.00
## [4234,] 1.00 0.00
## [4235,] 0.05 0.95
## [4236,] 1.00 0.00
## [4237,] 1.00 0.00
## [4238,] 1.00 0.00
## [4239,] 1.00 0.00
## [4240,] 0.44 0.56
## [4241,] 1.00 0.00
## [4242,] 1.00 0.00
## [4243,] 0.56 0.44
## [4244,] 0.90 0.10
## [4245,] 1.00 0.00
## [4246,] 1.00 0.00
## [4247,] 1.00 0.00
## [4248,] 1.00 0.00
## [4249,] 1.00 0.00
## [4250,] 1.00 0.00
## [4251,] 1.00 0.00
## [4252,] 0.22 0.78
## [4253,] 0.53 0.47
## [4254,] 1.00 0.00
## [4255,] 0.84 0.16
## [4256,] 0.50 0.50
## [4257,] 0.07 0.93
## [4258,] 1.00 0.00
## [4259,] 1.00 0.00
## [4260,] 1.00 0.00
## [4261,] 1.00 0.00
## [4262,] 1.00 0.00
## [4263,] 1.00 0.00
## [4264,] 0.98 0.02
## [4265,] 1.00 0.00
## [4266,] 1.00 0.00
## [4267,] 0.86 0.14
## [4268,] 0.79 0.21
## [4269,] 0.00 1.00
## [4270,] 1.00 0.00
## [4271,] 1.00 0.00
## [4272,] 1.00 0.00
## [4273,] 1.00 0.00
## [4274,] 0.04 0.96
## [4275,] 0.99 0.01
## [4276,] 0.99 0.01
## [4277,] 1.00 0.00
## [4278,] 0.96 0.04
## [4279,] 1.00 0.00
## [4280,] 1.00 0.00
## [4281,] 0.96 0.04
## [4282,] 1.00 0.00
## [4283,] 0.75 0.25
## [4284,] 0.00 1.00
## [4285,] 1.00 0.00
## [4286,] 1.00 0.00
## [4287,] 1.00 0.00
## [4288,] 1.00 0.00
## [4289,] 0.83 0.17
## [4290,] 1.00 0.00
## [4291,] 0.00 1.00
## [4292,] 0.88 0.12
## [4293,] 0.51 0.49
## [4294,] 1.00 0.00
## [4295,] 0.55 0.45
## [4296,] 1.00 0.00
## [4297,] 0.81 0.19
## [4298,] 1.00 0.00
## [4299,] 0.02 0.98
## [4300,] 1.00 0.00
## [4301,] 1.00 0.00
## [4302,] 0.97 0.03
## [4303,] 1.00 0.00
## [4304,] 0.82 0.18
## [4305,] 0.32 0.68
## [4306,] 1.00 0.00
## [4307,] 1.00 0.00
## [4308,] 0.62 0.38
## [4309,] 1.00 0.00
## [4310,] 1.00 0.00
## [4311,] 0.61 0.39
## [4312,] 1.00 0.00
## [4313,] 1.00 0.00
## [4314,] 1.00 0.00
## [4315,] 1.00 0.00
## [4316,] 0.39 0.61
## [4317,] 1.00 0.00
## [4318,] 1.00 0.00
## [4319,] 0.56 0.44
## [4320,] 1.00 0.00
## [4321,] 0.01 0.99
## [4322,] 1.00 0.00
## [4323,] 0.49 0.51
## [4324,] 1.00 0.00
## [4325,] 1.00 0.00
## [4326,] 1.00 0.00
## [4327,] 1.00 0.00
## [4328,] 0.00 1.00
## [4329,] 1.00 0.00
## [4330,] 0.88 0.12
## [4331,] 1.00 0.00
## [4332,] 1.00 0.00
## [4333,] 0.93 0.07
## [4334,] 1.00 0.00
## [4335,] 0.01 0.99
## [4336,] 1.00 0.00
## [4337,] 0.75 0.25
## [4338,] 0.84 0.16
## [4339,] 0.01 0.99
## [4340,] 1.00 0.00
## [4341,] 1.00 0.00
## [4342,] 0.95 0.05
## [4343,] 1.00 0.00
## [4344,] 0.81 0.19
## [4345,] 1.00 0.00
## [4346,] 0.97 0.03
## [4347,] 1.00 0.00
## [4348,] 1.00 0.00
## [4349,] 1.00 0.00
## [4350,] 0.06 0.94
## [4351,] 1.00 0.00
## [4352,] 1.00 0.00
## [4353,] 1.00 0.00
## [4354,] 1.00 0.00
## [4355,] 1.00 0.00
## [4356,] 0.99 0.01
## [4357,] 1.00 0.00
## [4358,] 1.00 0.00
## [4359,] 1.00 0.00
## [4360,] 1.00 0.00
## [4361,] 1.00 0.00
## [4362,] 0.53 0.47
## [4363,] 1.00 0.00
## [4364,] 1.00 0.00
## [4365,] 1.00 0.00
## [4366,] 1.00 0.00
## [4367,] 1.00 0.00
## [4368,] 1.00 0.00
## [4369,] 1.00 0.00
## [4370,] 0.87 0.13
## [4371,] 1.00 0.00
## [4372,] 0.21 0.79
## [4373,] 1.00 0.00
## [4374,] 1.00 0.00
## [4375,] 1.00 0.00
## [4376,] 0.01 0.99
## [4377,] 1.00 0.00
## [4378,] 0.45 0.55
## [4379,] 1.00 0.00
## [4380,] 0.77 0.23
## [4381,] 1.00 0.00
## [4382,] 0.98 0.02
## [4383,] 1.00 0.00
## [4384,] 1.00 0.00
## [4385,] 0.91 0.09
## [4386,] 0.54 0.46
## [4387,] 1.00 0.00
## [4388,] 0.80 0.20
## [4389,] 0.77 0.23
## [4390,] 1.00 0.00
## [4391,] 1.00 0.00
## [4392,] 1.00 0.00
## [4393,] 0.94 0.06
## [4394,] 1.00 0.00
## [4395,] 0.00 1.00
## [4396,] 1.00 0.00
## [4397,] 1.00 0.00
## [4398,] 0.92 0.08
## [4399,] 1.00 0.00
## [4400,] 1.00 0.00
## [4401,] 0.84 0.16
## [4402,] 1.00 0.00
## [4403,] 0.50 0.50
## [4404,] 0.84 0.16
## [4405,] 1.00 0.00
## [4406,] 1.00 0.00
## [4407,] 0.00 1.00
## [4408,] 1.00 0.00
## [4409,] 0.97 0.03
## [4410,] 0.72 0.28
## [4411,] 1.00 0.00
## [4412,] 0.96 0.04
## [4413,] 1.00 0.00
## [4414,] 1.00 0.00
## [4415,] 0.02 0.98
## [4416,] 0.87 0.13
## [4417,] 0.21 0.79
## [4418,] 0.03 0.97
## [4419,] 0.19 0.81
## [4420,] 0.64 0.36
## [4421,] 0.98 0.02
## [4422,] 0.69 0.31
## [4423,] 0.66 0.34
## [4424,] 0.96 0.04
## [4425,] 0.54 0.46
## [4426,] 0.37 0.63
## [4427,] 0.97 0.03
## [4428,] 1.00 0.00
## [4429,] 1.00 0.00
## [4430,] 0.00 1.00
## [4431,] 0.99 0.01
## [4432,] 0.74 0.26
## [4433,] 1.00 0.00
## [4434,] 1.00 0.00
## [4435,] 0.00 1.00
## [4436,] 0.79 0.21
## [4437,] 0.99 0.01
## [4438,] 0.70 0.30
## [4439,] 1.00 0.00
## [4440,] 0.75 0.25
## [4441,] 1.00 0.00
## [4442,] 1.00 0.00
## [4443,] 0.64 0.36
## [4444,] 1.00 0.00
## [4445,] 1.00 0.00
## [4446,] 1.00 0.00
## [4447,] 0.56 0.44
## [4448,] 1.00 0.00
## [4449,] 1.00 0.00
## [4450,] 0.95 0.05
## [4451,] 1.00 0.00
## [4452,] 1.00 0.00
## [4453,] 1.00 0.00
## [4454,] 1.00 0.00
## [4455,] 1.00 0.00
## [4456,] 0.47 0.53
## [4457,] 1.00 0.00
## [4458,] 1.00 0.00
## [4459,] 0.00 1.00
## [4460,] 0.37 0.63
## [4461,] 1.00 0.00
## [4462,] 1.00 0.00
## [4463,] 1.00 0.00
## [4464,] 0.27 0.73
## [4465,] 1.00 0.00
## [4466,] 1.00 0.00
## [4467,] 0.79 0.21
## [4468,] 1.00 0.00
## [4469,] 1.00 0.00
## [4470,] 0.00 1.00
## [4471,] 0.66 0.34
## [4472,] 0.74 0.26
## [4473,] 0.97 0.03
## [4474,] 1.00 0.00
## [4475,] 1.00 0.00
## [4476,] 0.65 0.35
## [4477,] 0.96 0.04
## [4478,] 1.00 0.00
## [4479,] 1.00 0.00
## [4480,] 0.79 0.21
## [4481,] 0.94 0.06
## [4482,] 1.00 0.00
## [4483,] 0.48 0.52
## [4484,] 0.02 0.98
## [4485,] 0.88 0.12
## [4486,] 1.00 0.00
## [4487,] 1.00 0.00
## [4488,] 0.16 0.84
## [4489,] 0.94 0.06
## [4490,] 0.56 0.44
## [4491,] 1.00 0.00
## [4492,] 0.06 0.94
## [4493,] 1.00 0.00
## [4494,] 1.00 0.00
## [4495,] 1.00 0.00
## [4496,] 1.00 0.00
## [4497,] 1.00 0.00
## [4498,] 0.97 0.03
## [4499,] 1.00 0.00
## [4500,] 1.00 0.00
## [4501,] 0.72 0.28
## [4502,] 1.00 0.00
## [4503,] 0.31 0.69
## [4504,] 1.00 0.00
## [4505,] 1.00 0.00
## [4506,] 1.00 0.00
## [4507,] 1.00 0.00
## [4508,] 1.00 0.00
## [4509,] 1.00 0.00
## [4510,] 0.79 0.21
## [4511,] 0.50 0.50
## [4512,] 1.00 0.00
## [4513,] 1.00 0.00
## [4514,] 0.99 0.01
## [4515,] 0.82 0.18
## [4516,] 1.00 0.00
## [4517,] 1.00 0.00
## [4518,] 1.00 0.00
## [4519,] 1.00 0.00
## [4520,] 1.00 0.00
## [4521,] 1.00 0.00
## [4522,] 0.60 0.40
## [4523,] 1.00 0.00
## [4524,] 1.00 0.00
## [4525,] 0.98 0.02
## [4526,] 1.00 0.00
## [4527,] 1.00 0.00
## [4528,] 1.00 0.00
## [4529,] 1.00 0.00
## [4530,] 0.50 0.50
## [4531,] 1.00 0.00
## [4532,] 1.00 0.00
## [4533,] 1.00 0.00
## [4534,] 0.07 0.93
## [4535,] 1.00 0.00
## [4536,] 1.00 0.00
## [4537,] 0.17 0.83
## [4538,] 1.00 0.00
## [4539,] 1.00 0.00
## [4540,] 1.00 0.00
## [4541,] 0.67 0.33
## [4542,] 1.00 0.00
## [4543,] 0.75 0.25
## [4544,] 1.00 0.00
## [4545,] 1.00 0.00
## [4546,] 0.51 0.49
## [4547,] 0.82 0.18
## [4548,] 1.00 0.00
## [4549,] 1.00 0.00
## [4550,] 1.00 0.00
## [4551,] 1.00 0.00
## [4552,] 1.00 0.00
## [4553,] 1.00 0.00
## [4554,] 1.00 0.00
## [4555,] 1.00 0.00
## [4556,] 0.93 0.07
## [4557,] 0.79 0.21
## [4558,] 1.00 0.00
## [4559,] 1.00 0.00
## [4560,] 0.34 0.66
## [4561,] 1.00 0.00
## [4562,] 0.34 0.66
## [4563,] 1.00 0.00
## [4564,] 0.56 0.44
## [4565,] 0.74 0.26
## [4566,] 0.58 0.42
## [4567,] 1.00 0.00
## [4568,] 1.00 0.00
## [4569,] 0.00 1.00
## [4570,] 1.00 0.00
## [4571,] 0.51 0.49
## [4572,] 1.00 0.00
## [4573,] 0.41 0.59
## [4574,] 1.00 0.00
## [4575,] 0.75 0.25
## [4576,] 1.00 0.00
## [4577,] 1.00 0.00
## [4578,] 0.00 1.00
## [4579,] 1.00 0.00
## [4580,] 1.00 0.00
## [4581,] 1.00 0.00
## [4582,] 1.00 0.00
## [4583,] 0.56 0.44
## [4584,] 0.47 0.53
## [4585,] 0.75 0.25
## [4586,] 1.00 0.00
## [4587,] 1.00 0.00
## [4588,] 1.00 0.00
## [4589,] 1.00 0.00
## [4590,] 1.00 0.00
## [4591,] 1.00 0.00
## [4592,] 1.00 0.00
## [4593,] 0.81 0.19
## [4594,] 1.00 0.00
## [4595,] 0.78 0.22
## [4596,] 1.00 0.00
## [4597,] 0.02 0.98
## [4598,] 0.77 0.23
## [4599,] 0.00 1.00
## [4600,] 1.00 0.00
## [4601,] 0.70 0.30
## [4602,] 1.00 0.00
## [4603,] 0.16 0.84
## [4604,] 1.00 0.00
## [4605,] 0.96 0.04
## [4606,] 0.07 0.93
## [4607,] 1.00 0.00
## [4608,] 1.00 0.00
## [4609,] 1.00 0.00
## [4610,] 0.01 0.99
## [4611,] 1.00 0.00
## [4612,] 0.00 1.00
## [4613,] 0.58 0.42
## [4614,] 1.00 0.00
## [4615,] 1.00 0.00
## [4616,] 1.00 0.00
## [4617,] 0.01 0.99
## [4618,] 0.99 0.01
## [4619,] 1.00 0.00
## [4620,] 1.00 0.00
## [4621,] 0.28 0.72
## [4622,] 1.00 0.00
## [4623,] 0.89 0.11
## [4624,] 1.00 0.00
## [4625,] 1.00 0.00
## [4626,] 1.00 0.00
## [4627,] 0.91 0.09
## [4628,] 0.00 1.00
## [4629,] 1.00 0.00
## [4630,] 0.00 1.00
## [4631,] 1.00 0.00
## [4632,] 0.53 0.47
## [4633,] 1.00 0.00
## [4634,] 1.00 0.00
## [4635,] 0.95 0.05
## [4636,] 1.00 0.00
## [4637,] 0.97 0.03
## [4638,] 0.00 1.00
## [4639,] 0.79 0.21
## [4640,] 0.01 0.99
## [4641,] 1.00 0.00
## [4642,] 0.00 1.00
## [4643,] 1.00 0.00
## [4644,] 0.81 0.19
## [4645,] 1.00 0.00
## [4646,] 1.00 0.00
## [4647,] 1.00 0.00
## [4648,] 0.59 0.41
## [4649,] 0.55 0.45
## [4650,] 1.00 0.00
## [4651,] 0.49 0.51
## [4652,] 0.91 0.09
## [4653,] 1.00 0.00
## [4654,] 1.00 0.00
## [4655,] 1.00 0.00
## [4656,] 0.00 1.00
## [4657,] 1.00 0.00
## [4658,] 0.30 0.70
## [4659,] 1.00 0.00
## [4660,] 1.00 0.00
## [4661,] 1.00 0.00
## [4662,] 0.00 1.00
## [4663,] 1.00 0.00
## [4664,] 0.77 0.23
## [4665,] 0.99 0.01
## [4666,] 1.00 0.00
## [4667,] 1.00 0.00
## [4668,] 1.00 0.00
## [4669,] 1.00 0.00
## [4670,] 0.00 1.00
## [4671,] 0.00 1.00
## [4672,] 1.00 0.00
## [4673,] 1.00 0.00
## [4674,] 0.21 0.79
## [4675,] 1.00 0.00
## [4676,] 0.05 0.95
## [4677,] 1.00 0.00
## [4678,] 1.00 0.00
## [4679,] 1.00 0.00
## [4680,] 1.00 0.00
## [4681,] 0.29 0.71
## [4682,] 0.99 0.01
## [4683,] 0.86 0.14
## [4684,] 0.01 0.99
## [4685,] 0.95 0.05
## [4686,] 0.00 1.00
## [4687,] 0.00 1.00
## [4688,] 1.00 0.00
## [4689,] 1.00 0.00
## [4690,] 1.00 0.00
## [4691,] 0.56 0.44
## [4692,] 0.03 0.97
## [4693,] 1.00 0.00
## [4694,] 0.84 0.16
## [4695,] 1.00 0.00
## [4696,] 1.00 0.00
## [4697,] 0.76 0.24
## [4698,] 1.00 0.00
## [4699,] 1.00 0.00
## [4700,] 1.00 0.00
## [4701,] 1.00 0.00
## [4702,] 1.00 0.00
## [4703,] 1.00 0.00
## [4704,] 0.03 0.97
## [4705,] 1.00 0.00
## [4706,] 1.00 0.00
## [4707,] 1.00 0.00
## [4708,] 1.00 0.00
## [4709,] 1.00 0.00
## [4710,] 1.00 0.00
## [4711,] 1.00 0.00
## [4712,] 1.00 0.00
## [4713,] 1.00 0.00
## [4714,] 1.00 0.00
## [4715,] 1.00 0.00
## [4716,] 1.00 0.00
## [4717,] 1.00 0.00
## [4718,] 1.00 0.00
## [4719,] 0.55 0.45
## [4720,] 1.00 0.00
## [4721,] 0.96 0.04
## [4722,] 0.83 0.17
## [4723,] 0.72 0.28
## [4724,] 1.00 0.00
## [4725,] 1.00 0.00
## [4726,] 0.56 0.44
## [4727,] 0.31 0.69
## [4728,] 1.00 0.00
## [4729,] 1.00 0.00
## [4730,] 1.00 0.00
## [4731,] 0.63 0.37
## [4732,] 0.94 0.06
## [4733,] 0.69 0.31
## [4734,] 1.00 0.00
## [4735,] 1.00 0.00
## [4736,] 0.94 0.06
## [4737,] 1.00 0.00
## [4738,] 0.73 0.27
## [4739,] 1.00 0.00
## [4740,] 0.00 1.00
## [4741,] 1.00 0.00
## [4742,] 1.00 0.00
## [4743,] 1.00 0.00
## [4744,] 0.02 0.98
## [4745,] 0.00 1.00
## [4746,] 1.00 0.00
## [4747,] 1.00 0.00
## [4748,] 0.94 0.06
## [4749,] 1.00 0.00
## [4750,] 0.00 1.00
## [4751,] 0.02 0.98
## [4752,] 1.00 0.00
## [4753,] 1.00 0.00
## [4754,] 1.00 0.00
## [4755,] 1.00 0.00
## [4756,] 1.00 0.00
## [4757,] 1.00 0.00
## [4758,] 1.00 0.00
## [4759,] 1.00 0.00
## [4760,] 0.55 0.45
## [4761,] 0.90 0.10
## [4762,] 1.00 0.00
## [4763,] 1.00 0.00
## [4764,] 0.80 0.20
## [4765,] 1.00 0.00
## [4766,] 1.00 0.00
## [4767,] 0.32 0.68
## [4768,] 0.05 0.95
## [4769,] 1.00 0.00
## [4770,] 0.79 0.21
## [4771,] 1.00 0.00
## [4772,] 1.00 0.00
## [4773,] 0.97 0.03
## [4774,] 1.00 0.00
## [4775,] 1.00 0.00
## [4776,] 0.29 0.71
## [4777,] 0.75 0.25
## [4778,] 1.00 0.00
## [4779,] 0.59 0.41
## [4780,] 1.00 0.00
## [4781,] 1.00 0.00
## [4782,] 1.00 0.00
## [4783,] 1.00 0.00
## [4784,] 1.00 0.00
## [4785,] 1.00 0.00
## [4786,] 1.00 0.00
## [4787,] 1.00 0.00
## [4788,] 1.00 0.00
## [4789,] 0.01 0.99
## [4790,] 0.00 1.00
## [4791,] 0.50 0.50
## [4792,] 1.00 0.00
## [4793,] 0.96 0.04
## [4794,] 1.00 0.00
## [4795,] 1.00 0.00
## [4796,] 1.00 0.00
## [4797,] 0.27 0.73
## [4798,] 1.00 0.00
## [4799,] 0.32 0.68
## [4800,] 1.00 0.00
## [4801,] 1.00 0.00
## [4802,] 0.53 0.47
## [4803,] 1.00 0.00
## [4804,] 1.00 0.00
## [4805,] 0.05 0.95
## [4806,] 0.00 1.00
## [4807,] 0.83 0.17
## [4808,] 1.00 0.00
## [4809,] 1.00 0.00
## [4810,] 0.77 0.23
## [4811,] 1.00 0.00
## [4812,] 0.56 0.44
## [4813,] 0.95 0.05
## [4814,] 0.56 0.44
## [4815,] 1.00 0.00
## [4816,] 1.00 0.00
## [4817,] 0.95 0.05
## [4818,] 1.00 0.00
## [4819,] 1.00 0.00
## [4820,] 0.01 0.99
## [4821,] 0.75 0.25
## [4822,] 1.00 0.00
## [4823,] 1.00 0.00
## [4824,] 0.93 0.07
## [4825,] 1.00 0.00
## [4826,] 1.00 0.00
## [4827,] 1.00 0.00
## [4828,] 1.00 0.00
## [4829,] 1.00 0.00
## [4830,] 0.26 0.74
## [4831,] 0.00 1.00
## [4832,] 0.93 0.07
## [4833,] 1.00 0.00
## [4834,] 0.66 0.34
## [4835,] 0.01 0.99
## [4836,] 1.00 0.00
## [4837,] 0.00 1.00
## [4838,] 1.00 0.00
## [4839,] 0.80 0.20
## [4840,] 1.00 0.00
## [4841,] 1.00 0.00
## [4842,] 0.94 0.06
## [4843,] 0.89 0.11
## [4844,] 1.00 0.00
## [4845,] 0.00 1.00
## [4846,] 1.00 0.00
## [4847,] 1.00 0.00
## [4848,] 0.82 0.18
## [4849,] 1.00 0.00
## [4850,] 1.00 0.00
## [4851,] 0.41 0.59
## [4852,] 0.00 1.00
## [4853,] 1.00 0.00
## [4854,] 1.00 0.00
## [4855,] 0.00 1.00
## [4856,] 1.00 0.00
## [4857,] 1.00 0.00
## [4858,] 1.00 0.00
## [4859,] 1.00 0.00
## [4860,] 1.00 0.00
## [4861,] 1.00 0.00
## [4862,] 0.50 0.50
## [4863,] 1.00 0.00
## [4864,] 0.54 0.46
## [4865,] 1.00 0.00
## [4866,] 0.79 0.21
## [4867,] 1.00 0.00
## [4868,] 1.00 0.00
## [4869,] 1.00 0.00
## [4870,] 1.00 0.00
## [4871,] 1.00 0.00
## [4872,] 1.00 0.00
## [4873,] 1.00 0.00
## [4874,] 1.00 0.00
## [4875,] 0.00 1.00
## [4876,] 1.00 0.00
## [4877,] 0.58 0.42
## [4878,] 0.00 1.00
## [4879,] 0.86 0.14
## [4880,] 1.00 0.00
## [4881,] 0.99 0.01
## [4882,] 0.76 0.24
## [4883,] 1.00 0.00
## [4884,] 1.00 0.00
## [4885,] 1.00 0.00
## [4886,] 1.00 0.00
## [4887,] 1.00 0.00
## [4888,] 1.00 0.00
## [4889,] 1.00 0.00
## [4890,] 0.55 0.45
## [4891,] 1.00 0.00
## [4892,] 1.00 0.00
## [4893,] 1.00 0.00
## [4894,] 1.00 0.00
## [4895,] 1.00 0.00
## [4896,] 1.00 0.00
## [4897,] 0.17 0.83
## [4898,] 0.76 0.24
## [4899,] 0.00 1.00
## [4900,] 0.52 0.48
## [4901,] 1.00 0.00
## [4902,] 0.57 0.43
## [4903,] 1.00 0.00
## [4904,] 1.00 0.00
## [4905,] 0.77 0.23
## [4906,] 0.97 0.03
## [4907,] 0.50 0.50
## [4908,] 0.85 0.15
## [4909,] 1.00 0.00
## [4910,] 1.00 0.00
## [4911,] 0.46 0.54
## [4912,] 1.00 0.00
## [4913,] 0.92 0.08
## [4914,] 0.71 0.29
## [4915,] 0.99 0.01
## [4916,] 1.00 0.00
## [4917,] 1.00 0.00
## [4918,] 0.48 0.52
## [4919,] 0.98 0.02
## [4920,] 1.00 0.00
## [4921,] 1.00 0.00
## [4922,] 1.00 0.00
## [4923,] 1.00 0.00
## [4924,] 1.00 0.00
## [4925,] 0.61 0.39
## [4926,] 0.04 0.96
## [4927,] 1.00 0.00
## [4928,] 0.23 0.77
## [4929,] 0.87 0.13
## [4930,] 0.89 0.11
## [4931,] 1.00 0.00
## [4932,] 0.49 0.51
## [4933,] 1.00 0.00
## [4934,] 0.81 0.19
## [4935,] 1.00 0.00
## [4936,] 1.00 0.00
## [4937,] 1.00 0.00
## [4938,] 1.00 0.00
## [4939,] 1.00 0.00
## [4940,] 1.00 0.00
## [4941,] 0.53 0.47
## [4942,] 0.92 0.08
## [4943,] 1.00 0.00
## [4944,] 0.56 0.44
## [4945,] 0.84 0.16
## [4946,] 1.00 0.00
## [4947,] 1.00 0.00
## [4948,] 1.00 0.00
## [4949,] 0.75 0.25
## [4950,] 0.00 1.00
## [4951,] 1.00 0.00
## [4952,] 1.00 0.00
## [4953,] 1.00 0.00
## [4954,] 1.00 0.00
## [4955,] 1.00 0.00
## [4956,] 1.00 0.00
## [4957,] 1.00 0.00
## [4958,] 1.00 0.00
## [4959,] 0.99 0.01
## [4960,] 0.90 0.10
## [4961,] 1.00 0.00
## [4962,] 0.45 0.55
## [4963,] 0.94 0.06
## [4964,] 0.60 0.40
## [4965,] 1.00 0.00
## [4966,] 0.29 0.71
## [4967,] 1.00 0.00
## [4968,] 1.00 0.00
## [4969,] 0.39 0.61
## [4970,] 1.00 0.00
## [4971,] 0.00 1.00
## [4972,] 1.00 0.00
## [4973,] 0.48 0.52
## [4974,] 1.00 0.00
## [4975,] 0.00 1.00
## [4976,] 1.00 0.00
## [4977,] 0.99 0.01
## [4978,] 1.00 0.00
## [4979,] 0.67 0.33
## [4980,] 1.00 0.00
## [4981,] 1.00 0.00
## [4982,] 1.00 0.00
## [4983,] 1.00 0.00
## [4984,] 1.00 0.00
## [4985,] 0.99 0.01
## [4986,] 1.00 0.00
## [4987,] 1.00 0.00
## [4988,] 0.96 0.04
## [4989,] 0.46 0.54
## [4990,] 0.75 0.25
## [4991,] 1.00 0.00
## [4992,] 1.00 0.00
## [4993,] 0.07 0.93
## [4994,] 1.00 0.00
## [4995,] 1.00 0.00
## [4996,] 1.00 0.00
## [4997,] 1.00 0.00
## [4998,] 1.00 0.00
## [4999,] 0.89 0.11
## [5000,] 0.07 0.93
## [5001,] 0.25 0.75
## [5002,] 0.00 1.00
## [5003,] 1.00 0.00
## [5004,] 1.00 0.00
## [5005,] 1.00 0.00
## [5006,] 1.00 0.00
## [5007,] 0.83 0.17
## [5008,] 0.19 0.81
## [5009,] 0.14 0.86
## [5010,] 1.00 0.00
## [5011,] 1.00 0.00
## [5012,] 0.99 0.01
## [5013,] 0.89 0.11
## [5014,] 0.97 0.03
## [5015,] 0.27 0.73
## [5016,] 1.00 0.00
## [5017,] 1.00 0.00
## [5018,] 1.00 0.00
## [5019,] 0.81 0.19
## [5020,] 0.54 0.46
## [5021,] 0.91 0.09
## [5022,] 0.70 0.30
## [5023,] 1.00 0.00
## [5024,] 0.66 0.34
## [5025,] 0.99 0.01
## [5026,] 1.00 0.00
## [5027,] 0.00 1.00
## [5028,] 0.65 0.35
## [5029,] 1.00 0.00
## [5030,] 1.00 0.00
## [5031,] 0.49 0.51
## [5032,] 0.00 1.00
## [5033,] 0.00 1.00
## [5034,] 0.83 0.17
## [5035,] 1.00 0.00
## [5036,] 0.05 0.95
## [5037,] 1.00 0.00
## [5038,] 0.39 0.61
## [5039,] 0.00 1.00
## [5040,] 1.00 0.00
## [5041,] 0.48 0.52
## [5042,] 1.00 0.00
## [5043,] 0.01 0.99
## [5044,] 1.00 0.00
## [5045,] 0.56 0.44
## [5046,] 1.00 0.00
## [5047,] 1.00 0.00
## [5048,] 1.00 0.00
## [5049,] 1.00 0.00
## [5050,] 1.00 0.00
## [5051,] 0.56 0.44
## [5052,] 1.00 0.00
## [5053,] 1.00 0.00
## [5054,] 1.00 0.00
## [5055,] 1.00 0.00
## [5056,] 1.00 0.00
## [5057,] 0.95 0.05
## [5058,] 1.00 0.00
## [5059,] 1.00 0.00
## [5060,] 0.07 0.93
## [5061,] 1.00 0.00
## [5062,] 0.96 0.04
## [5063,] 0.20 0.80
## [5064,] 1.00 0.00
## [5065,] 1.00 0.00
## [5066,] 1.00 0.00
## [5067,] 1.00 0.00
## [5068,] 1.00 0.00
## [5069,] 1.00 0.00
## [5070,] 1.00 0.00
## [5071,] 0.72 0.28
## [5072,] 1.00 0.00
## [5073,] 1.00 0.00
## [5074,] 0.89 0.11
## [5075,] 0.48 0.52
## [5076,] 0.64 0.36
## [5077,] 1.00 0.00
## [5078,] 0.89 0.11
## [5079,] 1.00 0.00
## [5080,] 1.00 0.00
## [5081,] 1.00 0.00
## [5082,] 1.00 0.00
## [5083,] 1.00 0.00
## [5084,] 0.00 1.00
## [5085,] 1.00 0.00
## [5086,] 0.81 0.19
## [5087,] 0.61 0.39
## [5088,] 0.00 1.00
## [5089,] 1.00 0.00
## [5090,] 0.05 0.95
## [5091,] 1.00 0.00
## [5092,] 1.00 0.00
## [5093,] 1.00 0.00
## [5094,] 1.00 0.00
## [5095,] 1.00 0.00
## [5096,] 1.00 0.00
## [5097,] 0.00 1.00
## [5098,] 1.00 0.00
## [5099,] 0.50 0.50
## [5100,] 1.00 0.00
## [5101,] 0.86 0.14
## [5102,] 1.00 0.00
## [5103,] 1.00 0.00
## [5104,] 1.00 0.00
## [5105,] 1.00 0.00
## [5106,] 0.63 0.37
## [5107,] 1.00 0.00
## [5108,] 1.00 0.00
## [5109,] 0.00 1.00
## [5110,] 1.00 0.00
## [5111,] 1.00 0.00
## [5112,] 0.86 0.14
## [5113,] 1.00 0.00
## [5114,] 0.00 1.00
## [5115,] 1.00 0.00
## [5116,] 1.00 0.00
## [5117,] 1.00 0.00
## [5118,] 0.86 0.14
## [5119,] 0.02 0.98
## [5120,] 1.00 0.00
## [5121,] 0.00 1.00
## [5122,] 0.00 1.00
## [5123,] 0.67 0.33
## [5124,] 0.73 0.27
## [5125,] 1.00 0.00
## [5126,] 1.00 0.00
## [5127,] 1.00 0.00
## [5128,] 1.00 0.00
## [5129,] 0.86 0.14
## [5130,] 0.00 1.00
## [5131,] 1.00 0.00
## [5132,] 1.00 0.00
## [5133,] 0.99 0.01
## [5134,] 1.00 0.00
## [5135,] 1.00 0.00
## [5136,] 1.00 0.00
## [5137,] 1.00 0.00
## [5138,] 1.00 0.00
## [5139,] 0.10 0.90
## [5140,] 0.18 0.82
## [5141,] 0.54 0.46
## [5142,] 1.00 0.00
## [5143,] 1.00 0.00
## [5144,] 1.00 0.00
## [5145,] 1.00 0.00
## [5146,] 1.00 0.00
## [5147,] 1.00 0.00
## [5148,] 1.00 0.00
## [5149,] 0.01 0.99
## [5150,] 1.00 0.00
## [5151,] 0.76 0.24
## [5152,] 0.97 0.03
## [5153,] 0.56 0.44
## [5154,] 1.00 0.00
## [5155,] 1.00 0.00
## [5156,] 0.69 0.31
## [5157,] 1.00 0.00
## [5158,] 0.99 0.01
## [5159,] 0.01 0.99
## [5160,] 1.00 0.00
## [5161,] 1.00 0.00
## [5162,] 0.93 0.07
## [5163,] 1.00 0.00
## [5164,] 1.00 0.00
## [5165,] 0.48 0.52
## [5166,] 1.00 0.00
## [5167,] 1.00 0.00
## [5168,] 1.00 0.00
## [5169,] 1.00 0.00
## [5170,] 0.00 1.00
## [5171,] 0.01 0.99
## [5172,] 0.20 0.80
## [5173,] 0.00 1.00
## [5174,] 1.00 0.00
## [5175,] 1.00 0.00
## [5176,] 1.00 0.00
## [5177,] 1.00 0.00
## [5178,] 0.18 0.82
## [5179,] 1.00 0.00
## [5180,] 1.00 0.00
## [5181,] 1.00 0.00
## [5182,] 0.47 0.53
## [5183,] 0.93 0.07
## [5184,] 1.00 0.00
## [5185,] 1.00 0.00
## [5186,] 1.00 0.00
## [5187,] 0.00 1.00
## [5188,] 1.00 0.00
## [5189,] 1.00 0.00
## [5190,] 0.39 0.61
## [5191,] 1.00 0.00
## [5192,] 1.00 0.00
## [5193,] 1.00 0.00
## [5194,] 1.00 0.00
## [5195,] 1.00 0.00
## [5196,] 1.00 0.00
## [5197,] 0.96 0.04
## [5198,] 1.00 0.00
## [5199,] 1.00 0.00
## [5200,] 0.64 0.36
## [5201,] 1.00 0.00
## [5202,] 0.79 0.21
## [5203,] 1.00 0.00
## [5204,] 1.00 0.00
## [5205,] 1.00 0.00
## [5206,] 0.96 0.04
## [5207,] 1.00 0.00
## [5208,] 0.68 0.32
## [5209,] 1.00 0.00
## [5210,] 1.00 0.00
## [5211,] 1.00 0.00
## [5212,] 0.37 0.63
## [5213,] 1.00 0.00
## [5214,] 0.00 1.00
## [5215,] 1.00 0.00
## [5216,] 1.00 0.00
## [5217,] 1.00 0.00
## [5218,] 1.00 0.00
## [5219,] 1.00 0.00
## [5220,] 1.00 0.00
## [5221,] 0.98 0.02
## [5222,] 0.83 0.17
## [5223,] 0.00 1.00
## [5224,] 1.00 0.00
## [5225,] 1.00 0.00
## [5226,] 1.00 0.00
## [5227,] 1.00 0.00
## [5228,] 0.88 0.12
## [5229,] 1.00 0.00
## [5230,] 1.00 0.00
## [5231,] 0.00 1.00
## [5232,] 1.00 0.00
## [5233,] 1.00 0.00
## [5234,] 0.00 1.00
## [5235,] 1.00 0.00
## [5236,] 1.00 0.00
## [5237,] 0.96 0.04
## [5238,] 1.00 0.00
## [5239,] 1.00 0.00
## [5240,] 1.00 0.00
## [5241,] 0.58 0.42
## [5242,] 0.46 0.54
## [5243,] 0.61 0.39
## [5244,] 0.14 0.86
## [5245,] 1.00 0.00
## [5246,] 1.00 0.00
## [5247,] 1.00 0.00
## [5248,] 0.00 1.00
## [5249,] 1.00 0.00
## [5250,] 1.00 0.00
## [5251,] 1.00 0.00
## [5252,] 1.00 0.00
## [5253,] 1.00 0.00
## [5254,] 1.00 0.00
## [5255,] 1.00 0.00
## [5256,] 0.00 1.00
## [5257,] 0.01 0.99
## [5258,] 0.06 0.94
## [5259,] 1.00 0.00
## [5260,] 1.00 0.00
## [5261,] 1.00 0.00
## [5262,] 0.00 1.00
## [5263,] 1.00 0.00
## [5264,] 0.00 1.00
## [5265,] 0.46 0.54
## [5266,] 1.00 0.00
## [5267,] 0.75 0.25
## [5268,] 1.00 0.00
## [5269,] 1.00 0.00
## [5270,] 0.73 0.27
## [5271,] 0.99 0.01
## [5272,] 1.00 0.00
## [5273,] 0.97 0.03
## [5274,] 0.19 0.81
## [5275,] 0.80 0.20
## [5276,] 0.69 0.31
## [5277,] 0.00 1.00
## [5278,] 1.00 0.00
## [5279,] 1.00 0.00
## [5280,] 0.89 0.11
## [5281,] 0.02 0.98
## [5282,] 1.00 0.00
## [5283,] 1.00 0.00
## [5284,] 0.47 0.53
## [5285,] 0.94 0.06
## [5286,] 0.54 0.46
## [5287,] 1.00 0.00
## [5288,] 0.00 1.00
## [5289,] 1.00 0.00
## [5290,] 0.26 0.74
## [5291,] 0.95 0.05
## [5292,] 0.58 0.42
## [5293,] 0.61 0.39
## [5294,] 1.00 0.00
## [5295,] 1.00 0.00
## [5296,] 1.00 0.00
## [5297,] 0.99 0.01
## [5298,] 0.98 0.02
## [5299,] 0.00 1.00
## [5300,] 1.00 0.00
## [5301,] 0.95 0.05
## [5302,] 1.00 0.00
## [5303,] 0.07 0.93
## [5304,] 1.00 0.00
## [5305,] 1.00 0.00
## [5306,] 1.00 0.00
## [5307,] 0.64 0.36
## [5308,] 0.02 0.98
## [5309,] 1.00 0.00
## [5310,] 1.00 0.00
## [5311,] 0.29 0.71
## [5312,] 1.00 0.00
## [5313,] 0.56 0.44
## [5314,] 1.00 0.00
## [5315,] 0.95 0.05
## [5316,] 0.61 0.39
## [5317,] 0.56 0.44
## [5318,] 1.00 0.00
## [5319,] 0.15 0.85
## [5320,] 0.05 0.95
## [5321,] 0.80 0.20
## [5322,] 1.00 0.00
## [5323,] 1.00 0.00
## [5324,] 1.00 0.00
## [5325,] 1.00 0.00
## [5326,] 1.00 0.00
## [5327,] 1.00 0.00
## [5328,] 1.00 0.00
## [5329,] 1.00 0.00
## [5330,] 1.00 0.00
## [5331,] 1.00 0.00
## [5332,] 0.00 1.00
## [5333,] 1.00 0.00
## [5334,] 1.00 0.00
## [5335,] 1.00 0.00
## [5336,] 1.00 0.00
## [5337,] 0.96 0.04
## [5338,] 1.00 0.00
## [5339,] 1.00 0.00
## [5340,] 1.00 0.00
## [5341,] 1.00 0.00
## [5342,] 0.96 0.04
## [5343,] 1.00 0.00
## [5344,] 1.00 0.00
## [5345,] 0.51 0.49
## [5346,] 1.00 0.00
## [5347,] 0.78 0.22
## [5348,] 0.93 0.07
## [5349,] 1.00 0.00
## [5350,] 0.93 0.07
## [5351,] 1.00 0.00
## [5352,] 0.96 0.04
## [5353,] 1.00 0.00
## [5354,] 1.00 0.00
## [5355,] 1.00 0.00
## [5356,] 1.00 0.00
## [5357,] 0.07 0.93
## [5358,] 0.99 0.01
## [5359,] 0.90 0.10
## [5360,] 1.00 0.00
## [5361,] 1.00 0.00
## [5362,] 1.00 0.00
## [5363,] 1.00 0.00
## [5364,] 0.54 0.46
## [5365,] 1.00 0.00
## [5366,] 0.69 0.31
## [5367,] 1.00 0.00
## [5368,] 0.00 1.00
## [5369,] 1.00 0.00
## [5370,] 1.00 0.00
## [5371,] 1.00 0.00
## [5372,] 0.75 0.25
## [5373,] 1.00 0.00
## [5374,] 1.00 0.00
## [5375,] 0.28 0.72
## [5376,] 0.65 0.35
## [5377,] 0.41 0.59
## [5378,] 1.00 0.00
## [5379,] 0.20 0.80
## [5380,] 1.00 0.00
## [5381,] 0.08 0.92
## [5382,] 1.00 0.00
## [5383,] 1.00 0.00
## [5384,] 0.00 1.00
## [5385,] 1.00 0.00
## [5386,] 1.00 0.00
## [5387,] 0.01 0.99
## [5388,] 1.00 0.00
## [5389,] 0.00 1.00
## [5390,] 1.00 0.00
## [5391,] 1.00 0.00
## [5392,] 1.00 0.00
## [5393,] 1.00 0.00
## [5394,] 0.68 0.32
## [5395,] 1.00 0.00
## [5396,] 0.94 0.06
## [5397,] 1.00 0.00
## [5398,] 0.07 0.93
## [5399,] 1.00 0.00
## [5400,] 1.00 0.00
## [5401,] 0.76 0.24
## [5402,] 1.00 0.00
## [5403,] 0.02 0.98
## [5404,] 1.00 0.00
## [5405,] 1.00 0.00
## [5406,] 0.08 0.92
## [5407,] 0.97 0.03
## [5408,] 1.00 0.00
## [5409,] 1.00 0.00
## [5410,] 0.00 1.00
## [5411,] 1.00 0.00
## [5412,] 1.00 0.00
## [5413,] 1.00 0.00
## [5414,] 0.73 0.27
## [5415,] 0.54 0.46
## [5416,] 1.00 0.00
## [5417,] 1.00 0.00
## [5418,] 1.00 0.00
## [5419,] 1.00 0.00
## [5420,] 1.00 0.00
## [5421,] 0.81 0.19
## [5422,] 1.00 0.00
## [5423,] 1.00 0.00
## [5424,] 1.00 0.00
## [5425,] 1.00 0.00
## [5426,] 0.82 0.18
## [5427,] 0.00 1.00
## [5428,] 1.00 0.00
## [5429,] 1.00 0.00
## [5430,] 0.23 0.77
## [5431,] 0.90 0.10
## [5432,] 1.00 0.00
## [5433,] 1.00 0.00
## [5434,] 0.92 0.08
## [5435,] 0.00 1.00
## [5436,] 0.00 1.00
## [5437,] 1.00 0.00
## [5438,] 1.00 0.00
## [5439,] 0.97 0.03
## [5440,] 1.00 0.00
## [5441,] 1.00 0.00
## [5442,] 1.00 0.00
## [5443,] 0.27 0.73
## [5444,] 1.00 0.00
## [5445,] 1.00 0.00
## [5446,] 1.00 0.00
## [5447,] 1.00 0.00
## [5448,] 1.00 0.00
## [5449,] 0.29 0.71
## [5450,] 1.00 0.00
## [5451,] 1.00 0.00
## [5452,] 0.00 1.00
## [5453,] 1.00 0.00
## [5454,] 0.90 0.10
## [5455,] 1.00 0.00
## [5456,] 1.00 0.00
## [5457,] 1.00 0.00
## [5458,] 1.00 0.00
## [5459,] 0.01 0.99
## [5460,] 1.00 0.00
## [5461,] 1.00 0.00
## [5462,] 0.00 1.00
## [5463,] 1.00 0.00
## [5464,] 0.44 0.56
## [5465,] 0.60 0.40
## [5466,] 0.57 0.43
## [5467,] 0.96 0.04
## [5468,] 1.00 0.00
## [5469,] 0.77 0.23
## [5470,] 1.00 0.00
## [5471,] 1.00 0.00
## [5472,] 1.00 0.00
## [5473,] 1.00 0.00
## [5474,] 1.00 0.00
## [5475,] 0.64 0.36
## [5476,] 1.00 0.00
## [5477,] 0.58 0.42
## [5478,] 0.67 0.33
## [5479,] 1.00 0.00
## [5480,] 1.00 0.00
## [5481,] 0.75 0.25
## [5482,] 0.99 0.01
## [5483,] 0.94 0.06
## [5484,] 0.00 1.00
## [5485,] 0.96 0.04
## [5486,] 1.00 0.00
## [5487,] 1.00 0.00
## [5488,] 0.29 0.71
## [5489,] 1.00 0.00
## [5490,] 0.63 0.37
## [5491,] 0.50 0.50
## [5492,] 0.79 0.21
## [5493,] 0.05 0.95
## [5494,] 0.41 0.59
## [5495,] 0.99 0.01
## [5496,] 0.72 0.28
## [5497,] 1.00 0.00
## [5498,] 1.00 0.00
## [5499,] 1.00 0.00
## [5500,] 1.00 0.00
## [5501,] 0.98 0.02
## [5502,] 1.00 0.00
## [5503,] 0.78 0.22
## [5504,] 1.00 0.00
## [5505,] 1.00 0.00
## [5506,] 1.00 0.00
## [5507,] 1.00 0.00
## [5508,] 1.00 0.00
## [5509,] 1.00 0.00
## [5510,] 0.00 1.00
## [5511,] 0.81 0.19
## [5512,] 1.00 0.00
## [5513,] 1.00 0.00
## [5514,] 1.00 0.00
## [5515,] 1.00 0.00
## [5516,] 0.93 0.07
## [5517,] 1.00 0.00
## [5518,] 1.00 0.00
## [5519,] 1.00 0.00
## [5520,] 1.00 0.00
## [5521,] 0.37 0.63
## [5522,] 0.52 0.48
## [5523,] 0.48 0.52
## [5524,] 1.00 0.00
## [5525,] 1.00 0.00
## [5526,] 0.00 1.00
## [5527,] 0.01 0.99
## [5528,] 1.00 0.00
## [5529,] 1.00 0.00
## [5530,] 1.00 0.00
## [5531,] 0.01 0.99
## [5532,] 1.00 0.00
## [5533,] 0.00 1.00
## [5534,] 0.79 0.21
## [5535,] 0.94 0.06
## [5536,] 1.00 0.00
## [5537,] 0.49 0.51
## [5538,] 1.00 0.00
## [5539,] 1.00 0.00
## [5540,] 1.00 0.00
## [5541,] 1.00 0.00
## [5542,] 1.00 0.00
## [5543,] 0.10 0.90
## [5544,] 1.00 0.00
## [5545,] 1.00 0.00
## [5546,] 1.00 0.00
## [5547,] 0.69 0.31
## [5548,] 1.00 0.00
## [5549,] 1.00 0.00
## [5550,] 1.00 0.00
## [5551,] 1.00 0.00
## [5552,] 0.80 0.20
## [5553,] 1.00 0.00
## [5554,] 0.01 0.99
## [5555,] 0.01 0.99
## [5556,] 1.00 0.00
## [5557,] 0.50 0.50
## [5558,] 1.00 0.00
## [5559,] 0.58 0.42
## [5560,] 1.00 0.00
## [5561,] 1.00 0.00
## [5562,] 1.00 0.00
## [5563,] 1.00 0.00
## [5564,] 0.69 0.31
## [5565,] 0.01 0.99
## [5566,] 1.00 0.00
## [5567,] 1.00 0.00
## [5568,] 0.13 0.87
## [5569,] 1.00 0.00
## [5570,] 1.00 0.00
## [5571,] 1.00 0.00
## [5572,] 0.56 0.44
## [5573,] 1.00 0.00
## [5574,] 0.97 0.03
## [5575,] 0.02 0.98
## [5576,] 0.83 0.17
## [5577,] 1.00 0.00
## [5578,] 0.50 0.50
## [5579,] 1.00 0.00
## [5580,] 0.56 0.44
## [5581,] 1.00 0.00
## [5582,] 1.00 0.00
## [5583,] 1.00 0.00
## [5584,] 0.44 0.56
## [5585,] 0.88 0.12
## [5586,] 0.00 1.00
## [5587,] 1.00 0.00
## [5588,] 0.78 0.22
## [5589,] 1.00 0.00
## [5590,] 1.00 0.00
## [5591,] 1.00 0.00
## [5592,] 0.13 0.87
## [5593,] 0.86 0.14
## [5594,] 0.02 0.98
## [5595,] 1.00 0.00
## [5596,] 0.00 1.00
## [5597,] 1.00 0.00
## [5598,] 1.00 0.00
## [5599,] 1.00 0.00
## [5600,] 0.00 1.00
## [5601,] 1.00 0.00
## [5602,] 0.87 0.13
## [5603,] 1.00 0.00
## [5604,] 0.91 0.09
## [5605,] 0.00 1.00
## [5606,] 1.00 0.00
## [5607,] 1.00 0.00
## [5608,] 1.00 0.00
## [5609,] 0.60 0.40
## [5610,] 1.00 0.00
## [5611,] 0.02 0.98
## [5612,] 1.00 0.00
## [5613,] 1.00 0.00
## [5614,] 1.00 0.00
## [5615,] 0.75 0.25
## [5616,] 0.98 0.02
## [5617,] 1.00 0.00
## [5618,] 1.00 0.00
## [5619,] 0.95 0.05
## [5620,] 1.00 0.00
## [5621,] 0.00 1.00
## [5622,] 1.00 0.00
## [5623,] 1.00 0.00
## [5624,] 0.37 0.63
## [5625,] 0.81 0.19
## [5626,] 0.87 0.13
## [5627,] 1.00 0.00
## [5628,] 0.98 0.02
## [5629,] 1.00 0.00
## [5630,] 1.00 0.00
## [5631,] 1.00 0.00
## [5632,] 0.46 0.54
## [5633,] 1.00 0.00
## [5634,] 1.00 0.00
## [5635,] 1.00 0.00
## [5636,] 0.97 0.03
## [5637,] 1.00 0.00
## [5638,] 1.00 0.00
## [5639,] 1.00 0.00
## [5640,] 1.00 0.00
## [5641,] 0.00 1.00
## [5642,] 1.00 0.00
## [5643,] 1.00 0.00
## [5644,] 1.00 0.00
## [5645,] 1.00 0.00
## [5646,] 0.47 0.53
## [5647,] 1.00 0.00
## [5648,] 1.00 0.00
## [5649,] 1.00 0.00
## [5650,] 1.00 0.00
## [5651,] 1.00 0.00
## [5652,] 1.00 0.00
## [5653,] 1.00 0.00
## [5654,] 1.00 0.00
## [5655,] 1.00 0.00
## [5656,] 1.00 0.00
## [5657,] 0.96 0.04
## [5658,] 0.01 0.99
## [5659,] 1.00 0.00
## [5660,] 1.00 0.00
## [5661,] 1.00 0.00
## [5662,] 0.90 0.10
## [5663,] 1.00 0.00
## [5664,] 0.85 0.15
## [5665,] 1.00 0.00
## [5666,] 0.62 0.38
## [5667,] 0.00 1.00
## [5668,] 0.94 0.06
## [5669,] 0.94 0.06
## [5670,] 0.18 0.82
## [5671,] 1.00 0.00
## [5672,] 0.89 0.11
## [5673,] 0.80 0.20
## [5674,] 1.00 0.00
## [5675,] 0.35 0.65
## [5676,] 1.00 0.00
## [5677,] 1.00 0.00
## [5678,] 0.40 0.60
## [5679,] 0.99 0.01
## [5680,] 1.00 0.00
## [5681,] 1.00 0.00
## [5682,] 1.00 0.00
## [5683,] 1.00 0.00
## [5684,] 0.11 0.89
## [5685,] 1.00 0.00
## [5686,] 0.01 0.99
## [5687,] 1.00 0.00
## [5688,] 1.00 0.00
## [5689,] 0.72 0.28
## [5690,] 1.00 0.00
## [5691,] 0.00 1.00
## [5692,] 1.00 0.00
## [5693,] 1.00 0.00
## [5694,] 0.00 1.00
## [5695,] 0.00 1.00
## [5696,] 1.00 0.00
## [5697,] 1.00 0.00
## [5698,] 1.00 0.00
## [5699,] 0.98 0.02
## [5700,] 1.00 0.00
## [5701,] 0.89 0.11
## [5702,] 1.00 0.00
## [5703,] 0.00 1.00
## [5704,] 1.00 0.00
## [5705,] 1.00 0.00
## [5706,] 0.23 0.77
## [5707,] 1.00 0.00
## [5708,] 1.00 0.00
## [5709,] 1.00 0.00
## [5710,] 0.00 1.00
## [5711,] 0.90 0.10
## [5712,] 1.00 0.00
## [5713,] 1.00 0.00
## [5714,] 0.00 1.00
## [5715,] 0.29 0.71
## [5716,] 1.00 0.00
## [5717,] 1.00 0.00
## [5718,] 0.00 1.00
## [5719,] 1.00 0.00
## [5720,] 1.00 0.00
## [5721,] 1.00 0.00
## [5722,] 0.96 0.04
## [5723,] 1.00 0.00
## [5724,] 0.01 0.99
## [5725,] 0.03 0.97
## [5726,] 0.81 0.19
## [5727,] 1.00 0.00
## [5728,] 1.00 0.00
## [5729,] 1.00 0.00
## [5730,] 1.00 0.00
## [5731,] 1.00 0.00
## [5732,] 1.00 0.00
## [5733,] 0.14 0.86
## [5734,] 0.53 0.47
## [5735,] 0.95 0.05
## [5736,] 1.00 0.00
## [5737,] 1.00 0.00
## [5738,] 0.67 0.33
## [5739,] 1.00 0.00
## [5740,] 0.59 0.41
## [5741,] 1.00 0.00
## [5742,] 0.80 0.20
## [5743,] 0.54 0.46
## [5744,] 1.00 0.00
## [5745,] 0.85 0.15
## [5746,] 1.00 0.00
## [5747,] 0.02 0.98
## [5748,] 0.00 1.00
## [5749,] 1.00 0.00
## [5750,] 0.00 1.00
## [5751,] 1.00 0.00
## [5752,] 1.00 0.00
## [5753,] 0.95 0.05
## [5754,] 1.00 0.00
## [5755,] 1.00 0.00
## [5756,] 0.44 0.56
## [5757,] 1.00 0.00
## [5758,] 0.41 0.59
## [5759,] 1.00 0.00
## [5760,] 1.00 0.00
## [5761,] 1.00 0.00
## [5762,] 0.25 0.75
## [5763,] 1.00 0.00
## [5764,] 0.99 0.01
## [5765,] 1.00 0.00
## [5766,] 0.00 1.00
## [5767,] 0.99 0.01
## [5768,] 1.00 0.00
## [5769,] 1.00 0.00
## [5770,] 1.00 0.00
## [5771,] 0.80 0.20
## [5772,] 0.00 1.00
## [5773,] 0.90 0.10
## [5774,] 1.00 0.00
## [5775,] 0.80 0.20
## [5776,] 1.00 0.00
## [5777,] 1.00 0.00
## [5778,] 1.00 0.00
## [5779,] 0.19 0.81
## [5780,] 1.00 0.00
## [5781,] 1.00 0.00
## [5782,] 0.19 0.81
## [5783,] 1.00 0.00
## [5784,] 1.00 0.00
## [5785,] 0.77 0.23
## [5786,] 1.00 0.00
## [5787,] 1.00 0.00
## [5788,] 1.00 0.00
## [5789,] 1.00 0.00
## [5790,] 1.00 0.00
## [5791,] 0.74 0.26
## [5792,] 1.00 0.00
## [5793,] 0.48 0.52
## [5794,] 0.56 0.44
## [5795,] 0.57 0.43
## [5796,] 0.20 0.80
## [5797,] 1.00 0.00
## [5798,] 1.00 0.00
## [5799,] 1.00 0.00
## [5800,] 1.00 0.00
## [5801,] 1.00 0.00
## [5802,] 0.50 0.50
## [5803,] 0.00 1.00
## [5804,] 0.73 0.27
## [5805,] 1.00 0.00
## [5806,] 0.20 0.80
## [5807,] 0.03 0.97
## [5808,] 0.57 0.43
## [5809,] 0.54 0.46
## [5810,] 1.00 0.00
## [5811,] 1.00 0.00
## [5812,] 0.52 0.48
## [5813,] 1.00 0.00
## [5814,] 1.00 0.00
## [5815,] 1.00 0.00
## [5816,] 0.52 0.48
## [5817,] 1.00 0.00
## [5818,] 1.00 0.00
## [5819,] 1.00 0.00
## [5820,] 1.00 0.00
## [5821,] 1.00 0.00
## [5822,] 1.00 0.00
## [5823,] 1.00 0.00
## [5824,] 1.00 0.00
## [5825,] 0.68 0.32
## [5826,] 1.00 0.00
## [5827,] 0.27 0.73
## [5828,] 0.00 1.00
## [5829,] 0.00 1.00
## [5830,] 1.00 0.00
## [5831,] 1.00 0.00
## [5832,] 1.00 0.00
## [5833,] 0.66 0.34
## [5834,] 1.00 0.00
## [5835,] 0.02 0.98
## [5836,] 1.00 0.00
## [5837,] 0.83 0.17
## [5838,] 0.83 0.17
## [5839,] 1.00 0.00
## [5840,] 0.79 0.21
## [5841,] 0.00 1.00
## [5842,] 0.00 1.00
## [5843,] 1.00 0.00
## [5844,] 0.21 0.79
## [5845,] 0.04 0.96
## [5846,] 0.97 0.03
## [5847,] 1.00 0.00
## [5848,] 1.00 0.00
## [5849,] 1.00 0.00
## [5850,] 1.00 0.00
## [5851,] 1.00 0.00
## [5852,] 0.83 0.17
## [5853,] 1.00 0.00
## [5854,] 1.00 0.00
## [5855,] 1.00 0.00
## [5856,] 0.56 0.44
## [5857,] 0.83 0.17
## [5858,] 0.02 0.98
## [5859,] 0.00 1.00
## [5860,] 1.00 0.00
## [5861,] 1.00 0.00
## [5862,] 0.65 0.35
## [5863,] 1.00 0.00
## [5864,] 1.00 0.00
## [5865,] 1.00 0.00
## [5866,] 1.00 0.00
## [5867,] 1.00 0.00
## [5868,] 0.37 0.63
## [5869,] 1.00 0.00
## [5870,] 0.00 1.00
## [5871,] 0.01 0.99
## [5872,] 0.98 0.02
## [5873,] 1.00 0.00
## [5874,] 1.00 0.00
## [5875,] 1.00 0.00
## [5876,] 1.00 0.00
## [5877,] 1.00 0.00
## [5878,] 0.69 0.31
## [5879,] 0.93 0.07
## [5880,] 1.00 0.00
## [5881,] 0.99 0.01
## [5882,] 1.00 0.00
## [5883,] 0.79 0.21
## [5884,] 0.00 1.00
## [5885,] 1.00 0.00
## [5886,] 1.00 0.00
## [5887,] 1.00 0.00
## [5888,] 0.63 0.37
## [5889,] 0.80 0.20
## [5890,] 1.00 0.00
## [5891,] 0.75 0.25
## [5892,] 0.48 0.52
## [5893,] 1.00 0.00
## [5894,] 0.00 1.00
## [5895,] 0.00 1.00
## [5896,] 1.00 0.00
## [5897,] 1.00 0.00
## [5898,] 0.04 0.96
## [5899,] 0.19 0.81
## [5900,] 1.00 0.00
## [5901,] 0.99 0.01
## [5902,] 1.00 0.00
## [5903,] 0.34 0.66
## [5904,] 0.00 1.00
## [5905,] 0.96 0.04
## [5906,] 0.50 0.50
## [5907,] 0.02 0.98
## [5908,] 0.10 0.90
## [5909,] 1.00 0.00
## [5910,] 0.97 0.03
## [5911,] 1.00 0.00
## [5912,] 1.00 0.00
## [5913,] 1.00 0.00
## [5914,] 0.00 1.00
## [5915,] 0.65 0.35
## [5916,] 0.00 1.00
## [5917,] 1.00 0.00
## [5918,] 0.58 0.42
## [5919,] 1.00 0.00
## [5920,] 1.00 0.00
## [5921,] 1.00 0.00
## [5922,] 1.00 0.00
## [5923,] 1.00 0.00
## [5924,] 1.00 0.00
## [5925,] 1.00 0.00
## [5926,] 1.00 0.00
## [5927,] 0.17 0.83
## [5928,] 1.00 0.00
## [5929,] 0.01 0.99
## [5930,] 1.00 0.00
## [5931,] 1.00 0.00
## [5932,] 1.00 0.00
## [5933,] 1.00 0.00
## [5934,] 0.62 0.38
## [5935,] 1.00 0.00
## [5936,] 0.79 0.21
## [5937,] 1.00 0.00
## [5938,] 0.10 0.90
## [5939,] 1.00 0.00
## [5940,] 1.00 0.00
## [5941,] 1.00 0.00
## [5942,] 1.00 0.00
## [5943,] 0.04 0.96
## [5944,] 1.00 0.00
## [5945,] 1.00 0.00
## [5946,] 0.00 1.00
## [5947,] 0.25 0.75
## [5948,] 1.00 0.00
## [5949,] 1.00 0.00
## [5950,] 1.00 0.00
## [5951,] 0.39 0.61
## [5952,] 0.00 1.00
## [5953,] 1.00 0.00
## [5954,] 1.00 0.00
## [5955,] 1.00 0.00
## [5956,] 1.00 0.00
## [5957,] 1.00 0.00
## [5958,] 0.99 0.01
## [5959,] 0.96 0.04
## [5960,] 1.00 0.00
## [5961,] 1.00 0.00
## [5962,] 1.00 0.00
## [5963,] 0.00 1.00
## [5964,] 1.00 0.00
## [5965,] 1.00 0.00
## [5966,] 1.00 0.00
## [5967,] 0.00 1.00
## [5968,] 1.00 0.00
## [5969,] 0.44 0.56
## [5970,] 1.00 0.00
## [5971,] 1.00 0.00
## [5972,] 0.51 0.49
## [5973,] 1.00 0.00
## [5974,] 0.56 0.44
## [5975,] 0.99 0.01
## [5976,] 0.00 1.00
## [5977,] 1.00 0.00
## [5978,] 0.00 1.00
## [5979,] 0.95 0.05
## [5980,] 1.00 0.00
## [5981,] 1.00 0.00
## [5982,] 1.00 0.00
## [5983,] 0.56 0.44
## [5984,] 1.00 0.00
## [5985,] 0.83 0.17
## [5986,] 1.00 0.00
## [5987,] 0.94 0.06
## [5988,] 0.55 0.45
## [5989,] 0.74 0.26
## [5990,] 1.00 0.00
## [5991,] 0.00 1.00
## [5992,] 1.00 0.00
## [5993,] 0.94 0.06
## [5994,] 1.00 0.00
## [5995,] 0.48 0.52
## [5996,] 0.96 0.04
## [5997,] 0.66 0.34
## [5998,] 1.00 0.00
## [5999,] 1.00 0.00
## [6000,] 1.00 0.00
## [6001,] 0.79 0.21
## [6002,] 0.00 1.00
## [6003,] 0.58 0.42
## [6004,] 1.00 0.00
## [6005,] 1.00 0.00
## [6006,] 1.00 0.00
## [6007,] 0.56 0.44
## [6008,] 0.00 1.00
## [6009,] 1.00 0.00
## [6010,] 1.00 0.00
## [6011,] 1.00 0.00
## [6012,] 1.00 0.00
## [6013,] 1.00 0.00
## [6014,] 0.71 0.29
## [6015,] 1.00 0.00
## [6016,] 0.73 0.27
## [6017,] 0.37 0.63
## [6018,] 1.00 0.00
## [6019,] 1.00 0.00
## [6020,] 1.00 0.00
## [6021,] 0.94 0.06
## [6022,] 0.25 0.75
## [6023,] 0.20 0.80
## [6024,] 0.92 0.08
## [6025,] 1.00 0.00
## [6026,] 0.01 0.99
## [6027,] 1.00 0.00
## [6028,] 0.31 0.69
## [6029,] 1.00 0.00
## [6030,] 0.50 0.50
## [6031,] 1.00 0.00
## [6032,] 1.00 0.00
## [6033,] 1.00 0.00
## [6034,] 1.00 0.00
## [6035,] 0.50 0.50
## [6036,] 1.00 0.00
## [6037,] 0.39 0.61
## [6038,] 1.00 0.00
## [6039,] 1.00 0.00
## [6040,] 0.00 1.00
## [6041,] 1.00 0.00
## [6042,] 0.87 0.13
## [6043,] 1.00 0.00
## [6044,] 0.23 0.77
## [6045,] 1.00 0.00
## [6046,] 1.00 0.00
## [6047,] 1.00 0.00
## [6048,] 1.00 0.00
## [6049,] 0.78 0.22
## [6050,] 1.00 0.00
## [6051,] 1.00 0.00
## [6052,] 0.78 0.22
## [6053,] 0.63 0.37
## [6054,] 1.00 0.00
## [6055,] 0.09 0.91
## [6056,] 1.00 0.00
## [6057,] 1.00 0.00
## [6058,] 1.00 0.00
## [6059,] 1.00 0.00
## [6060,] 0.72 0.28
## [6061,] 1.00 0.00
## [6062,] 0.00 1.00
## [6063,] 0.02 0.98
## [6064,] 1.00 0.00
## [6065,] 0.83 0.17
## [6066,] 0.61 0.39
## [6067,] 0.01 0.99
## [6068,] 1.00 0.00
## [6069,] 1.00 0.00
## [6070,] 1.00 0.00
## [6071,] 0.80 0.20
## [6072,] 1.00 0.00
## [6073,] 0.77 0.23
## [6074,] 0.99 0.01
## [6075,] 0.00 1.00
## [6076,] 1.00 0.00
## [6077,] 0.39 0.61
## [6078,] 0.00 1.00
## [6079,] 1.00 0.00
## [6080,] 1.00 0.00
## [6081,] 1.00 0.00
## [6082,] 1.00 0.00
## [6083,] 1.00 0.00
## [6084,] 1.00 0.00
## [6085,] 0.83 0.17
## [6086,] 1.00 0.00
## [6087,] 1.00 0.00
## [6088,] 0.46 0.54
## [6089,] 1.00 0.00
## [6090,] 1.00 0.00
## [6091,] 1.00 0.00
## [6092,] 1.00 0.00
## [6093,] 1.00 0.00
## [6094,] 0.66 0.34
## [6095,] 0.71 0.29
## [6096,] 1.00 0.00
## [6097,] 1.00 0.00
## [6098,] 1.00 0.00
## [6099,] 0.67 0.33
## [6100,] 0.00 1.00
## [6101,] 0.95 0.05
## [6102,] 1.00 0.00
## [6103,] 1.00 0.00
## [6104,] 1.00 0.00
## [6105,] 0.27 0.73
## [6106,] 1.00 0.00
## [6107,] 1.00 0.00
## [6108,] 1.00 0.00
## [6109,] 0.00 1.00
## [6110,] 0.02 0.98
## [6111,] 1.00 0.00
## [6112,] 0.03 0.97
## [6113,] 1.00 0.00
## [6114,] 1.00 0.00
## [6115,] 1.00 0.00
## [6116,] 0.77 0.23
## [6117,] 1.00 0.00
## [6118,] 1.00 0.00
## [6119,] 1.00 0.00
## [6120,] 1.00 0.00
## [6121,] 1.00 0.00
## [6122,] 0.00 1.00
## [6123,] 0.61 0.39
## [6124,] 0.67 0.33
## [6125,] 1.00 0.00
## [6126,] 1.00 0.00
## [6127,] 1.00 0.00
## [6128,] 0.87 0.13
## [6129,] 1.00 0.00
## [6130,] 1.00 0.00
## [6131,] 0.70 0.30
## [6132,] 1.00 0.00
## [6133,] 1.00 0.00
## [6134,] 1.00 0.00
## [6135,] 0.62 0.38
## [6136,] 1.00 0.00
## [6137,] 0.80 0.20
## [6138,] 1.00 0.00
## [6139,] 0.93 0.07
## [6140,] 1.00 0.00
## [6141,] 1.00 0.00
## [6142,] 0.99 0.01
## [6143,] 1.00 0.00
## [6144,] 0.99 0.01
## [6145,] 0.02 0.98
## [6146,] 1.00 0.00
## [6147,] 1.00 0.00
## [6148,] 1.00 0.00
## [6149,] 0.00 1.00
## [6150,] 1.00 0.00
## [6151,] 1.00 0.00
## [6152,] 1.00 0.00
## [6153,] 0.44 0.56
## [6154,] 1.00 0.00
## [6155,] 0.58 0.42
## [6156,] 1.00 0.00
## [6157,] 1.00 0.00
## [6158,] 0.00 1.00
## [6159,] 0.04 0.96
## [6160,] 1.00 0.00
## [6161,] 1.00 0.00
## [6162,] 1.00 0.00
## [6163,] 0.02 0.98
## [6164,] 0.76 0.24
## [6165,] 1.00 0.00
## [6166,] 1.00 0.00
## [6167,] 0.91 0.09
## [6168,] 0.97 0.03
## [6169,] 1.00 0.00
## [6170,] 0.90 0.10
## [6171,] 1.00 0.00
## [6172,] 0.88 0.12
## [6173,] 1.00 0.00
## [6174,] 1.00 0.00
## [6175,] 0.09 0.91
## [6176,] 0.61 0.39
## [6177,] 1.00 0.00
## [6178,] 1.00 0.00
## [6179,] 0.97 0.03
## [6180,] 0.95 0.05
## [6181,] 0.44 0.56
## [6182,] 0.57 0.43
## [6183,] 1.00 0.00
## [6184,] 0.20 0.80
## [6185,] 1.00 0.00
## [6186,] 0.00 1.00
## [6187,] 1.00 0.00
## [6188,] 0.76 0.24
## [6189,] 1.00 0.00
## [6190,] 0.95 0.05
## [6191,] 0.19 0.81
## [6192,] 1.00 0.00
## [6193,] 1.00 0.00
## [6194,] 0.01 0.99
## [6195,] 0.80 0.20
## [6196,] 1.00 0.00
## [6197,] 1.00 0.00
## [6198,] 1.00 0.00
## [6199,] 0.73 0.27
## [6200,] 1.00 0.00
## [6201,] 0.00 1.00
## [6202,] 1.00 0.00
## [6203,] 1.00 0.00
## [6204,] 0.00 1.00
## [6205,] 1.00 0.00
## [6206,] 1.00 0.00
## [6207,] 0.48 0.52
## [6208,] 1.00 0.00
## [6209,] 0.41 0.59
## [6210,] 1.00 0.00
## [6211,] 1.00 0.00
## [6212,] 1.00 0.00
## [6213,] 0.00 1.00
## [6214,] 0.59 0.41
## [6215,] 1.00 0.00
## [6216,] 1.00 0.00
## [6217,] 1.00 0.00
## [6218,] 0.00 1.00
## [6219,] 1.00 0.00
## [6220,] 1.00 0.00
## [6221,] 0.74 0.26
## [6222,] 0.73 0.27
## [6223,] 1.00 0.00
## [6224,] 1.00 0.00
## [6225,] 1.00 0.00
## [6226,] 1.00 0.00
## [6227,] 0.92 0.08
## [6228,] 0.84 0.16
## [6229,] 1.00 0.00
## [6230,] 1.00 0.00
## [6231,] 1.00 0.00
## [6232,] 0.75 0.25
## [6233,] 1.00 0.00
## [6234,] 1.00 0.00
## [6235,] 1.00 0.00
## [6236,] 1.00 0.00
## [6237,] 1.00 0.00
## [6238,] 1.00 0.00
## [6239,] 1.00 0.00
## [6240,] 0.47 0.53
## [6241,] 0.83 0.17
## [6242,] 1.00 0.00
## [6243,] 0.00 1.00
## [6244,] 0.28 0.72
## [6245,] 1.00 0.00
## [6246,] 0.87 0.13
## [6247,] 1.00 0.00
## [6248,] 1.00 0.00
## [6249,] 1.00 0.00
## [6250,] 1.00 0.00
## [6251,] 1.00 0.00
## [6252,] 0.99 0.01
## [6253,] 1.00 0.00
## [6254,] 1.00 0.00
## [6255,] 1.00 0.00
## [6256,] 0.70 0.30
## [6257,] 1.00 0.00
## [6258,] 1.00 0.00
## [6259,] 1.00 0.00
## [6260,] 1.00 0.00
## [6261,] 1.00 0.00
## [6262,] 0.01 0.99
## [6263,] 0.06 0.94
## [6264,] 0.00 1.00
## [6265,] 1.00 0.00
## [6266,] 0.00 1.00
## [6267,] 0.75 0.25
## [6268,] 0.84 0.16
## [6269,] 0.50 0.50
## [6270,] 1.00 0.00
## [6271,] 0.94 0.06
## [6272,] 0.99 0.01
## [6273,] 0.97 0.03
## [6274,] 1.00 0.00
## [6275,] 1.00 0.00
## [6276,] 1.00 0.00
## [6277,] 1.00 0.00
## [6278,] 1.00 0.00
## [6279,] 0.21 0.79
## [6280,] 0.00 1.00
## [6281,] 1.00 0.00
## [6282,] 1.00 0.00
## [6283,] 1.00 0.00
## [6284,] 1.00 0.00
## [6285,] 1.00 0.00
## [6286,] 0.57 0.43
## [6287,] 1.00 0.00
## [6288,] 1.00 0.00
## [6289,] 0.38 0.62
## [6290,] 0.99 0.01
## [6291,] 0.99 0.01
## [6292,] 0.00 1.00
## [6293,] 1.00 0.00
## [6294,] 1.00 0.00
## [6295,] 0.94 0.06
## [6296,] 1.00 0.00
## [6297,] 0.00 1.00
## [6298,] 1.00 0.00
## [6299,] 0.79 0.21
## [6300,] 0.53 0.47
## [6301,] 1.00 0.00
## [6302,] 1.00 0.00
## [6303,] 0.75 0.25
## [6304,] 1.00 0.00
## [6305,] 1.00 0.00
## [6306,] 0.00 1.00
## [6307,] 0.76 0.24
## [6308,] 1.00 0.00
## [6309,] 0.83 0.17
## [6310,] 1.00 0.00
## [6311,] 1.00 0.00
## [6312,] 1.00 0.00
## [6313,] 1.00 0.00
## [6314,] 0.57 0.43
## [6315,] 1.00 0.00
## [6316,] 1.00 0.00
## [6317,] 1.00 0.00
## [6318,] 1.00 0.00
## [6319,] 0.41 0.59
## [6320,] 1.00 0.00
## [6321,] 1.00 0.00
## [6322,] 1.00 0.00
## [6323,] 1.00 0.00
## [6324,] 0.54 0.46
## [6325,] 0.91 0.09
## [6326,] 0.94 0.06
## [6327,] 1.00 0.00
## [6328,] 0.80 0.20
## [6329,] 0.07 0.93
## [6330,] 1.00 0.00
## [6331,] 1.00 0.00
## [6332,] 1.00 0.00
## [6333,] 1.00 0.00
## [6334,] 1.00 0.00
## [6335,] 0.65 0.35
## [6336,] 1.00 0.00
## [6337,] 1.00 0.00
## [6338,] 1.00 0.00
## [6339,] 1.00 0.00
## [6340,] 1.00 0.00
## [6341,] 1.00 0.00
## [6342,] 1.00 0.00
## [6343,] 0.86 0.14
## [6344,] 1.00 0.00
## [6345,] 0.99 0.01
## [6346,] 1.00 0.00
## [6347,] 1.00 0.00
## [6348,] 1.00 0.00
## [6349,] 0.92 0.08
## [6350,] 1.00 0.00
## [6351,] 1.00 0.00
## [6352,] 1.00 0.00
## [6353,] 1.00 0.00
## [6354,] 0.00 1.00
## [6355,] 1.00 0.00
## [6356,] 1.00 0.00
## [6357,] 1.00 0.00
## [6358,] 0.00 1.00
## [6359,] 1.00 0.00
## [6360,] 0.88 0.12
## [6361,] 0.80 0.20
## [6362,] 1.00 0.00
## [6363,] 0.17 0.83
## [6364,] 0.77 0.23
## [6365,] 1.00 0.00
## [6366,] 1.00 0.00
## [6367,] 0.58 0.42
## [6368,] 1.00 0.00
## [6369,] 0.56 0.44
## [6370,] 0.81 0.19
## [6371,] 0.83 0.17
## [6372,] 0.62 0.38
## [6373,] 1.00 0.00
## [6374,] 1.00 0.00
## [6375,] 1.00 0.00
## [6376,] 0.76 0.24
## [6377,] 0.73 0.27
## [6378,] 1.00 0.00
## [6379,] 1.00 0.00
## [6380,] 1.00 0.00
## [6381,] 0.64 0.36
## [6382,] 1.00 0.00
## [6383,] 1.00 0.00
## [6384,] 1.00 0.00
## [6385,] 1.00 0.00
## [6386,] 1.00 0.00
## [6387,] 0.00 1.00
## [6388,] 0.37 0.63
## [6389,] 0.73 0.27
## [6390,] 1.00 0.00
## [6391,] 1.00 0.00
## [6392,] 1.00 0.00
## [6393,] 1.00 0.00
## [6394,] 0.97 0.03
## [6395,] 0.75 0.25
## [6396,] 0.56 0.44
## [6397,] 1.00 0.00
## [6398,] 1.00 0.00
## [6399,] 1.00 0.00
## [6400,] 1.00 0.00
## [6401,] 1.00 0.00
## [6402,] 1.00 0.00
## [6403,] 0.79 0.21
## [6404,] 0.19 0.81
## [6405,] 1.00 0.00
## [6406,] 1.00 0.00
## [6407,] 0.68 0.32
## [6408,] 0.01 0.99
## [6409,] 0.91 0.09
## [6410,] 1.00 0.00
## [6411,] 1.00 0.00
## [6412,] 0.83 0.17
## [6413,] 1.00 0.00
## [6414,] 1.00 0.00
## [6415,] 1.00 0.00
## [6416,] 1.00 0.00
## [6417,] 1.00 0.00
## [6418,] 1.00 0.00
## [6419,] 0.00 1.00
## [6420,] 0.53 0.47
## [6421,] 1.00 0.00
## [6422,] 0.96 0.04
## [6423,] 0.29 0.71
## [6424,] 0.00 1.00
## [6425,] 0.00 1.00
## [6426,] 0.63 0.37
## [6427,] 1.00 0.00
## [6428,] 1.00 0.00
## [6429,] 0.48 0.52
## [6430,] 1.00 0.00
## [6431,] 0.10 0.90
## [6432,] 1.00 0.00
## [6433,] 0.45 0.55
## [6434,] 1.00 0.00
## [6435,] 1.00 0.00
## [6436,] 1.00 0.00
## [6437,] 1.00 0.00
## [6438,] 1.00 0.00
## [6439,] 0.16 0.84
## [6440,] 1.00 0.00
## [6441,] 1.00 0.00
## [6442,] 0.04 0.96
## [6443,] 1.00 0.00
## [6444,] 0.66 0.34
## [6445,] 0.82 0.18
## [6446,] 1.00 0.00
## [6447,] 1.00 0.00
## [6448,] 1.00 0.00
## [6449,] 1.00 0.00
## [6450,] 1.00 0.00
## [6451,] 1.00 0.00
## [6452,] 1.00 0.00
## [6453,] 0.01 0.99
## [6454,] 1.00 0.00
## [6455,] 1.00 0.00
## [6456,] 1.00 0.00
## [6457,] 1.00 0.00
## [6458,] 1.00 0.00
## [6459,] 1.00 0.00
## [6460,] 1.00 0.00
## [6461,] 0.77 0.23
## [6462,] 0.66 0.34
## [6463,] 1.00 0.00
## [6464,] 0.00 1.00
## [6465,] 1.00 0.00
## [6466,] 1.00 0.00
## [6467,] 0.20 0.80
## [6468,] 1.00 0.00
## [6469,] 1.00 0.00
## [6470,] 1.00 0.00
## [6471,] 0.01 0.99
## [6472,] 1.00 0.00
## [6473,] 1.00 0.00
## [6474,] 1.00 0.00
## [6475,] 1.00 0.00
## [6476,] 1.00 0.00
## [6477,] 1.00 0.00
## [6478,] 0.83 0.17
## [6479,] 1.00 0.00
## [6480,] 0.53 0.47
## [6481,] 0.00 1.00
## [6482,] 1.00 0.00
## [6483,] 0.02 0.98
## [6484,] 1.00 0.00
## [6485,] 0.75 0.25
## [6486,] 0.44 0.56
## [6487,] 0.52 0.48
## [6488,] 1.00 0.00
## [6489,] 1.00 0.00
## [6490,] 0.86 0.14
## [6491,] 1.00 0.00
## [6492,] 1.00 0.00
## [6493,] 0.89 0.11
## [6494,] 1.00 0.00
## [6495,] 1.00 0.00
## [6496,] 1.00 0.00
## [6497,] 1.00 0.00
## [6498,] 1.00 0.00
## [6499,] 1.00 0.00
## [6500,] 0.75 0.25
## [6501,] 0.93 0.07
## [6502,] 1.00 0.00
## [6503,] 0.51 0.49
## [6504,] 0.94 0.06
## [6505,] 0.05 0.95
## [6506,] 0.40 0.60
## [6507,] 0.97 0.03
## [6508,] 1.00 0.00
## [6509,] 0.00 1.00
## [6510,] 1.00 0.00
## [6511,] 1.00 0.00
## [6512,] 1.00 0.00
## [6513,] 0.48 0.52
## [6514,] 0.50 0.50
## [6515,] 1.00 0.00
## [6516,] 1.00 0.00
## [6517,] 0.55 0.45
## [6518,] 1.00 0.00
## [6519,] 0.94 0.06
## [6520,] 0.47 0.53
## [6521,] 1.00 0.00
## [6522,] 0.01 0.99
## [6523,] 0.93 0.07
## [6524,] 1.00 0.00
## [6525,] 1.00 0.00
## [6526,] 0.48 0.52
## [6527,] 1.00 0.00
## [6528,] 0.74 0.26
## [6529,] 1.00 0.00
## [6530,] 0.00 1.00
## [6531,] 0.43 0.57
## [6532,] 1.00 0.00
## [6533,] 0.29 0.71
## [6534,] 1.00 0.00
## [6535,] 1.00 0.00
## [6536,] 1.00 0.00
## [6537,] 1.00 0.00
## [6538,] 1.00 0.00
## [6539,] 1.00 0.00
## [6540,] 0.97 0.03
## [6541,] 1.00 0.00
## [6542,] 0.00 1.00
## [6543,] 0.53 0.47
## [6544,] 1.00 0.00
## [6545,] 0.95 0.05
## [6546,] 1.00 0.00
## [6547,] 1.00 0.00
## [6548,] 0.01 0.99
## [6549,] 1.00 0.00
## [6550,] 1.00 0.00
## [6551,] 1.00 0.00
## [6552,] 1.00 0.00
## [6553,] 1.00 0.00
## [6554,] 1.00 0.00
## [6555,] 1.00 0.00
## [6556,] 1.00 0.00
## [6557,] 0.00 1.00
## [6558,] 1.00 0.00
## [6559,] 1.00 0.00
## [6560,] 1.00 0.00
## [6561,] 1.00 0.00
## [6562,] 1.00 0.00
## [6563,] 1.00 0.00
## [6564,] 0.23 0.77
## [6565,] 1.00 0.00
## [6566,] 1.00 0.00
## [6567,] 0.21 0.79
## [6568,] 1.00 0.00
## [6569,] 1.00 0.00
## [6570,] 1.00 0.00
## [6571,] 1.00 0.00
## [6572,] 1.00 0.00
## [6573,] 0.45 0.55
## [6574,] 0.15 0.85
## [6575,] 1.00 0.00
## [6576,] 0.06 0.94
## [6577,] 0.31 0.69
## [6578,] 1.00 0.00
## [6579,] 0.75 0.25
## [6580,] 0.01 0.99
## [6581,] 1.00 0.00
## [6582,] 0.04 0.96
## [6583,] 0.81 0.19
## [6584,] 1.00 0.00
## [6585,] 1.00 0.00
## [6586,] 0.99 0.01
## [6587,] 1.00 0.00
## [6588,] 1.00 0.00
## [6589,] 1.00 0.00
## [6590,] 1.00 0.00
## [6591,] 0.97 0.03
## [6592,] 0.79 0.21
## [6593,] 0.99 0.01
## [6594,] 1.00 0.00
## [6595,] 0.83 0.17
## [6596,] 1.00 0.00
## [6597,] 0.88 0.12
## [6598,] 1.00 0.00
## [6599,] 1.00 0.00
## [6600,] 0.00 1.00
## [6601,] 1.00 0.00
## [6602,] 1.00 0.00
## [6603,] 0.54 0.46
## [6604,] 0.47 0.53
## [6605,] 0.81 0.19
## [6606,] 1.00 0.00
## [6607,] 1.00 0.00
## [6608,] 0.80 0.20
## [6609,] 0.94 0.06
## [6610,] 0.01 0.99
## [6611,] 1.00 0.00
## [6612,] 0.66 0.34
## [6613,] 1.00 0.00
## [6614,] 1.00 0.00
## [6615,] 0.20 0.80
## [6616,] 0.01 0.99
## [6617,] 1.00 0.00
## [6618,] 0.56 0.44
## [6619,] 0.83 0.17
## [6620,] 0.93 0.07
## [6621,] 1.00 0.00
## [6622,] 0.69 0.31
## [6623,] 1.00 0.00
## [6624,] 1.00 0.00
## [6625,] 1.00 0.00
## [6626,] 1.00 0.00
## [6627,] 1.00 0.00
## [6628,] 0.59 0.41
## [6629,] 0.73 0.27
## [6630,] 0.84 0.16
## [6631,] 0.35 0.65
## [6632,] 0.03 0.97
## [6633,] 0.75 0.25
## [6634,] 1.00 0.00
## [6635,] 0.04 0.96
## [6636,] 1.00 0.00
## [6637,] 1.00 0.00
## [6638,] 0.99 0.01
## [6639,] 1.00 0.00
## [6640,] 0.00 1.00
## [6641,] 0.51 0.49
## [6642,] 0.78 0.22
## [6643,] 1.00 0.00
## [6644,] 0.99 0.01
## [6645,] 0.98 0.02
## [6646,] 1.00 0.00
## [6647,] 0.59 0.41
## [6648,] 1.00 0.00
## [6649,] 0.56 0.44
## [6650,] 1.00 0.00
## [6651,] 1.00 0.00
## [6652,] 1.00 0.00
## [6653,] 0.96 0.04
## [6654,] 1.00 0.00
## [6655,] 0.53 0.47
## [6656,] 1.00 0.00
## [6657,] 1.00 0.00
## [6658,] 0.82 0.18
## [6659,] 1.00 0.00
## [6660,] 0.55 0.45
## [6661,] 0.61 0.39
## [6662,] 0.60 0.40
## [6663,] 0.23 0.77
## [6664,] 1.00 0.00
## [6665,] 0.00 1.00
## [6666,] 1.00 0.00
## [6667,] 0.87 0.13
## [6668,] 0.14 0.86
## [6669,] 1.00 0.00
## [6670,] 0.00 1.00
## [6671,] 1.00 0.00
## [6672,] 1.00 0.00
## [6673,] 0.01 0.99
## [6674,] 0.63 0.37
## [6675,] 0.24 0.76
## [6676,] 1.00 0.00
## [6677,] 1.00 0.00
## [6678,] 1.00 0.00
## [6679,] 1.00 0.00
## [6680,] 1.00 0.00
## [6681,] 1.00 0.00
## [6682,] 0.02 0.98
## [6683,] 0.75 0.25
## [6684,] 0.94 0.06
## [6685,] 1.00 0.00
## [6686,] 1.00 0.00
## [6687,] 0.01 0.99
## [6688,] 1.00 0.00
## [6689,] 0.00 1.00
## [6690,] 1.00 0.00
## [6691,] 1.00 0.00
## [6692,] 1.00 0.00
## [6693,] 0.11 0.89
## [6694,] 1.00 0.00
## [6695,] 0.56 0.44
## [6696,] 1.00 0.00
## [6697,] 1.00 0.00
## [6698,] 0.79 0.21
## [6699,] 1.00 0.00
## [6700,] 0.48 0.52
## [6701,] 1.00 0.00
## [6702,] 1.00 0.00
## [6703,] 0.04 0.96
## [6704,] 0.92 0.08
## [6705,] 1.00 0.00
## [6706,] 1.00 0.00
## [6707,] 1.00 0.00
## [6708,] 0.85 0.15
## [6709,] 0.00 1.00
## [6710,] 0.00 1.00
## [6711,] 0.85 0.15
## [6712,] 1.00 0.00
## [6713,] 0.89 0.11
## [6714,] 1.00 0.00
## [6715,] 1.00 0.00
## [6716,] 0.78 0.22
## [6717,] 0.01 0.99
## [6718,] 1.00 0.00
## [6719,] 1.00 0.00
## [6720,] 1.00 0.00
## [6721,] 1.00 0.00
## [6722,] 0.76 0.24
## [6723,] 1.00 0.00
## [6724,] 1.00 0.00
## [6725,] 0.04 0.96
## [6726,] 1.00 0.00
## [6727,] 0.12 0.88
## [6728,] 1.00 0.00
## [6729,] 1.00 0.00
## [6730,] 1.00 0.00
## [6731,] 1.00 0.00
## [6732,] 1.00 0.00
## [6733,] 0.63 0.37
## [6734,] 1.00 0.00
## [6735,] 0.00 1.00
## [6736,] 0.97 0.03
## [6737,] 0.93 0.07
## [6738,] 0.27 0.73
## [6739,] 1.00 0.00
## [6740,] 0.73 0.27
## [6741,] 1.00 0.00
## [6742,] 0.20 0.80
## [6743,] 1.00 0.00
## [6744,] 1.00 0.00
## [6745,] 1.00 0.00
## [6746,] 0.93 0.07
## [6747,] 0.00 1.00
## [6748,] 1.00 0.00
## [6749,] 1.00 0.00
## [6750,] 1.00 0.00
## [6751,] 1.00 0.00
## [6752,] 0.39 0.61
## [6753,] 0.22 0.78
## [6754,] 1.00 0.00
## [6755,] 1.00 0.00
## [6756,] 1.00 0.00
## [6757,] 1.00 0.00
## [6758,] 0.41 0.59
## [6759,] 0.07 0.93
## [6760,] 1.00 0.00
## [6761,] 1.00 0.00
## [6762,] 1.00 0.00
## [6763,] 0.78 0.22
## [6764,] 0.83 0.17
## [6765,] 1.00 0.00
## [6766,] 1.00 0.00
## [6767,] 0.02 0.98
## [6768,] 1.00 0.00
## [6769,] 1.00 0.00
## [6770,] 1.00 0.00
## [6771,] 1.00 0.00
## [6772,] 1.00 0.00
## [6773,] 1.00 0.00
## [6774,] 0.09 0.91
## [6775,] 0.79 0.21
## [6776,] 0.86 0.14
## [6777,] 0.96 0.04
## [6778,] 1.00 0.00
## [6779,] 1.00 0.00
## [6780,] 0.96 0.04
## [6781,] 1.00 0.00
## [6782,] 1.00 0.00
## [6783,] 1.00 0.00
## [6784,] 1.00 0.00
## [6785,] 0.33 0.67
## [6786,] 0.96 0.04
## [6787,] 0.96 0.04
## [6788,] 1.00 0.00
## [6789,] 1.00 0.00
## [6790,] 1.00 0.00
## [6791,] 0.57 0.43
## [6792,] 0.47 0.53
## [6793,] 1.00 0.00
## [6794,] 1.00 0.00
## [6795,] 0.46 0.54
## [6796,] 0.01 0.99
## [6797,] 0.00 1.00
## [6798,] 1.00 0.00
## [6799,] 1.00 0.00
## [6800,] 0.28 0.72
## [6801,] 1.00 0.00
## [6802,] 1.00 0.00
## [6803,] 0.94 0.06
## [6804,] 0.93 0.07
## [6805,] 0.01 0.99
## [6806,] 0.10 0.90
## [6807,] 1.00 0.00
## [6808,] 1.00 0.00
## [6809,] 1.00 0.00
## [6810,] 1.00 0.00
## [6811,] 0.01 0.99
## [6812,] 1.00 0.00
## [6813,] 1.00 0.00
## [6814,] 1.00 0.00
## [6815,] 1.00 0.00
## [6816,] 0.97 0.03
## [6817,] 0.97 0.03
## [6818,] 1.00 0.00
## [6819,] 0.96 0.04
## [6820,] 0.16 0.84
## [6821,] 1.00 0.00
## [6822,] 1.00 0.00
## [6823,] 0.32 0.68
## [6824,] 1.00 0.00
## [6825,] 1.00 0.00
## [6826,] 1.00 0.00
## [6827,] 1.00 0.00
## [6828,] 1.00 0.00
## [6829,] 1.00 0.00
## [6830,] 0.00 1.00
## [6831,] 1.00 0.00
## [6832,] 0.00 1.00
## [6833,] 1.00 0.00
## [6834,] 0.05 0.95
## [6835,] 1.00 0.00
## [6836,] 0.88 0.12
## [6837,] 1.00 0.00
## [6838,] 0.60 0.40
## [6839,] 0.65 0.35
## [6840,] 1.00 0.00
## [6841,] 1.00 0.00
## [6842,] 1.00 0.00
## [6843,] 1.00 0.00
## [6844,] 1.00 0.00
## [6845,] 1.00 0.00
## [6846,] 1.00 0.00
## [6847,] 0.02 0.98
## [6848,] 1.00 0.00
## [6849,] 1.00 0.00
## [6850,] 1.00 0.00
## [6851,] 1.00 0.00
## [6852,] 1.00 0.00
## [6853,] 0.27 0.73
## [6854,] 1.00 0.00
## [6855,] 0.94 0.06
## [6856,] 1.00 0.00
## [6857,] 0.36 0.64
## [6858,] 1.00 0.00
## [6859,] 0.71 0.29
## [6860,] 1.00 0.00
## [6861,] 0.22 0.78
## [6862,] 0.10 0.90
## [6863,] 1.00 0.00
## [6864,] 0.00 1.00
## [6865,] 1.00 0.00
## [6866,] 1.00 0.00
## [6867,] 0.60 0.40
## [6868,] 1.00 0.00
## [6869,] 1.00 0.00
## [6870,] 1.00 0.00
## [6871,] 0.00 1.00
## [6872,] 0.80 0.20
## [6873,] 0.97 0.03
## [6874,] 0.01 0.99
## [6875,] 1.00 0.00
## [6876,] 0.48 0.52
## [6877,] 1.00 0.00
## [6878,] 1.00 0.00
## [6879,] 1.00 0.00
## [6880,] 0.04 0.96
## [6881,] 1.00 0.00
## [6882,] 0.00 1.00
## [6883,] 0.23 0.77
## [6884,] 1.00 0.00
## [6885,] 1.00 0.00
## [6886,] 1.00 0.00
## [6887,] 1.00 0.00
## [6888,] 0.65 0.35
## [6889,] 1.00 0.00
## [6890,] 1.00 0.00
## [6891,] 1.00 0.00
## [6892,] 0.80 0.20
## [6893,] 1.00 0.00
## [6894,] 0.90 0.10
## [6895,] 1.00 0.00
## [6896,] 1.00 0.00
## [6897,] 1.00 0.00
## [6898,] 1.00 0.00
## [6899,] 1.00 0.00
## [6900,] 0.36 0.64
## [6901,] 1.00 0.00
## [6902,] 1.00 0.00
## [6903,] 1.00 0.00
## [6904,] 1.00 0.00
## [6905,] 0.71 0.29
## [6906,] 1.00 0.00
## [6907,] 1.00 0.00
## [6908,] 1.00 0.00
## [6909,] 0.00 1.00
## [6910,] 0.00 1.00
## [6911,] 1.00 0.00
## [6912,] 1.00 0.00
## [6913,] 1.00 0.00
## [6914,] 0.00 1.00
## [6915,] 0.83 0.17
## [6916,] 1.00 0.00
## [6917,] 1.00 0.00
## [6918,] 1.00 0.00
## [6919,] 0.79 0.21
## [6920,] 0.99 0.01
## [6921,] 1.00 0.00
## [6922,] 1.00 0.00
## [6923,] 1.00 0.00
## [6924,] 1.00 0.00
## [6925,] 0.95 0.05
## [6926,] 0.63 0.37
## [6927,] 1.00 0.00
## [6928,] 1.00 0.00
## [6929,] 0.40 0.60
## [6930,] 1.00 0.00
## [6931,] 1.00 0.00
## [6932,] 1.00 0.00
## [6933,] 0.75 0.25
## [6934,] 1.00 0.00
## [6935,] 1.00 0.00
## [6936,] 1.00 0.00
## [6937,] 1.00 0.00
## [6938,] 1.00 0.00
## [6939,] 1.00 0.00
## [6940,] 0.50 0.50
## [6941,] 0.96 0.04
## [6942,] 1.00 0.00
## [6943,] 1.00 0.00
## [6944,] 0.99 0.01
## [6945,] 0.99 0.01
## [6946,] 0.43 0.57
## [6947,] 1.00 0.00
## [6948,] 1.00 0.00
## [6949,] 1.00 0.00
## [6950,] 0.96 0.04
## [6951,] 0.56 0.44
## [6952,] 1.00 0.00
## [6953,] 0.01 0.99
## [6954,] 1.00 0.00
## [6955,] 0.58 0.42
## [6956,] 1.00 0.00
## [6957,] 1.00 0.00
## [6958,] 0.81 0.19
## [6959,] 0.00 1.00
## [6960,] 1.00 0.00
## [6961,] 1.00 0.00
## [6962,] 1.00 0.00
## [6963,] 0.16 0.84
## [6964,] 0.97 0.03
## [6965,] 0.50 0.50
## [6966,] 1.00 0.00
## [6967,] 1.00 0.00
## [6968,] 0.20 0.80
## [6969,] 1.00 0.00
## [6970,] 0.02 0.98
## [6971,] 1.00 0.00
## [6972,] 1.00 0.00
## [6973,] 1.00 0.00
## [6974,] 0.60 0.40
## [6975,] 1.00 0.00
## [6976,] 0.02 0.98
## [6977,] 0.02 0.98
## [6978,] 1.00 0.00
## [6979,] 1.00 0.00
## [6980,] 1.00 0.00
## [6981,] 1.00 0.00
## [6982,] 0.51 0.49
## [6983,] 0.93 0.07
## [6984,] 0.94 0.06
## [6985,] 0.00 1.00
## [6986,] 0.07 0.93
## [6987,] 1.00 0.00
## [6988,] 1.00 0.00
## [6989,] 1.00 0.00
## [6990,] 0.04 0.96
## [6991,] 0.00 1.00
## [6992,] 1.00 0.00
## [6993,] 1.00 0.00
## [6994,] 0.00 1.00
## [6995,] 0.75 0.25
## [6996,] 0.05 0.95
## [6997,] 1.00 0.00
## [6998,] 1.00 0.00
## [6999,] 1.00 0.00
## [7000,] 1.00 0.00
## [7001,] 1.00 0.00
## [7002,] 0.82 0.18
## [7003,] 1.00 0.00
## [7004,] 0.78 0.22
## [7005,] 1.00 0.00
## [7006,] 1.00 0.00
## [7007,] 0.93 0.07
## [7008,] 0.79 0.21
## [7009,] 1.00 0.00
## [7010,] 0.97 0.03
## [7011,] 1.00 0.00
## [7012,] 0.90 0.10
## [7013,] 1.00 0.00
## [7014,] 1.00 0.00
## [7015,] 1.00 0.00
## [7016,] 1.00 0.00
## [7017,] 0.97 0.03
## [7018,] 1.00 0.00
## [7019,] 1.00 0.00
## [7020,] 1.00 0.00
## [7021,] 0.50 0.50
## [7022,] 0.23 0.77
## [7023,] 1.00 0.00
## [7024,] 0.31 0.69
## [7025,] 1.00 0.00
## [7026,] 1.00 0.00
## [7027,] 1.00 0.00
## [7028,] 1.00 0.00
## [7029,] 0.56 0.44
## [7030,] 1.00 0.00
## [7031,] 1.00 0.00
## [7032,] 1.00 0.00
## [7033,] 0.00 1.00
## [7034,] 1.00 0.00
## [7035,] 1.00 0.00
## [7036,] 0.67 0.33
## [7037,] 1.00 0.00
## [7038,] 1.00 0.00
## [7039,] 1.00 0.00
## [7040,] 1.00 0.00
## [7041,] 1.00 0.00
## [7042,] 1.00 0.00
## [7043,] 0.67 0.33
## [7044,] 1.00 0.00
## [7045,] 0.81 0.19
## [7046,] 1.00 0.00
## [7047,] 0.82 0.18
## [7048,] 1.00 0.00
## [7049,] 0.00 1.00
## [7050,] 1.00 0.00
## [7051,] 1.00 0.00
## [7052,] 0.00 1.00
## [7053,] 0.94 0.06
## [7054,] 1.00 0.00
## [7055,] 0.55 0.45
## [7056,] 0.78 0.22
## [7057,] 0.97 0.03
## [7058,] 1.00 0.00
## [7059,] 1.00 0.00
## [7060,] 0.14 0.86
## [7061,] 1.00 0.00
## [7062,] 1.00 0.00
## [7063,] 1.00 0.00
## [7064,] 1.00 0.00
## [7065,] 1.00 0.00
## [7066,] 1.00 0.00
## [7067,] 1.00 0.00
## [7068,] 1.00 0.00
## [7069,] 0.80 0.20
## [7070,] 1.00 0.00
## [7071,] 0.98 0.02
## [7072,] 1.00 0.00
## [7073,] 0.58 0.42
## [7074,] 1.00 0.00
## [7075,] 1.00 0.00
## [7076,] 1.00 0.00
## [7077,] 1.00 0.00
## [7078,] 0.67 0.33
## [7079,] 1.00 0.00
## [7080,] 0.48 0.52
## [7081,] 0.78 0.22
## [7082,] 1.00 0.00
## [7083,] 1.00 0.00
## [7084,] 0.79 0.21
## [7085,] 0.81 0.19
## [7086,] 0.99 0.01
## [7087,] 1.00 0.00
## [7088,] 1.00 0.00
## [7089,] 1.00 0.00
## [7090,] 1.00 0.00
## [7091,] 0.48 0.52
## [7092,] 0.19 0.81
## [7093,] 1.00 0.00
## [7094,] 1.00 0.00
## [7095,] 0.20 0.80
## [7096,] 1.00 0.00
## [7097,] 1.00 0.00
## [7098,] 0.33 0.67
## [7099,] 1.00 0.00
## [7100,] 1.00 0.00
## [7101,] 1.00 0.00
## [7102,] 0.95 0.05
## [7103,] 1.00 0.00
## [7104,] 1.00 0.00
## [7105,] 1.00 0.00
## [7106,] 0.03 0.97
## [7107,] 0.97 0.03
## [7108,] 0.19 0.81
## [7109,] 0.96 0.04
## [7110,] 0.00 1.00
## [7111,] 1.00 0.00
## [7112,] 1.00 0.00
## [7113,] 0.83 0.17
## [7114,] 0.20 0.80
## [7115,] 0.81 0.19
## [7116,] 1.00 0.00
## [7117,] 0.01 0.99
## [7118,] 1.00 0.00
## [7119,] 0.93 0.07
## [7120,] 1.00 0.00
## [7121,] 0.00 1.00
## [7122,] 1.00 0.00
## [7123,] 1.00 0.00
## [7124,] 0.75 0.25
## [7125,] 0.98 0.02
## [7126,] 0.00 1.00
## [7127,] 0.72 0.28
## [7128,] 0.00 1.00
## [7129,] 1.00 0.00
## [7130,] 1.00 0.00
## [7131,] 1.00 0.00
## [7132,] 0.10 0.90
## [7133,] 1.00 0.00
## [7134,] 0.59 0.41
## [7135,] 1.00 0.00
## [7136,] 0.79 0.21
## [7137,] 1.00 0.00
## [7138,] 1.00 0.00
## [7139,] 0.02 0.98
## [7140,] 1.00 0.00
## [7141,] 1.00 0.00
## [7142,] 1.00 0.00
## [7143,] 1.00 0.00
## [7144,] 1.00 0.00
## [7145,] 0.00 1.00
## [7146,] 1.00 0.00
## [7147,] 1.00 0.00
## [7148,] 1.00 0.00
## [7149,] 0.29 0.71
## [7150,] 0.32 0.68
## [7151,] 1.00 0.00
## [7152,] 1.00 0.00
## [7153,] 0.40 0.60
## [7154,] 0.50 0.50
## [7155,] 1.00 0.00
## [7156,] 0.41 0.59
## [7157,] 1.00 0.00
## [7158,] 1.00 0.00
## [7159,] 1.00 0.00
## [7160,] 1.00 0.00
## [7161,] 1.00 0.00
## [7162,] 1.00 0.00
## [7163,] 0.97 0.03
## [7164,] 0.02 0.98
## [7165,] 0.00 1.00
## [7166,] 1.00 0.00
## [7167,] 1.00 0.00
## [7168,] 1.00 0.00
## [7169,] 1.00 0.00
## [7170,] 0.86 0.14
## [7171,] 1.00 0.00
## [7172,] 0.00 1.00
## [7173,] 1.00 0.00
## [7174,] 0.00 1.00
## [7175,] 0.45 0.55
## [7176,] 0.00 1.00
## [7177,] 1.00 0.00
## [7178,] 0.00 1.00
## [7179,] 0.74 0.26
## [7180,] 1.00 0.00
## [7181,] 1.00 0.00
## [7182,] 0.96 0.04
## [7183,] 0.00 1.00
## [7184,] 1.00 0.00
## [7185,] 0.27 0.73
## [7186,] 0.01 0.99
## [7187,] 1.00 0.00
## [7188,] 1.00 0.00
## [7189,] 0.00 1.00
## [7190,] 0.85 0.15
## [7191,] 1.00 0.00
## [7192,] 1.00 0.00
## [7193,] 0.99 0.01
## [7194,] 0.75 0.25
## [7195,] 1.00 0.00
## [7196,] 1.00 0.00
## [7197,] 0.73 0.27
## [7198,] 1.00 0.00
## [7199,] 0.77 0.23
## [7200,] 1.00 0.00
## [7201,] 1.00 0.00
## [7202,] 0.10 0.90
## [7203,] 0.15 0.85
## [7204,] 1.00 0.00
## [7205,] 0.89 0.11
## [7206,] 1.00 0.00
## [7207,] 0.99 0.01
## [7208,] 1.00 0.00
## [7209,] 1.00 0.00
## [7210,] 0.01 0.99
## [7211,] 1.00 0.00
## [7212,] 0.77 0.23
## [7213,] 0.00 1.00
## [7214,] 0.00 1.00
## [7215,] 1.00 0.00
## [7216,] 0.11 0.89
## [7217,] 1.00 0.00
## [7218,] 1.00 0.00
## [7219,] 1.00 0.00
## [7220,] 0.00 1.00
## [7221,] 1.00 0.00
## [7222,] 0.06 0.94
## [7223,] 0.01 0.99
## [7224,] 1.00 0.00
## [7225,] 1.00 0.00
## [7226,] 1.00 0.00
## [7227,] 1.00 0.00
## [7228,] 0.00 1.00
## [7229,] 1.00 0.00
## [7230,] 1.00 0.00
## [7231,] 1.00 0.00
## [7232,] 1.00 0.00
## [7233,] 0.10 0.90
## [7234,] 1.00 0.00
## [7235,] 0.69 0.31
## [7236,] 1.00 0.00
## [7237,] 0.22 0.78
## [7238,] 0.56 0.44
## [7239,] 1.00 0.00
## [7240,] 1.00 0.00
## [7241,] 0.77 0.23
## [7242,] 0.00 1.00
## [7243,] 1.00 0.00
## [7244,] 1.00 0.00
## [7245,] 1.00 0.00
## [7246,] 1.00 0.00
## [7247,] 0.61 0.39
## [7248,] 1.00 0.00
## [7249,] 1.00 0.00
## [7250,] 1.00 0.00
## [7251,] 1.00 0.00
## [7252,] 1.00 0.00
## [7253,] 1.00 0.00
## [7254,] 0.61 0.39
## [7255,] 0.00 1.00
## [7256,] 1.00 0.00
## [7257,] 0.97 0.03
## [7258,] 1.00 0.00
## [7259,] 0.89 0.11
## [7260,] 0.74 0.26
## [7261,] 0.10 0.90
## [7262,] 1.00 0.00
## [7263,] 1.00 0.00
## [7264,] 1.00 0.00
## [7265,] 1.00 0.00
## [7266,] 1.00 0.00
## [7267,] 1.00 0.00
## [7268,] 1.00 0.00
## [7269,] 1.00 0.00
## [7270,] 0.74 0.26
## [7271,] 1.00 0.00
## [7272,] 1.00 0.00
## [7273,] 1.00 0.00
## [7274,] 1.00 0.00
## [7275,] 0.01 0.99
## [7276,] 0.10 0.90
## [7277,] 0.83 0.17
## [7278,] 1.00 0.00
## [7279,] 1.00 0.00
## [7280,] 1.00 0.00
## [7281,] 1.00 0.00
## [7282,] 1.00 0.00
## [7283,] 0.45 0.55
## [7284,] 1.00 0.00
## [7285,] 0.48 0.52
## [7286,] 0.51 0.49
## [7287,] 1.00 0.00
## [7288,] 1.00 0.00
## [7289,] 1.00 0.00
## [7290,] 1.00 0.00
## [7291,] 1.00 0.00
## [7292,] 1.00 0.00
## [7293,] 0.09 0.91
## [7294,] 1.00 0.00
## [7295,] 0.83 0.17
## [7296,] 1.00 0.00
## [7297,] 1.00 0.00
## [7298,] 0.00 1.00
## [7299,] 1.00 0.00
## [7300,] 1.00 0.00
## [7301,] 0.15 0.85
## [7302,] 1.00 0.00
## [7303,] 1.00 0.00
## [7304,] 0.77 0.23
## [7305,] 0.00 1.00
## [7306,] 1.00 0.00
## [7307,] 1.00 0.00
## [7308,] 1.00 0.00
## [7309,] 1.00 0.00
## [7310,] 1.00 0.00
## [7311,] 1.00 0.00
## [7312,] 1.00 0.00
## [7313,] 1.00 0.00
## [7314,] 0.99 0.01
## [7315,] 0.89 0.11
## [7316,] 1.00 0.00
## [7317,] 1.00 0.00
## [7318,] 1.00 0.00
## [7319,] 1.00 0.00
## [7320,] 1.00 0.00
## [7321,] 1.00 0.00
## [7322,] 1.00 0.00
## [7323,] 0.78 0.22
## [7324,] 1.00 0.00
## [7325,] 0.94 0.06
## [7326,] 0.00 1.00
## [7327,] 0.00 1.00
## [7328,] 0.95 0.05
## [7329,] 1.00 0.00
## [7330,] 1.00 0.00
## [7331,] 0.55 0.45
## [7332,] 1.00 0.00
## [7333,] 1.00 0.00
## [7334,] 1.00 0.00
## [7335,] 1.00 0.00
## [7336,] 1.00 0.00
## [7337,] 1.00 0.00
## [7338,] 1.00 0.00
## [7339,] 0.33 0.67
## [7340,] 1.00 0.00
## [7341,] 1.00 0.00
## [7342,] 1.00 0.00
## [7343,] 0.25 0.75
## [7344,] 1.00 0.00
## [7345,] 1.00 0.00
## [7346,] 0.99 0.01
## [7347,] 1.00 0.00
## [7348,] 1.00 0.00
## [7349,] 0.00 1.00
## [7350,] 1.00 0.00
## [7351,] 0.42 0.58
## [7352,] 1.00 0.00
## [7353,] 1.00 0.00
## [7354,] 0.00 1.00
## [7355,] 1.00 0.00
## [7356,] 1.00 0.00
## [7357,] 0.95 0.05
## [7358,] 1.00 0.00
## [7359,] 0.00 1.00
## [7360,] 1.00 0.00
## [7361,] 0.75 0.25
## [7362,] 0.79 0.21
## [7363,] 1.00 0.00
## [7364,] 1.00 0.00
## [7365,] 1.00 0.00
## [7366,] 1.00 0.00
## [7367,] 1.00 0.00
## [7368,] 1.00 0.00
## [7369,] 1.00 0.00
## [7370,] 0.09 0.91
## [7371,] 0.79 0.21
## [7372,] 0.88 0.12
## [7373,] 1.00 0.00
## [7374,] 0.01 0.99
## [7375,] 0.96 0.04
## [7376,] 1.00 0.00
## [7377,] 0.97 0.03
## [7378,] 1.00 0.00
## [7379,] 0.55 0.45
## [7380,] 0.95 0.05
## [7381,] 0.99 0.01
## [7382,] 1.00 0.00
## [7383,] 1.00 0.00
## [7384,] 1.00 0.00
## [7385,] 1.00 0.00
## [7386,] 0.80 0.20
## [7387,] 0.94 0.06
## [7388,] 1.00 0.00
## [7389,] 1.00 0.00
## [7390,] 0.00 1.00
## [7391,] 0.99 0.01
## [7392,] 1.00 0.00
## [7393,] 1.00 0.00
## [7394,] 0.60 0.40
## [7395,] 0.80 0.20
## [7396,] 0.64 0.36
## [7397,] 0.68 0.32
## [7398,] 0.63 0.37
## [7399,] 1.00 0.00
## [7400,] 1.00 0.00
## [7401,] 1.00 0.00
## [7402,] 1.00 0.00
## [7403,] 1.00 0.00
## [7404,] 0.39 0.61
## [7405,] 0.30 0.70
## [7406,] 1.00 0.00
## [7407,] 0.02 0.98
## [7408,] 1.00 0.00
## [7409,] 0.00 1.00
## [7410,] 0.94 0.06
## [7411,] 1.00 0.00
## [7412,] 0.58 0.42
## [7413,] 1.00 0.00
## [7414,] 1.00 0.00
## [7415,] 0.50 0.50
## [7416,] 0.00 1.00
## [7417,] 1.00 0.00
## [7418,] 1.00 0.00
## [7419,] 1.00 0.00
## [7420,] 0.00 1.00
## [7421,] 0.35 0.65
## [7422,] 1.00 0.00
## [7423,] 0.64 0.36
## [7424,] 0.83 0.17
## [7425,] 1.00 0.00
## [7426,] 1.00 0.00
## [7427,] 1.00 0.00
## [7428,] 1.00 0.00
## [7429,] 1.00 0.00
## [7430,] 1.00 0.00
## [7431,] 0.01 0.99
## [7432,] 0.84 0.16
## [7433,] 0.10 0.90
## [7434,] 0.92 0.08
## [7435,] 0.00 1.00
## [7436,] 0.15 0.85
## [7437,] 1.00 0.00
## [7438,] 1.00 0.00
## [7439,] 0.00 1.00
## [7440,] 1.00 0.00
## [7441,] 0.06 0.94
## [7442,] 0.45 0.55
## [7443,] 1.00 0.00
## [7444,] 0.94 0.06
## [7445,] 0.00 1.00
## [7446,] 0.00 1.00
## [7447,] 0.71 0.29
## [7448,] 0.00 1.00
## [7449,] 0.08 0.92
## [7450,] 1.00 0.00
## [7451,] 1.00 0.00
## [7452,] 1.00 0.00
## [7453,] 0.00 1.00
## [7454,] 1.00 0.00
## [7455,] 1.00 0.00
## [7456,] 0.47 0.53
## [7457,] 0.04 0.96
## [7458,] 1.00 0.00
## [7459,] 1.00 0.00
## [7460,] 1.00 0.00
## [7461,] 0.41 0.59
## [7462,] 1.00 0.00
## [7463,] 0.79 0.21
## [7464,] 1.00 0.00
## [7465,] 0.03 0.97
## [7466,] 1.00 0.00
## [7467,] 1.00 0.00
## [7468,] 0.56 0.44
## [7469,] 1.00 0.00
## [7470,] 0.99 0.01
## [7471,] 0.78 0.22
## [7472,] 0.73 0.27
## [7473,] 1.00 0.00
## [7474,] 0.90 0.10
## [7475,] 0.01 0.99
## [7476,] 0.50 0.50
## [7477,] 1.00 0.00
## [7478,] 0.51 0.49
## [7479,] 1.00 0.00
## [7480,] 1.00 0.00
## [7481,] 1.00 0.00
## [7482,] 1.00 0.00
## [7483,] 1.00 0.00
## [7484,] 1.00 0.00
## [7485,] 0.96 0.04
## [7486,] 0.74 0.26
## [7487,] 1.00 0.00
## [7488,] 1.00 0.00
## [7489,] 0.00 1.00
## [7490,] 0.89 0.11
## [7491,] 0.74 0.26
## [7492,] 0.13 0.87
## [7493,] 0.00 1.00
## [7494,] 1.00 0.00
## [7495,] 0.37 0.63
## [7496,] 0.68 0.32
## [7497,] 0.60 0.40
## [7498,] 0.16 0.84
## [7499,] 1.00 0.00
## [7500,] 0.80 0.20
## [7501,] 0.00 1.00
## [7502,] 1.00 0.00
## [7503,] 1.00 0.00
## [7504,] 1.00 0.00
## [7505,] 1.00 0.00
## [7506,] 1.00 0.00
## [7507,] 0.93 0.07
## [7508,] 1.00 0.00
## [7509,] 1.00 0.00
## [7510,] 1.00 0.00
## [7511,] 1.00 0.00
## [7512,] 1.00 0.00
## [7513,] 0.81 0.19
## [7514,] 1.00 0.00
## [7515,] 1.00 0.00
## [7516,] 1.00 0.00
## [7517,] 0.52 0.48
## [7518,] 0.83 0.17
## [7519,] 0.67 0.33
## [7520,] 0.80 0.20
## [7521,] 0.24 0.76
## [7522,] 1.00 0.00
## [7523,] 1.00 0.00
## [7524,] 1.00 0.00
## [7525,] 1.00 0.00
## [7526,] 0.00 1.00
## [7527,] 1.00 0.00
## [7528,] 1.00 0.00
## [7529,] 0.83 0.17
## [7530,] 1.00 0.00
## [7531,] 1.00 0.00
## [7532,] 0.80 0.20
## [7533,] 1.00 0.00
## [7534,] 1.00 0.00
## [7535,] 0.98 0.02
## [7536,] 1.00 0.00
## [7537,] 0.83 0.17
## [7538,] 1.00 0.00
## [7539,] 0.54 0.46
## [7540,] 0.80 0.20
## [7541,] 1.00 0.00
## [7542,] 0.83 0.17
## [7543,] 1.00 0.00
## [7544,] 1.00 0.00
## [7545,] 1.00 0.00
## [7546,] 1.00 0.00
## [7547,] 1.00 0.00
## [7548,] 1.00 0.00
## [7549,] 1.00 0.00
## [7550,] 1.00 0.00
## [7551,] 0.99 0.01
## [7552,] 1.00 0.00
## [7553,] 0.00 1.00
## [7554,] 1.00 0.00
## [7555,] 0.96 0.04
## [7556,] 1.00 0.00
## [7557,] 1.00 0.00
## [7558,] 0.52 0.48
## [7559,] 1.00 0.00
## [7560,] 1.00 0.00
## [7561,] 1.00 0.00
## [7562,] 1.00 0.00
## [7563,] 0.19 0.81
## [7564,] 1.00 0.00
## [7565,] 0.75 0.25
## [7566,] 1.00 0.00
## [7567,] 1.00 0.00
## [7568,] 1.00 0.00
## [7569,] 0.80 0.20
## [7570,] 0.01 0.99
## [7571,] 1.00 0.00
## [7572,] 0.74 0.26
## [7573,] 1.00 0.00
## [7574,] 1.00 0.00
## [7575,] 1.00 0.00
## [7576,] 1.00 0.00
## [7577,] 1.00 0.00
## [7578,] 1.00 0.00
## [7579,] 1.00 0.00
## [7580,] 0.80 0.20
## [7581,] 0.73 0.27
## [7582,] 0.00 1.00
## [7583,] 1.00 0.00
## [7584,] 0.05 0.95
## [7585,] 0.98 0.02
## [7586,] 1.00 0.00
## [7587,] 1.00 0.00
## [7588,] 0.00 1.00
## [7589,] 0.96 0.04
## [7590,] 1.00 0.00
## [7591,] 0.19 0.81
## [7592,] 0.66 0.34
## [7593,] 0.49 0.51
## [7594,] 1.00 0.00
## [7595,] 1.00 0.00
## [7596,] 0.48 0.52
## [7597,] 1.00 0.00
## [7598,] 1.00 0.00
## [7599,] 1.00 0.00
## [7600,] 1.00 0.00
## [7601,] 0.00 1.00
## [7602,] 0.97 0.03
## [7603,] 0.01 0.99
## [7604,] 0.00 1.00
## [7605,] 0.07 0.93
## [7606,] 0.95 0.05
## [7607,] 0.85 0.15
## [7608,] 0.00 1.00
## [7609,] 0.00 1.00
## [7610,] 1.00 0.00
## [7611,] 1.00 0.00
## [7612,] 0.84 0.16
## [7613,] 0.93 0.07
## [7614,] 1.00 0.00
## [7615,] 1.00 0.00
## [7616,] 1.00 0.00
## [7617,] 0.79 0.21
## [7618,] 1.00 0.00
## [7619,] 1.00 0.00
## [7620,] 0.01 0.99
## [7621,] 1.00 0.00
## [7622,] 1.00 0.00
## [7623,] 0.68 0.32
## [7624,] 1.00 0.00
## [7625,] 1.00 0.00
## [7626,] 0.28 0.72
## [7627,] 0.78 0.22
## [7628,] 0.95 0.05
## [7629,] 1.00 0.00
## [7630,] 1.00 0.00
## [7631,] 1.00 0.00
## [7632,] 0.75 0.25
## [7633,] 1.00 0.00
## [7634,] 1.00 0.00
## [7635,] 1.00 0.00
## [7636,] 0.35 0.65
## [7637,] 0.54 0.46
## [7638,] 1.00 0.00
## [7639,] 0.95 0.05
## [7640,] 1.00 0.00
## [7641,] 1.00 0.00
## [7642,] 0.00 1.00
## [7643,] 1.00 0.00
## [7644,] 0.37 0.63
## [7645,] 0.01 0.99
## [7646,] 0.24 0.76
## [7647,] 0.10 0.90
## [7648,] 1.00 0.00
## [7649,] 1.00 0.00
## [7650,] 1.00 0.00
## [7651,] 1.00 0.00
## [7652,] 0.50 0.50
## [7653,] 1.00 0.00
## [7654,] 0.89 0.11
## [7655,] 1.00 0.00
## [7656,] 0.31 0.69
## [7657,] 1.00 0.00
## [7658,] 1.00 0.00
## [7659,] 1.00 0.00
## [7660,] 1.00 0.00
## [7661,] 0.81 0.19
## [7662,] 1.00 0.00
## [7663,] 0.39 0.61
## [7664,] 1.00 0.00
## [7665,] 1.00 0.00
## [7666,] 0.51 0.49
## [7667,] 1.00 0.00
## [7668,] 1.00 0.00
## [7669,] 0.00 1.00
## [7670,] 0.80 0.20
## [7671,] 1.00 0.00
## [7672,] 0.05 0.95
## [7673,] 0.02 0.98
## [7674,] 1.00 0.00
## [7675,] 1.00 0.00
## [7676,] 1.00 0.00
## [7677,] 0.74 0.26
## [7678,] 1.00 0.00
## [7679,] 1.00 0.00
## [7680,] 1.00 0.00
## [7681,] 0.56 0.44
## [7682,] 1.00 0.00
## [7683,] 0.00 1.00
## [7684,] 1.00 0.00
## [7685,] 0.00 1.00
## [7686,] 0.41 0.59
## [7687,] 0.93 0.07
## [7688,] 1.00 0.00
## [7689,] 1.00 0.00
## [7690,] 1.00 0.00
## [7691,] 1.00 0.00
## [7692,] 1.00 0.00
## [7693,] 0.98 0.02
## [7694,] 0.55 0.45
## [7695,] 0.99 0.01
## [7696,] 0.00 1.00
## [7697,] 1.00 0.00
## [7698,] 1.00 0.00
## [7699,] 1.00 0.00
## [7700,] 0.00 1.00
## [7701,] 1.00 0.00
## [7702,] 1.00 0.00
## [7703,] 1.00 0.00
## [7704,] 0.97 0.03
## [7705,] 1.00 0.00
## [7706,] 0.56 0.44
## [7707,] 0.72 0.28
## [7708,] 1.00 0.00
## [7709,] 1.00 0.00
## [7710,] 1.00 0.00
## [7711,] 1.00 0.00
## [7712,] 1.00 0.00
## [7713,] 0.00 1.00
## [7714,] 0.84 0.16
## [7715,] 0.94 0.06
## [7716,] 1.00 0.00
## [7717,] 0.00 1.00
## [7718,] 1.00 0.00
## [7719,] 1.00 0.00
## [7720,] 1.00 0.00
## [7721,] 1.00 0.00
## [7722,] 0.55 0.45
## [7723,] 1.00 0.00
## [7724,] 1.00 0.00
## [7725,] 1.00 0.00
## [7726,] 1.00 0.00
## [7727,] 1.00 0.00
## [7728,] 1.00 0.00
## [7729,] 1.00 0.00
## [7730,] 0.94 0.06
## [7731,] 1.00 0.00
## [7732,] 0.53 0.47
## [7733,] 1.00 0.00
## [7734,] 0.00 1.00
## [7735,] 1.00 0.00
## [7736,] 1.00 0.00
## [7737,] 0.53 0.47
## [7738,] 1.00 0.00
## [7739,] 0.56 0.44
## [7740,] 1.00 0.00
## [7741,] 1.00 0.00
## [7742,] 1.00 0.00
## [7743,] 1.00 0.00
## [7744,] 0.00 1.00
## [7745,] 1.00 0.00
## [7746,] 0.76 0.24
## [7747,] 1.00 0.00
## [7748,] 0.39 0.61
## [7749,] 1.00 0.00
## [7750,] 1.00 0.00
## [7751,] 1.00 0.00
## [7752,] 0.02 0.98
## [7753,] 1.00 0.00
## [7754,] 0.73 0.27
## [7755,] 1.00 0.00
## [7756,] 0.97 0.03
## [7757,] 0.07 0.93
## [7758,] 1.00 0.00
## [7759,] 0.01 0.99
## [7760,] 1.00 0.00
## [7761,] 0.97 0.03
## [7762,] 1.00 0.00
## [7763,] 1.00 0.00
## [7764,] 1.00 0.00
## [7765,] 1.00 0.00
## [7766,] 1.00 0.00
## [7767,] 1.00 0.00
## [7768,] 0.00 1.00
## [7769,] 1.00 0.00
## [7770,] 1.00 0.00
## [7771,] 1.00 0.00
## [7772,] 1.00 0.00
## [7773,] 0.69 0.31
## [7774,] 0.80 0.20
## [7775,] 1.00 0.00
## [7776,] 1.00 0.00
## [7777,] 0.96 0.04
## [7778,] 0.00 1.00
## [7779,] 0.95 0.05
## [7780,] 0.92 0.08
## [7781,] 0.02 0.98
## [7782,] 0.00 1.00
## [7783,] 1.00 0.00
## [7784,] 1.00 0.00
## [7785,] 0.97 0.03
## [7786,] 1.00 0.00
## [7787,] 1.00 0.00
## [7788,] 0.27 0.73
## [7789,] 1.00 0.00
## [7790,] 0.00 1.00
## [7791,] 1.00 0.00
## [7792,] 0.00 1.00
## [7793,] 0.49 0.51
## [7794,] 1.00 0.00
## [7795,] 1.00 0.00
## [7796,] 1.00 0.00
## [7797,] 1.00 0.00
## [7798,] 1.00 0.00
## [7799,] 0.94 0.06
## [7800,] 0.81 0.19
## [7801,] 0.83 0.17
## [7802,] 1.00 0.00
## [7803,] 0.00 1.00
## [7804,] 1.00 0.00
## [7805,] 1.00 0.00
## [7806,] 1.00 0.00
## [7807,] 1.00 0.00
## [7808,] 1.00 0.00
## [7809,] 0.00 1.00
## [7810,] 0.95 0.05
## [7811,] 0.96 0.04
## [7812,] 1.00 0.00
## [7813,] 1.00 0.00
## [7814,] 1.00 0.00
## [7815,] 0.04 0.96
## [7816,] 1.00 0.00
## [7817,] 1.00 0.00
## [7818,] 1.00 0.00
## [7819,] 1.00 0.00
## [7820,] 1.00 0.00
## [7821,] 1.00 0.00
## [7822,] 0.52 0.48
## [7823,] 0.65 0.35
## [7824,] 1.00 0.00
## [7825,] 1.00 0.00
## [7826,] 1.00 0.00
## [7827,] 1.00 0.00
## [7828,] 1.00 0.00
## [7829,] 0.64 0.36
## [7830,] 0.35 0.65
## [7831,] 0.80 0.20
## [7832,] 1.00 0.00
## [7833,] 1.00 0.00
## [7834,] 1.00 0.00
## [7835,] 1.00 0.00
## [7836,] 1.00 0.00
## [7837,] 0.56 0.44
## [7838,] 1.00 0.00
## [7839,] 0.07 0.93
## [7840,] 0.02 0.98
## [7841,] 0.60 0.40
## [7842,] 0.51 0.49
## [7843,] 1.00 0.00
## [7844,] 1.00 0.00
## [7845,] 1.00 0.00
## [7846,] 1.00 0.00
## [7847,] 1.00 0.00
## [7848,] 1.00 0.00
## [7849,] 1.00 0.00
## [7850,] 1.00 0.00
## [7851,] 0.66 0.34
## [7852,] 1.00 0.00
## [7853,] 1.00 0.00
## [7854,] 0.82 0.18
## [7855,] 0.55 0.45
## [7856,] 0.88 0.12
## [7857,] 1.00 0.00
## [7858,] 1.00 0.00
## [7859,] 1.00 0.00
## [7860,] 0.63 0.37
## [7861,] 1.00 0.00
## [7862,] 0.95 0.05
## [7863,] 1.00 0.00
## [7864,] 0.63 0.37
## [7865,] 0.00 1.00
## [7866,] 0.99 0.01
## [7867,] 1.00 0.00
## [7868,] 0.94 0.06
## [7869,] 0.94 0.06
## [7870,] 1.00 0.00
## [7871,] 0.94 0.06
## [7872,] 0.79 0.21
## [7873,] 1.00 0.00
## [7874,] 0.97 0.03
## [7875,] 0.53 0.47
## [7876,] 0.00 1.00
## [7877,] 0.92 0.08
## [7878,] 1.00 0.00
## [7879,] 1.00 0.00
## [7880,] 1.00 0.00
## [7881,] 0.50 0.50
## [7882,] 1.00 0.00
## [7883,] 1.00 0.00
## [7884,] 1.00 0.00
## [7885,] 1.00 0.00
## [7886,] 0.00 1.00
## [7887,] 1.00 0.00
## [7888,] 0.49 0.51
## [7889,] 0.57 0.43
## [7890,] 1.00 0.00
## [7891,] 0.84 0.16
## [7892,] 0.39 0.61
## [7893,] 1.00 0.00
## [7894,] 0.83 0.17
## [7895,] 0.66 0.34
## [7896,] 1.00 0.00
## [7897,] 1.00 0.00
## [7898,] 0.32 0.68
## [7899,] 1.00 0.00
## [7900,] 0.80 0.20
## [7901,] 1.00 0.00
## [7902,] 0.97 0.03
## [7903,] 1.00 0.00
## [7904,] 1.00 0.00
## [7905,] 1.00 0.00
## [7906,] 1.00 0.00
## [7907,] 1.00 0.00
## [7908,] 0.81 0.19
## [7909,] 0.36 0.64
## [7910,] 0.50 0.50
## [7911,] 1.00 0.00
## [7912,] 0.49 0.51
## [7913,] 1.00 0.00
## [7914,] 0.86 0.14
## [7915,] 0.00 1.00
## [7916,] 1.00 0.00
## [7917,] 0.00 1.00
## [7918,] 0.25 0.75
## [7919,] 0.60 0.40
## [7920,] 0.80 0.20
## [7921,] 0.07 0.93
## [7922,] 1.00 0.00
## [7923,] 1.00 0.00
## [7924,] 0.60 0.40
## [7925,] 0.37 0.63
## [7926,] 0.55 0.45
## [7927,] 0.64 0.36
## [7928,] 1.00 0.00
## [7929,] 0.00 1.00
## [7930,] 0.07 0.93
## [7931,] 1.00 0.00
## [7932,] 1.00 0.00
## [7933,] 1.00 0.00
## [7934,] 1.00 0.00
## [7935,] 1.00 0.00
## [7936,] 0.97 0.03
## [7937,] 1.00 0.00
## [7938,] 1.00 0.00
## [7939,] 0.56 0.44
## [7940,] 0.83 0.17
## [7941,] 0.83 0.17
## [7942,] 1.00 0.00
## [7943,] 0.83 0.17
## [7944,] 1.00 0.00
## [7945,] 1.00 0.00
## [7946,] 1.00 0.00
## [7947,] 1.00 0.00
## [7948,] 1.00 0.00
## [7949,] 1.00 0.00
## [7950,] 0.27 0.73
## [7951,] 0.00 1.00
## [7952,] 1.00 0.00
## [7953,] 1.00 0.00
## [7954,] 1.00 0.00
## [7955,] 1.00 0.00
## [7956,] 1.00 0.00
## [7957,] 0.08 0.92
## [7958,] 1.00 0.00
## [7959,] 0.88 0.12
## [7960,] 0.03 0.97
## [7961,] 0.77 0.23
## [7962,] 0.64 0.36
## [7963,] 1.00 0.00
## [7964,] 0.29 0.71
## [7965,] 0.65 0.35
## [7966,] 1.00 0.00
## [7967,] 1.00 0.00
## [7968,] 1.00 0.00
## [7969,] 0.00 1.00
## [7970,] 0.57 0.43
## [7971,] 0.00 1.00
## [7972,] 0.66 0.34
## [7973,] 0.05 0.95
## [7974,] 0.01 0.99
## [7975,] 1.00 0.00
## [7976,] 0.83 0.17
## [7977,] 1.00 0.00
## [7978,] 1.00 0.00
## [7979,] 1.00 0.00
## [7980,] 1.00 0.00
## [7981,] 1.00 0.00
## [7982,] 1.00 0.00
## [7983,] 1.00 0.00
## [7984,] 1.00 0.00
## [7985,] 1.00 0.00
## [7986,] 1.00 0.00
## [7987,] 1.00 0.00
## [7988,] 0.64 0.36
## [7989,] 0.05 0.95
## [7990,] 1.00 0.00
## [7991,] 1.00 0.00
## [7992,] 0.27 0.73
## [7993,] 1.00 0.00
## [7994,] 1.00 0.00
## [7995,] 1.00 0.00
## [7996,] 1.00 0.00
## [7997,] 1.00 0.00
## [7998,] 1.00 0.00
## [7999,] 0.97 0.03
## [8000,] 0.75 0.25
## [8001,] 0.94 0.06
## [8002,] 1.00 0.00
## [8003,] 1.00 0.00
## [8004,] 1.00 0.00
## [8005,] 0.02 0.98
## [8006,] 1.00 0.00
## [8007,] 1.00 0.00
## [8008,] 1.00 0.00
## [8009,] 1.00 0.00
## [8010,] 0.14 0.86
## [8011,] 0.41 0.59
## [8012,] 1.00 0.00
## [8013,] 0.00 1.00
## [8014,] 0.86 0.14
## [8015,] 0.75 0.25
## [8016,] 1.00 0.00
## [8017,] 0.95 0.05
## [8018,] 1.00 0.00
## [8019,] 0.00 1.00
## [8020,] 0.91 0.09
## [8021,] 0.40 0.60
## [8022,] 0.07 0.93
## [8023,] 1.00 0.00
## [8024,] 1.00 0.00
## [8025,] 0.49 0.51
## [8026,] 0.00 1.00
## [8027,] 1.00 0.00
## [8028,] 0.00 1.00
## [8029,] 0.77 0.23
## [8030,] 1.00 0.00
## [8031,] 0.56 0.44
## [8032,] 0.83 0.17
## [8033,] 1.00 0.00
## [8034,] 1.00 0.00
## [8035,] 1.00 0.00
## [8036,] 1.00 0.00
## [8037,] 0.59 0.41
## [8038,] 0.03 0.97
## [8039,] 0.00 1.00
## [8040,] 1.00 0.00
## [8041,] 0.00 1.00
## [8042,] 1.00 0.00
## [8043,] 0.90 0.10
## [8044,] 1.00 0.00
## [8045,] 0.63 0.37
## [8046,] 0.27 0.73
## [8047,] 1.00 0.00
## [8048,] 1.00 0.00
## [8049,] 1.00 0.00
## [8050,] 1.00 0.00
## [8051,] 1.00 0.00
## [8052,] 1.00 0.00
## [8053,] 1.00 0.00
## [8054,] 1.00 0.00
## [8055,] 1.00 0.00
## [8056,] 0.48 0.52
## [8057,] 0.01 0.99
## [8058,] 0.86 0.14
## [8059,] 1.00 0.00
## [8060,] 1.00 0.00
## [8061,] 1.00 0.00
## [8062,] 1.00 0.00
## [8063,] 1.00 0.00
## [8064,] 1.00 0.00
## [8065,] 1.00 0.00
## [8066,] 0.60 0.40
## [8067,] 1.00 0.00
## [8068,] 0.50 0.50
## [8069,] 1.00 0.00
## [8070,] 1.00 0.00
## [8071,] 0.94 0.06
## [8072,] 1.00 0.00
## [8073,] 1.00 0.00
## [8074,] 1.00 0.00
## [8075,] 0.00 1.00
## [8076,] 0.05 0.95
## [8077,] 0.00 1.00
## [8078,] 0.55 0.45
## [8079,] 1.00 0.00
## [8080,] 0.52 0.48
## [8081,] 0.81 0.19
## [8082,] 1.00 0.00
## [8083,] 1.00 0.00
## [8084,] 1.00 0.00
## [8085,] 1.00 0.00
## [8086,] 1.00 0.00
## [8087,] 0.81 0.19
## [8088,] 0.50 0.50
## [8089,] 1.00 0.00
## [8090,] 1.00 0.00
## [8091,] 1.00 0.00
## [8092,] 0.67 0.33
## [8093,] 0.07 0.93
## [8094,] 0.93 0.07
## [8095,] 1.00 0.00
## [8096,] 0.79 0.21
## [8097,] 0.73 0.27
## [8098,] 0.77 0.23
## [8099,] 0.28 0.72
## [8100,] 1.00 0.00
## [8101,] 0.84 0.16
## [8102,] 1.00 0.00
## [8103,] 1.00 0.00
## [8104,] 0.45 0.55
## [8105,] 1.00 0.00
## [8106,] 0.88 0.12
## [8107,] 0.78 0.22
## [8108,] 1.00 0.00
## [8109,] 0.80 0.20
## [8110,] 0.01 0.99
## [8111,] 1.00 0.00
## [8112,] 0.99 0.01
## [8113,] 1.00 0.00
## [8114,] 0.21 0.79
## [8115,] 0.25 0.75
## [8116,] 0.66 0.34
## [8117,] 0.35 0.65
## [8118,] 0.95 0.05
## [8119,] 0.00 1.00
## [8120,] 1.00 0.00
## [8121,] 1.00 0.00
## [8122,] 0.91 0.09
## [8123,] 0.01 0.99
## [8124,] 1.00 0.00
## [8125,] 1.00 0.00
## [8126,] 1.00 0.00
## [8127,] 0.36 0.64
## [8128,] 0.96 0.04
## [8129,] 1.00 0.00
## [8130,] 1.00 0.00
## [8131,] 0.58 0.42
## [8132,] 1.00 0.00
## [8133,] 1.00 0.00
## [8134,] 1.00 0.00
## [8135,] 0.00 1.00
## [8136,] 0.97 0.03
## [8137,] 1.00 0.00
## [8138,] 0.90 0.10
## [8139,] 1.00 0.00
## [8140,] 0.19 0.81
## [8141,] 1.00 0.00
## [8142,] 1.00 0.00
## [8143,] 1.00 0.00
## [8144,] 1.00 0.00
## [8145,] 0.79 0.21
## [8146,] 0.84 0.16
## [8147,] 0.78 0.22
## [8148,] 0.66 0.34
## [8149,] 1.00 0.00
## [8150,] 1.00 0.00
## [8151,] 1.00 0.00
## [8152,] 1.00 0.00
## [8153,] 0.00 1.00
## [8154,] 1.00 0.00
## [8155,] 0.83 0.17
## [8156,] 1.00 0.00
## [8157,] 1.00 0.00
## [8158,] 1.00 0.00
## [8159,] 1.00 0.00
## [8160,] 1.00 0.00
## [8161,] 0.95 0.05
## [8162,] 1.00 0.00
## [8163,] 1.00 0.00
## [8164,] 0.99 0.01
## [8165,] 1.00 0.00
## [8166,] 1.00 0.00
## [8167,] 0.01 0.99
## [8168,] 0.39 0.61
## [8169,] 1.00 0.00
## [8170,] 0.83 0.17
## [8171,] 0.55 0.45
## [8172,] 0.00 1.00
## [8173,] 1.00 0.00
## [8174,] 0.50 0.50
## [8175,] 1.00 0.00
## [8176,] 1.00 0.00
## [8177,] 0.29 0.71
## [8178,] 1.00 0.00
## [8179,] 0.80 0.20
## [8180,] 1.00 0.00
## [8181,] 1.00 0.00
## [8182,] 0.81 0.19
## [8183,] 1.00 0.00
## [8184,] 1.00 0.00
## [8185,] 0.40 0.60
## [8186,] 1.00 0.00
## [8187,] 0.00 1.00
## [8188,] 0.00 1.00
## [8189,] 1.00 0.00
## [8190,] 1.00 0.00
## [8191,] 0.47 0.53
## [8192,] 0.82 0.18
## [8193,] 0.48 0.52
## [8194,] 1.00 0.00
## [8195,] 1.00 0.00
## [8196,] 1.00 0.00
## [8197,] 0.00 1.00
## [8198,] 1.00 0.00
## [8199,] 1.00 0.00
## [8200,] 1.00 0.00
## [8201,] 0.19 0.81
## [8202,] 1.00 0.00
## [8203,] 0.00 1.00
## [8204,] 0.98 0.02
## [8205,] 0.79 0.21
## [8206,] 1.00 0.00
## [8207,] 0.50 0.50
## [8208,] 0.76 0.24
## [8209,] 1.00 0.00
## [8210,] 0.94 0.06
## [8211,] 0.48 0.52
## [8212,] 0.97 0.03
## [8213,] 0.80 0.20
## [8214,] 0.40 0.60
## [8215,] 1.00 0.00
## [8216,] 0.52 0.48
## [8217,] 0.43 0.57
## [8218,] 0.01 0.99
## [8219,] 0.00 1.00
## [8220,] 1.00 0.00
## [8221,] 1.00 0.00
## [8222,] 0.19 0.81
## [8223,] 1.00 0.00
## [8224,] 1.00 0.00
## [8225,] 1.00 0.00
## [8226,] 1.00 0.00
## [8227,] 1.00 0.00
## [8228,] 1.00 0.00
## [8229,] 0.81 0.19
## [8230,] 1.00 0.00
## [8231,] 0.48 0.52
## [8232,] 0.83 0.17
## [8233,] 1.00 0.00
## [8234,] 1.00 0.00
## [8235,] 1.00 0.00
## [8236,] 0.98 0.02
## [8237,] 0.96 0.04
## [8238,] 1.00 0.00
## [8239,] 1.00 0.00
## [8240,] 0.88 0.12
## [8241,] 1.00 0.00
## [8242,] 1.00 0.00
## [8243,] 1.00 0.00
## [8244,] 0.19 0.81
## [8245,] 1.00 0.00
## [8246,] 1.00 0.00
## [8247,] 1.00 0.00
## [8248,] 0.94 0.06
## [8249,] 0.93 0.07
## [8250,] 1.00 0.00
## [8251,] 1.00 0.00
## [8252,] 1.00 0.00
## [8253,] 0.88 0.12
## [8254,] 1.00 0.00
## [8255,] 0.01 0.99
## [8256,] 1.00 0.00
## [8257,] 0.23 0.77
## [8258,] 1.00 0.00
## [8259,] 0.85 0.15
## [8260,] 0.41 0.59
## [8261,] 0.32 0.68
## [8262,] 1.00 0.00
## [8263,] 0.49 0.51
## [8264,] 1.00 0.00
## [8265,] 1.00 0.00
## [8266,] 1.00 0.00
## [8267,] 0.66 0.34
## [8268,] 0.78 0.22
## [8269,] 1.00 0.00
## [8270,] 0.00 1.00
## [8271,] 1.00 0.00
## [8272,] 1.00 0.00
## [8273,] 0.00 1.00
## [8274,] 1.00 0.00
## [8275,] 0.94 0.06
## [8276,] 0.74 0.26
## [8277,] 1.00 0.00
## [8278,] 1.00 0.00
## [8279,] 1.00 0.00
## [8280,] 0.13 0.87
## [8281,] 1.00 0.00
## [8282,] 1.00 0.00
## [8283,] 1.00 0.00
## [8284,] 0.87 0.13
## [8285,] 1.00 0.00
## [8286,] 0.00 1.00
## [8287,] 0.55 0.45
## [8288,] 1.00 0.00
## [8289,] 1.00 0.00
## [8290,] 0.00 1.00
## [8291,] 1.00 0.00
## [8292,] 0.00 1.00
## [8293,] 1.00 0.00
## [8294,] 0.29 0.71
## [8295,] 0.00 1.00
## [8296,] 1.00 0.00
## [8297,] 1.00 0.00
## [8298,] 1.00 0.00
## [8299,] 0.73 0.27
## [8300,] 1.00 0.00
## [8301,] 1.00 0.00
## [8302,] 1.00 0.00
## [8303,] 1.00 0.00
## [8304,] 1.00 0.00
## [8305,] 1.00 0.00
## [8306,] 0.01 0.99
## [8307,] 0.99 0.01
## [8308,] 0.82 0.18
## [8309,] 1.00 0.00
## [8310,] 0.83 0.17
## [8311,] 1.00 0.00
## [8312,] 1.00 0.00
## [8313,] 0.01 0.99
## [8314,] 1.00 0.00
## [8315,] 1.00 0.00
## [8316,] 1.00 0.00
## [8317,] 1.00 0.00
## [8318,] 1.00 0.00
## [8319,] 0.41 0.59
## [8320,] 1.00 0.00
## [8321,] 1.00 0.00
## [8322,] 1.00 0.00
## [8323,] 1.00 0.00
## [8324,] 1.00 0.00
## [8325,] 1.00 0.00
## [8326,] 1.00 0.00
## [8327,] 1.00 0.00
## [8328,] 0.85 0.15
## [8329,] 0.68 0.32
## [8330,] 1.00 0.00
## [8331,] 0.00 1.00
## [8332,] 0.11 0.89
## [8333,] 1.00 0.00
## [8334,] 1.00 0.00
## [8335,] 0.00 1.00
## [8336,] 0.00 1.00
## [8337,] 1.00 0.00
## [8338,] 1.00 0.00
## [8339,] 0.94 0.06
## [8340,] 1.00 0.00
## [8341,] 1.00 0.00
## [8342,] 1.00 0.00
## [8343,] 1.00 0.00
## [8344,] 0.46 0.54
## [8345,] 1.00 0.00
## [8346,] 0.44 0.56
## [8347,] 0.00 1.00
## [8348,] 1.00 0.00
## [8349,] 0.12 0.88
## [8350,] 0.57 0.43
## [8351,] 1.00 0.00
## [8352,] 0.56 0.44
## [8353,] 1.00 0.00
## [8354,] 1.00 0.00
## [8355,] 0.82 0.18
## [8356,] 0.96 0.04
## [8357,] 0.00 1.00
## [8358,] 1.00 0.00
## [8359,] 1.00 0.00
## [8360,] 1.00 0.00
## [8361,] 0.00 1.00
## [8362,] 0.75 0.25
## [8363,] 1.00 0.00
## [8364,] 0.05 0.95
## [8365,] 0.48 0.52
## [8366,] 0.90 0.10
## [8367,] 1.00 0.00
## [8368,] 1.00 0.00
## [8369,] 1.00 0.00
## [8370,] 0.66 0.34
## [8371,] 0.32 0.68
## [8372,] 1.00 0.00
## [8373,] 1.00 0.00
## [8374,] 1.00 0.00
## [8375,] 1.00 0.00
## [8376,] 1.00 0.00
## [8377,] 1.00 0.00
## [8378,] 0.21 0.79
## [8379,] 0.48 0.52
## [8380,] 1.00 0.00
## [8381,] 1.00 0.00
## [8382,] 1.00 0.00
## [8383,] 0.00 1.00
## [8384,] 1.00 0.00
## [8385,] 1.00 0.00
## [8386,] 1.00 0.00
## [8387,] 0.76 0.24
## [8388,] 1.00 0.00
## [8389,] 1.00 0.00
## [8390,] 0.58 0.42
## [8391,] 1.00 0.00
## [8392,] 0.71 0.29
## [8393,] 1.00 0.00
## [8394,] 0.19 0.81
## [8395,] 1.00 0.00
## [8396,] 1.00 0.00
## [8397,] 1.00 0.00
## [8398,] 1.00 0.00
## [8399,] 0.96 0.04
## [8400,] 1.00 0.00
## [8401,] 1.00 0.00
## [8402,] 1.00 0.00
## [8403,] 0.56 0.44
## [8404,] 0.75 0.25
## [8405,] 1.00 0.00
## [8406,] 1.00 0.00
## [8407,] 1.00 0.00
## [8408,] 1.00 0.00
## [8409,] 1.00 0.00
## [8410,] 0.55 0.45
## [8411,] 1.00 0.00
## [8412,] 0.04 0.96
## [8413,] 1.00 0.00
## [8414,] 0.80 0.20
## [8415,] 0.00 1.00
## [8416,] 1.00 0.00
## [8417,] 1.00 0.00
## [8418,] 0.01 0.99
## [8419,] 1.00 0.00
## [8420,] 0.33 0.67
## [8421,] 1.00 0.00
## [8422,] 1.00 0.00
## [8423,] 0.98 0.02
## [8424,] 1.00 0.00
## [8425,] 0.07 0.93
## [8426,] 1.00 0.00
## [8427,] 1.00 0.00
## [8428,] 1.00 0.00
## [8429,] 1.00 0.00
## [8430,] 1.00 0.00
## [8431,] 0.53 0.47
## [8432,] 1.00 0.00
## [8433,] 0.98 0.02
## [8434,] 0.83 0.17
## [8435,] 0.99 0.01
## [8436,] 1.00 0.00
## [8437,] 0.00 1.00
## [8438,] 0.91 0.09
## [8439,] 1.00 0.00
## [8440,] 1.00 0.00
## [8441,] 1.00 0.00
## [8442,] 0.44 0.56
## [8443,] 0.72 0.28
## [8444,] 0.92 0.08
## [8445,] 1.00 0.00
## [8446,] 1.00 0.00
## [8447,] 1.00 0.00
## [8448,] 1.00 0.00
## [8449,] 0.90 0.10
## [8450,] 0.00 1.00
## [8451,] 1.00 0.00
## [8452,] 0.03 0.97
## [8453,] 0.88 0.12
## [8454,] 1.00 0.00
## [8455,] 0.00 1.00
## [8456,] 0.95 0.05
## [8457,] 0.07 0.93
## [8458,] 0.99 0.01
## [8459,] 1.00 0.00
## [8460,] 1.00 0.00
## [8461,] 1.00 0.00
## [8462,] 0.09 0.91
## [8463,] 0.00 1.00
## [8464,] 1.00 0.00
## [8465,] 1.00 0.00
## [8466,] 0.73 0.27
## [8467,] 1.00 0.00
## [8468,] 1.00 0.00
## [8469,] 1.00 0.00
## [8470,] 1.00 0.00
## [8471,] 1.00 0.00
## [8472,] 1.00 0.00
## [8473,] 0.00 1.00
## [8474,] 0.50 0.50
## [8475,] 0.64 0.36
## [8476,] 1.00 0.00
## [8477,] 1.00 0.00
## [8478,] 1.00 0.00
## [8479,] 1.00 0.00
## [8480,] 1.00 0.00
## [8481,] 0.96 0.04
## [8482,] 1.00 0.00
## [8483,] 1.00 0.00
## [8484,] 1.00 0.00
## [8485,] 1.00 0.00
## [8486,] 0.98 0.02
## [8487,] 1.00 0.00
## [8488,] 1.00 0.00
## [8489,] 1.00 0.00
## [8490,] 1.00 0.00
## [8491,] 0.96 0.04
## [8492,] 1.00 0.00
## [8493,] 1.00 0.00
## [8494,] 1.00 0.00
## [8495,] 1.00 0.00
## [8496,] 1.00 0.00
## [8497,] 0.58 0.42
## [8498,] 0.01 0.99
## [8499,] 0.80 0.20
## [8500,] 0.00 1.00
## [8501,] 0.00 1.00
## [8502,] 1.00 0.00
## [8503,] 1.00 0.00
## [8504,] 0.94 0.06
## [8505,] 1.00 0.00
## [8506,] 1.00 0.00
## [8507,] 0.00 1.00
## [8508,] 1.00 0.00
## [8509,] 1.00 0.00
## [8510,] 0.02 0.98
## [8511,] 1.00 0.00
## [8512,] 0.02 0.98
## [8513,] 1.00 0.00
## [8514,] 0.20 0.80
## [8515,] 1.00 0.00
## [8516,] 0.64 0.36
## [8517,] 0.16 0.84
## [8518,] 0.01 0.99
## [8519,] 0.88 0.12
## [8520,] 0.88 0.12
## [8521,] 0.80 0.20
## [8522,] 0.80 0.20
## [8523,] 0.86 0.14
## [8524,] 0.00 1.00
## [8525,] 1.00 0.00
## [8526,] 1.00 0.00
## [8527,] 0.00 1.00
## [8528,] 0.00 1.00
## [8529,] 1.00 0.00
## [8530,] 0.00 1.00
## [8531,] 0.80 0.20
## [8532,] 1.00 0.00
## [8533,] 1.00 0.00
## [8534,] 0.97 0.03
## [8535,] 1.00 0.00
## [8536,] 1.00 0.00
## [8537,] 0.00 1.00
## [8538,] 0.43 0.57
## [8539,] 1.00 0.00
## [8540,] 1.00 0.00
## [8541,] 1.00 0.00
## [8542,] 1.00 0.00
## [8543,] 1.00 0.00
## [8544,] 0.52 0.48
## [8545,] 0.20 0.80
## [8546,] 1.00 0.00
## [8547,] 1.00 0.00
## [8548,] 0.75 0.25
## [8549,] 0.79 0.21
## [8550,] 1.00 0.00
## [8551,] 0.56 0.44
## [8552,] 1.00 0.00
## [8553,] 1.00 0.00
## [8554,] 0.83 0.17
## [8555,] 1.00 0.00
## [8556,] 1.00 0.00
## [8557,] 0.44 0.56
## [8558,] 1.00 0.00
## [8559,] 1.00 0.00
## [8560,] 0.44 0.56
## [8561,] 1.00 0.00
## [8562,] 1.00 0.00
## [8563,] 0.32 0.68
## [8564,] 1.00 0.00
## [8565,] 1.00 0.00
## [8566,] 1.00 0.00
## [8567,] 0.45 0.55
## [8568,] 1.00 0.00
## [8569,] 1.00 0.00
## [8570,] 1.00 0.00
## [8571,] 1.00 0.00
## [8572,] 1.00 0.00
## [8573,] 1.00 0.00
## [8574,] 1.00 0.00
## [8575,] 0.05 0.95
## [8576,] 1.00 0.00
## [8577,] 0.83 0.17
## [8578,] 0.52 0.48
## [8579,] 1.00 0.00
## [8580,] 1.00 0.00
## [8581,] 1.00 0.00
## [8582,] 0.98 0.02
## [8583,] 1.00 0.00
## [8584,] 0.39 0.61
## [8585,] 0.01 0.99
## [8586,] 0.32 0.68
## [8587,] 1.00 0.00
## [8588,] 0.98 0.02
## [8589,] 0.97 0.03
## [8590,] 1.00 0.00
## [8591,] 1.00 0.00
## [8592,] 1.00 0.00
## [8593,] 1.00 0.00
## [8594,] 0.29 0.71
## [8595,] 1.00 0.00
## [8596,] 0.03 0.97
## [8597,] 1.00 0.00
## [8598,] 1.00 0.00
## [8599,] 1.00 0.00
## [8600,] 0.94 0.06
## [8601,] 1.00 0.00
## [8602,] 0.10 0.90
## [8603,] 0.00 1.00
## [8604,] 0.90 0.10
## [8605,] 0.48 0.52
## [8606,] 1.00 0.00
## [8607,] 1.00 0.00
## [8608,] 1.00 0.00
## [8609,] 0.21 0.79
## [8610,] 1.00 0.00
## [8611,] 1.00 0.00
## [8612,] 1.00 0.00
## [8613,] 1.00 0.00
## [8614,] 1.00 0.00
## [8615,] 1.00 0.00
## [8616,] 1.00 0.00
## [8617,] 1.00 0.00
## [8618,] 1.00 0.00
## [8619,] 1.00 0.00
## [8620,] 0.80 0.20
## [8621,] 1.00 0.00
## [8622,] 1.00 0.00
## [8623,] 0.27 0.73
## [8624,] 1.00 0.00
## [8625,] 1.00 0.00
## [8626,] 0.11 0.89
## [8627,] 1.00 0.00
## [8628,] 1.00 0.00
## [8629,] 1.00 0.00
## [8630,] 0.10 0.90
## [8631,] 1.00 0.00
## [8632,] 1.00 0.00
## [8633,] 0.00 1.00
## [8634,] 0.15 0.85
## [8635,] 1.00 0.00
## [8636,] 1.00 0.00
## [8637,] 1.00 0.00
## [8638,] 1.00 0.00
## [8639,] 1.00 0.00
## [8640,] 0.62 0.38
## [8641,] 1.00 0.00
## [8642,] 0.00 1.00
## [8643,] 1.00 0.00
## [8644,] 1.00 0.00
## [8645,] 0.00 1.00
## [8646,] 1.00 0.00
## [8647,] 0.94 0.06
## [8648,] 1.00 0.00
## [8649,] 1.00 0.00
## [8650,] 1.00 0.00
## [8651,] 0.19 0.81
## [8652,] 0.96 0.04
## [8653,] 1.00 0.00
## [8654,] 0.58 0.42
## [8655,] 0.83 0.17
## [8656,] 0.83 0.17
## [8657,] 1.00 0.00
## [8658,] 1.00 0.00
## [8659,] 0.95 0.05
## [8660,] 1.00 0.00
## [8661,] 0.54 0.46
## [8662,] 0.00 1.00
## [8663,] 1.00 0.00
## [8664,] 0.17 0.83
## [8665,] 0.10 0.90
## [8666,] 0.97 0.03
## [8667,] 0.29 0.71
## [8668,] 0.00 1.00
## [8669,] 1.00 0.00
## [8670,] 1.00 0.00
## [8671,] 1.00 0.00
## [8672,] 1.00 0.00
## [8673,] 1.00 0.00
## [8674,] 1.00 0.00
## [8675,] 1.00 0.00
## [8676,] 1.00 0.00
## [8677,] 1.00 0.00
## [8678,] 1.00 0.00
## [8679,] 0.14 0.86
## [8680,] 0.84 0.16
## [8681,] 1.00 0.00
## [8682,] 0.00 1.00
## [8683,] 0.56 0.44
## [8684,] 1.00 0.00
## [8685,] 0.52 0.48
## [8686,] 0.13 0.87
## [8687,] 0.00 1.00
## [8688,] 1.00 0.00
## [8689,] 1.00 0.00
## [8690,] 1.00 0.00
## [8691,] 1.00 0.00
## [8692,] 0.96 0.04
## [8693,] 1.00 0.00
## [8694,] 0.65 0.35
## [8695,] 1.00 0.00
## [8696,] 1.00 0.00
## [8697,] 1.00 0.00
## [8698,] 1.00 0.00
## [8699,] 0.01 0.99
## [8700,] 0.48 0.52
## [8701,] 0.90 0.10
## [8702,] 0.96 0.04
## [8703,] 1.00 0.00
## [8704,] 0.00 1.00
## [8705,] 1.00 0.00
## [8706,] 0.50 0.50
## [8707,] 0.51 0.49
## [8708,] 0.66 0.34
## [8709,] 1.00 0.00
## [8710,] 1.00 0.00
## [8711,] 1.00 0.00
## [8712,] 0.45 0.55
## [8713,] 1.00 0.00
## [8714,] 1.00 0.00
## [8715,] 0.45 0.55
## [8716,] 1.00 0.00
## [8717,] 1.00 0.00
## [8718,] 0.49 0.51
## [8719,] 1.00 0.00
## [8720,] 1.00 0.00
## [8721,] 0.79 0.21
## [8722,] 0.97 0.03
## [8723,] 1.00 0.00
## [8724,] 0.83 0.17
## [8725,] 1.00 0.00
## [8726,] 1.00 0.00
## [8727,] 0.13 0.87
## [8728,] 1.00 0.00
## [8729,] 0.89 0.11
## [8730,] 0.01 0.99
## [8731,] 1.00 0.00
## [8732,] 0.20 0.80
## [8733,] 0.03 0.97
## [8734,] 1.00 0.00
## [8735,] 1.00 0.00
## [8736,] 0.01 0.99
## [8737,] 1.00 0.00
## [8738,] 0.00 1.00
## [8739,] 1.00 0.00
## [8740,] 1.00 0.00
## [8741,] 1.00 0.00
## [8742,] 1.00 0.00
## [8743,] 1.00 0.00
## [8744,] 1.00 0.00
## [8745,] 1.00 0.00
## [8746,] 1.00 0.00
## [8747,] 1.00 0.00
## [8748,] 1.00 0.00
## [8749,] 0.00 1.00
## [8750,] 1.00 0.00
## [8751,] 1.00 0.00
## [8752,] 0.93 0.07
## [8753,] 0.00 1.00
## [8754,] 0.05 0.95
## [8755,] 0.84 0.16
## [8756,] 1.00 0.00
## [8757,] 0.75 0.25
## [8758,] 0.65 0.35
## [8759,] 1.00 0.00
## [8760,] 1.00 0.00
## [8761,] 0.94 0.06
## [8762,] 0.01 0.99
## [8763,] 1.00 0.00
## [8764,] 1.00 0.00
## [8765,] 1.00 0.00
## [8766,] 1.00 0.00
## [8767,] 0.94 0.06
## [8768,] 1.00 0.00
## [8769,] 1.00 0.00
## [8770,] 1.00 0.00
## [8771,] 1.00 0.00
## [8772,] 1.00 0.00
## [8773,] 0.99 0.01
## [8774,] 1.00 0.00
## [8775,] 1.00 0.00
## [8776,] 1.00 0.00
## [8777,] 1.00 0.00
## [8778,] 0.94 0.06
## [8779,] 0.81 0.19
## [8780,] 0.98 0.02
## [8781,] 1.00 0.00
## [8782,] 1.00 0.00
## [8783,] 0.21 0.79
## [8784,] 1.00 0.00
## [8785,] 1.00 0.00
## [8786,] 0.18 0.82
## [8787,] 1.00 0.00
## [8788,] 1.00 0.00
## [8789,] 0.00 1.00
## [8790,] 0.47 0.53
## [8791,] 1.00 0.00
## [8792,] 1.00 0.00
## [8793,] 0.26 0.74
## [8794,] 1.00 0.00
## [8795,] 0.94 0.06
## [8796,] 0.00 1.00
## [8797,] 1.00 0.00
## [8798,] 0.98 0.02
## [8799,] 1.00 0.00
## [8800,] 0.79 0.21
## [8801,] 1.00 0.00
## [8802,] 1.00 0.00
## [8803,] 1.00 0.00
## [8804,] 0.00 1.00
## [8805,] 1.00 0.00
## [8806,] 0.00 1.00
## [8807,] 1.00 0.00
## [8808,] 1.00 0.00
## [8809,] 1.00 0.00
## [8810,] 0.00 1.00
## [8811,] 0.98 0.02
## [8812,] 1.00 0.00
## [8813,] 0.18 0.82
## [8814,] 1.00 0.00
## [8815,] 1.00 0.00
## [8816,] 1.00 0.00
## [8817,] 0.73 0.27
## [8818,] 0.69 0.31
## [8819,] 1.00 0.00
## [8820,] 0.49 0.51
## [8821,] 1.00 0.00
## [8822,] 0.79 0.21
## [8823,] 1.00 0.00
## [8824,] 1.00 0.00
## [8825,] 0.68 0.32
## [8826,] 0.24 0.76
## [8827,] 0.75 0.25
## [8828,] 1.00 0.00
## [8829,] 0.42 0.58
## [8830,] 0.01 0.99
## [8831,] 1.00 0.00
## [8832,] 1.00 0.00
## [8833,] 1.00 0.00
## [8834,] 1.00 0.00
## [8835,] 1.00 0.00
## [8836,] 0.73 0.27
## [8837,] 1.00 0.00
## [8838,] 1.00 0.00
## [8839,] 1.00 0.00
## [8840,] 1.00 0.00
## [8841,] 1.00 0.00
## [8842,] 1.00 0.00
## [8843,] 1.00 0.00
## [8844,] 1.00 0.00
## [8845,] 1.00 0.00
## [8846,] 0.95 0.05
## [8847,] 0.20 0.80
## [8848,] 0.80 0.20
## [8849,] 0.80 0.20
## [8850,] 1.00 0.00
## [8851,] 0.83 0.17
## [8852,] 1.00 0.00
## [8853,] 0.25 0.75
## [8854,] 0.45 0.55
## [8855,] 0.00 1.00
## [8856,] 1.00 0.00
## [8857,] 0.35 0.65
## [8858,] 1.00 0.00
## [8859,] 1.00 0.00
## [8860,] 0.56 0.44
## [8861,] 1.00 0.00
## [8862,] 0.00 1.00
## [8863,] 1.00 0.00
## [8864,] 1.00 0.00
## [8865,] 1.00 0.00
## [8866,] 0.95 0.05
## [8867,] 0.95 0.05
## [8868,] 1.00 0.00
## [8869,] 0.69 0.31
## [8870,] 1.00 0.00
## [8871,] 0.33 0.67
## [8872,] 1.00 0.00
## [8873,] 1.00 0.00
## [8874,] 0.00 1.00
## [8875,] 0.66 0.34
## [8876,] 0.80 0.20
## [8877,] 1.00 0.00
## [8878,] 1.00 0.00
## [8879,] 1.00 0.00
## [8880,] 1.00 0.00
## [8881,] 1.00 0.00
## [8882,] 0.61 0.39
## [8883,] 0.60 0.40
## [8884,] 1.00 0.00
## [8885,] 1.00 0.00
## [8886,] 1.00 0.00
## [8887,] 0.84 0.16
## [8888,] 0.94 0.06
## [8889,] 1.00 0.00
## [8890,] 0.88 0.12
## [8891,] 1.00 0.00
## [8892,] 0.48 0.52
## [8893,] 1.00 0.00
## [8894,] 1.00 0.00
## [8895,] 0.82 0.18
## [8896,] 1.00 0.00
## [8897,] 1.00 0.00
## [8898,] 1.00 0.00
## [8899,] 1.00 0.00
## [8900,] 1.00 0.00
## [8901,] 1.00 0.00
## [8902,] 0.97 0.03
## [8903,] 1.00 0.00
## [8904,] 1.00 0.00
## [8905,] 1.00 0.00
## [8906,] 0.56 0.44
## [8907,] 0.39 0.61
## [8908,] 1.00 0.00
## [8909,] 0.50 0.50
## [8910,] 1.00 0.00
## [8911,] 1.00 0.00
## [8912,] 0.46 0.54
## [8913,] 1.00 0.00
## [8914,] 0.00 1.00
## [8915,] 0.04 0.96
## [8916,] 1.00 0.00
## [8917,] 0.81 0.19
## [8918,] 0.00 1.00
## [8919,] 1.00 0.00
## [8920,] 1.00 0.00
## [8921,] 1.00 0.00
## [8922,] 0.78 0.22
## [8923,] 0.53 0.47
## [8924,] 0.00 1.00
## [8925,] 0.90 0.10
## [8926,] 1.00 0.00
## [8927,] 1.00 0.00
## [8928,] 0.96 0.04
## [8929,] 0.85 0.15
## [8930,] 1.00 0.00
## [8931,] 0.00 1.00
##
## $class
## [1] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [18] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [35] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [52] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [69] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [86] "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [103] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [120] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [137] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [154] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2"
## [171] "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [188] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [205] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [222] "1" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [239] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [256] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2"
## [273] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "2" "2"
## [290] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [307] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [324] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [341] "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [358] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [375] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [392] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [409] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [426] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [443] "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [460] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [477] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [494] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [511] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [528] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [545] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [562] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [579] "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [596] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [613] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [630] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [647] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [664] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [681] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [698] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [715] "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [732] "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "1" "1"
## [749] "1" "1" "2" "1" "2" "1" "2" "1" "1" "1" "1" "2" "2" "2" "2" "2" "2"
## [766] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [783] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [800] "2" "2" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2"
## [817] "2" "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [834] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [851] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [868] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [885] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [902] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [919] "1" "2" "2" "1" "1" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1"
## [936] "1" "2" "2" "1" "2" "1" "2" "1" "2" "2" "2" "1" "2" "2" "2" "1" "2"
## [953] "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "1" "2"
## [970] "1" "1" "2" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [987] "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2"
## [1004] "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2"
## [1021] "2" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1038] "1" "2" "2" "2" "2" "2" "1" "2" "1" "2" "1" "2" "2" "2" "1" "2" "2"
## [1055] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1072] "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1089] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1106] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1123] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "2" "2"
## [1140] "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1157] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2" "2"
## [1174] "2" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [1191] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [1208] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [1225] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1242] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1259] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2"
## [1276] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [1293] "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2"
## [1310] "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [1327] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1344] "2" "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1361] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [1378] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [1395] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1412] "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "1" "2" "2" "2" "2" "1" "2"
## [1429] "2" "2" "1" "2" "1" "2" "2" "2" "1" "2" "1" "1" "2" "2" "2" "2" "1"
## [1446] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1463] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1480] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [1497] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1514] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1531] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1548] "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [1565] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1582] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [1599] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [1616] "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2"
## [1633] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1650] "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "1" "2" "2"
## [1667] "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [1684] "2" "2" "1" "1" "2" "2" "1" "2" "2" "1" "2" "2" "1" "2" "1" "2" "2"
## [1701] "1" "2" "2" "1" "2" "2" "2" "2" "1" "1" "1" "1" "1" "1" "2" "2" "2"
## [1718] "2" "2" "1" "1" "1" "1" "2" "2" "2" "2" "1" "1" "1" "1" "2" "2" "1"
## [1735] "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [1752] "2" "1" "2" "2" "1" "1" "1" "1" "2" "1" "2" "1" "2" "2" "2" "2" "2"
## [1769] "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "1" "1"
## [1786] "1" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1" "2" "2" "2" "1"
## [1803] "1" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "1" "2" "1" "2" "1"
## [1820] "1" "2" "2" "2" "1" "2" "1" "1" "1" "1" "1" "2" "1" "2" "2" "2" "2"
## [1837] "2" "2" "2" "1" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "1"
## [1854] "1" "2" "1" "2" "2" "1" "1" "1" "1" "2" "2" "2" "2" "1" "1" "1" "1"
## [1871] "2" "1" "1" "1" "1" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1"
## [1888] "1" "1" "2" "2" "1" "1" "1" "2" "2" "1" "2" "2" "2" "2" "2" "1" "1"
## [1905] "1" "1" "2" "1" "2" "2" "1" "2" "2" "1" "1" "1" "2" "2" "1" "1" "1"
## [1922] "1" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "1" "1" "1" "1"
## [1939] "2" "2" "2" "1" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "2"
## [1956] "1" "2" "1" "2" "2" "1" "2" "1" "1" "2" "2" "1" "1" "2" "2" "1" "1"
## [1973] "2" "2" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "2" "1" "2" "2" "2"
## [1990] "1" "2" "1" "2" "1" "1" "2" "1" "2" "2" "2" "1" "1" "2" "2" "2" "2"
## [2007] "2" "1" "2" "2" "1" "2" "1" "1" "2" "1" "2" "2" "2" "2" "2" "1" "2"
## [2024] "2" "1" "2" "2" "1" "2" "2" "2" "1" "1" "2" "2" "2" "2" "1" "1" "1"
## [2041] "1" "2" "1" "2" "2" "1" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "2"
## [2058] "2" "1" "1" "1" "1" "2" "1" "2" "1" "1" "2" "1" "1" "2" "2" "1" "1"
## [2075] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2" "1"
## [2092] "2" "1" "2" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "2" "2"
## [2109] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2126] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2143] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2160] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2177] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2194] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2211] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2228] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2245] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2262] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2279] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2296] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "1"
## [2313] "2" "1" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "1" "2"
## [2330] "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "2" "1" "2" "2" "2" "2"
## [2347] "2" "1" "1" "1" "1" "2" "2" "1" "2" "1" "2" "2" "2" "1" "2" "2" "2"
## [2364] "1" "2" "2" "2" "2" "1" "1" "2" "1" "2" "2" "2" "2" "1" "1" "2" "2"
## [2381] "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2398] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2415] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2432] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2449] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "1"
## [2466] "1" "2" "2" "1" "2" "1" "2" "1" "2" "1" "2" "2" "2" "1" "2" "2" "1"
## [2483] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "1" "2" "2"
## [2500] "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1"
## [2517] "1" "2" "2" "2" "2" "2" "1" "2" "1" "2" "1" "2" "1" "2" "2" "2" "2"
## [2534] "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "2" "2"
## [2551] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [2568] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [2585] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [2602] "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [2619] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2"
## [2636] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2653] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2670] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2687] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2704] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2721] "2" "1" "2" "2" "1" "1" "2" "2" "2" "1" "1" "2" "1" "2" "2" "2" "2"
## [2738] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2755] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [2772] "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2789] "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1" "2" "1" "1" "2"
## [2806] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [2823] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1"
## [2840] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1"
## [2857] "2" "2" "2" "1" "2" "2" "2" "1" "2" "2" "2" "1" "2" "1" "2" "2" "2"
## [2874] "2" "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "1" "1"
## [2891] "2" "2" "1" "2" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2"
## [2908] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [2925] "2" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "1" "2" "1"
## [2942] "2" "1" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2" "1" "1"
## [2959] "1" "1" "2" "2" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1"
## [2976] "2" "2" "1" "1" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1" "2"
## [2993] "2" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1" "2" "2" "2" "2" "2" "1"
## [3010] "1" "2" "2" "1" "1" "2" "1" "1" "1" "2" "2" "2" "1" "2" "2" "2" "2"
## [3027] "2" "2" "2" "2" "1" "2" "1" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2"
## [3044] "1" "1" "2" "2" "1" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "1" "2"
## [3061] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1" "1" "2" "2"
## [3078] "1" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1"
## [3095] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1"
## [3112] "2" "2" "1" "2" "1" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2"
## [3129] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2"
## [3146] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3163] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3180] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3197] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3214] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3231] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3248] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3265] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3282] "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2"
## [3299] "2" "2" "1" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3316] "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "1"
## [3333] "2" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1"
## [3350] "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3367] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [3384] "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3401] "2" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3418] "1" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [3435] "2" "1" "2" "1" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [3452] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2"
## [3469] "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2"
## [3486] "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2"
## [3503] "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1"
## [3520] "2" "1" "2" "2" "1" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "1" "2"
## [3537] "1" "1" "2" "2" "2" "2" "1" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2"
## [3554] "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [3571] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3588] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [3605] "2" "1" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2"
## [3622] "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [3639] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3656] "1" "2" "1" "2" "1" "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2"
## [3673] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2"
## [3690] "1" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3707] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "2" "2" "1" "2" "2" "2"
## [3724] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [3741] "2" "2" "2" "2" "1" "2" "2" "1" "2" "2" "2" "1" "2" "2" "1" "2" "2"
## [3758] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2"
## [3775] "2" "2" "1" "2" "2" "1" "2" "1" "2" "1" "2" "1" "2" "2" "1" "2" "1"
## [3792] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [3809] "2" "1" "2" "2" "2" "2" "1" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2"
## [3826] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1"
## [3843] "1" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [3860] "2" "2" "2" "2" "2" "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "1" "2"
## [3877] "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3894] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [3911] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [3928] "2" "2" "2" "1" "2" "2" "1" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2"
## [3945] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2"
## [3962] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2"
## [3979] "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "2" "2" "1" "1" "2" "2" "1"
## [3996] "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2"
## [4013] "2" "2" "1" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [4030] "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "1" "1" "1" "2" "2"
## [4047] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [4064] "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "2" "2" "2" "2" "2" "1"
## [4081] "2" "2" "2" "2" "2" "1" "1" "2" "2" "1" "2" "2" "2" "2" "1" "2" "2"
## [4098] "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [4115] "2" "2" "2" "2" "2" "1" "2" "2" "2" "1" "2" "2" "2" "1" "2" "2" "2"
## [4132] "1" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2"
## [4149] "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "1" "1" "2"
## [4166] "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2"
## [4183] "2" "2" "2" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "2" "2" "1"
## [4200] "2" "1" "2" "2" "2" "2" "2" "2" "2" "1" "1" "2" "2" "2" "1" "2" "2"
## [4217] "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "2" "2" "2" "2" "2" "1" "1"
## [4234] "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4251] "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4268] "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2"
## [4285] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4302] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4319] "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2"
## [4336] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4353] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4370] "1" "1" "2" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [4387] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [4404] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "2" "2" "1"
## [4421] "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1"
## [4438] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4455] "1" "2" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1"
## [4472] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "2"
## [4489] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4506] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4523] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1"
## [4540] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4557] "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2"
## [4574] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [4591] "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "2" "1"
## [4608] "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1"
## [4625] "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1"
## [4642] "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "2"
## [4659] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "2" "1"
## [4676] "2" "1" "1" "1" "1" "2" "1" "1" "2" "1" "2" "2" "1" "1" "1" "1" "2"
## [4693] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [4710] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4727] "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [4744] "2" "2" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4761] "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [4778] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1"
## [4795] "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1"
## [4812] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [4829] "1" "2" "2" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2"
## [4846] "1" "1" "1" "1" "1" "2" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [4863] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1"
## [4880] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4897] "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4914] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1"
## [4931] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [4948] "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [4965] "1" "2" "1" "1" "2" "1" "2" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1"
## [4982] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [4999] "1" "2" "2" "2" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "2"
## [5016] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "2"
## [5033] "2" "1" "1" "2" "1" "2" "2" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1"
## [5050] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1"
## [5067] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [5084] "2" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [5101] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1"
## [5118] "1" "2" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [5135] "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [5152] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [5169] "1" "2" "2" "2" "2" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1"
## [5186] "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5203] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1"
## [5220] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1"
## [5237] "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [5254] "1" "1" "2" "2" "2" "1" "1" "1" "2" "1" "2" "2" "1" "1" "1" "1" "1"
## [5271] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1"
## [5288] "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [5305] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1"
## [5322] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [5339] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5356] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [5373] "1" "1" "2" "1" "2" "1" "2" "1" "2" "1" "1" "2" "1" "1" "2" "1" "2"
## [5390] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "2"
## [5407] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5424] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1"
## [5441] "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1"
## [5458] "1" "2" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5475] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1"
## [5492] "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5509] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1"
## [5526] "2" "2" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [5543] "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1"
## [5560] "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1"
## [5577] "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "2" "1"
## [5594] "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [5611] "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1"
## [5628] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [5645] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [5662] "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "2"
## [5679] "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "1" "1" "2" "2"
## [5696] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1"
## [5713] "1" "2" "2" "1" "1" "2" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1"
## [5730] "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5747] "2" "2" "1" "2" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1"
## [5764] "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1"
## [5781] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1"
## [5798] "1" "1" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1"
## [5815] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "2" "1" "1"
## [5832] "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "2" "1" "2" "2" "1" "1" "1"
## [5849] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1"
## [5866] "1" "1" "2" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [5883] "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "2" "1" "1" "2" "2"
## [5900] "1" "1" "1" "2" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "2" "1" "2"
## [5917] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1"
## [5934] "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1" "1"
## [5951] "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2"
## [5968] "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1"
## [5985] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [6002] "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [6019] "1" "1" "1" "2" "2" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [6036] "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [6053] "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1"
## [6070] "1" "1" "1" "1" "1" "2" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [6087] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [6104] "1" "2" "1" "1" "1" "2" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [6121] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6138] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [6155] "1" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [6172] "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "2" "1" "1"
## [6189] "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1"
## [6206] "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [6223] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6240] "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6257] "1" "1" "1" "1" "1" "2" "2" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [6274] "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [6291] "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [6308] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [6325] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6342] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2"
## [6359] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6376] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1"
## [6393] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [6410] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "2" "2" "1"
## [6427] "1" "1" "2" "1" "2" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1"
## [6444] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [6461] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [6478] "1" "1" "1" "2" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [6495] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "2" "1" "1"
## [6512] "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1"
## [6529] "1" "2" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [6546] "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [6563] "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "2" "2" "1" "2" "2" "1" "1"
## [6580] "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6597] "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [6614] "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6631] "2" "2" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [6648] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [6665] "2" "1" "1" "2" "1" "2" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1"
## [6682] "2" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [6699] "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1"
## [6716] "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1"
## [6733] "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1"
## [6750] "1" "1" "2" "2" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1"
## [6767] "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [6784] "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "2" "2" "1" "1" "2"
## [6801] "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [6818] "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "2"
## [6835] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [6852] "1" "2" "1" "1" "1" "2" "1" "1" "1" "2" "2" "1" "2" "1" "1" "1" "1"
## [6869] "1" "1" "2" "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "2" "2" "1" "1"
## [6886] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [6903] "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [6920] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [6937] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2"
## [6954] "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "2"
## [6971] "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1"
## [6988] "1" "1" "2" "2" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [7005] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7022] "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7039] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1"
## [7056] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7073] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7090] "1" "2" "2" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2"
## [7107] "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1"
## [7124] "1" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1"
## [7141] "1" "1" "1" "1" "2" "1" "1" "1" "2" "2" "1" "1" "2" "1" "1" "2" "1"
## [7158] "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "2" "1" "2"
## [7175] "2" "2" "1" "2" "1" "1" "1" "1" "2" "1" "2" "2" "1" "1" "2" "1" "1"
## [7192] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1"
## [7209] "1" "2" "1" "1" "2" "2" "1" "2" "1" "1" "1" "2" "1" "2" "2" "1" "1"
## [7226] "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2"
## [7243] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [7260] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2"
## [7277] "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2"
## [7294] "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7311] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2"
## [7328] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [7345] "1" "1" "1" "1" "2" "1" "2" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1"
## [7362] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1"
## [7379] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7396] "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "2" "1" "2" "1" "1" "1"
## [7413] "1" "1" "1" "2" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1"
## [7430] "1" "2" "1" "2" "1" "2" "2" "1" "1" "2" "1" "2" "2" "1" "1" "2" "2"
## [7447] "1" "2" "2" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1"
## [7464] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7481] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "2" "1" "2" "1" "1"
## [7498] "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7515] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7532] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7549] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [7566] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2"
## [7583] "1" "2" "1" "1" "1" "2" "1" "1" "2" "1" "2" "1" "1" "2" "1" "1" "1"
## [7600] "1" "2" "1" "2" "2" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1"
## [7617] "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [7634] "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "2" "2" "2" "2" "1" "1" "1"
## [7651] "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [7668] "1" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [7685] "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [7702] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1"
## [7719] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [7736] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "2"
## [7753] "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [7770] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1" "1" "1"
## [7787] "1" "2" "1" "2" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2"
## [7804] "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [7821] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [7838] "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7855] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [7872] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2"
## [7889] "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [7906] "1" "1" "1" "2" "1" "1" "2" "1" "1" "2" "1" "2" "2" "1" "1" "2" "1"
## [7923] "1" "1" "2" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [7940] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "1" "1"
## [7957] "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "2" "1" "2"
## [7974] "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [7991] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1"
## [8008] "1" "1" "2" "2" "1" "2" "1" "1" "1" "1" "1" "2" "1" "2" "2" "1" "1"
## [8025] "2" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "2"
## [8042] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1"
## [8059] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2"
## [8076] "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8093] "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1"
## [8110] "2" "1" "1" "1" "2" "2" "1" "2" "1" "2" "1" "1" "1" "2" "1" "1" "1"
## [8127] "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1"
## [8144] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [8161] "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "2" "1" "1" "1" "1" "2"
## [8178] "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "2" "1" "1" "2" "1" "2" "1"
## [8195] "1" "1" "2" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2"
## [8212] "1" "1" "2" "1" "1" "2" "2" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [8229] "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [8246] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "2" "2" "1"
## [8263] "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [8280] "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "2" "1" "2" "2" "1"
## [8297] "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2"
## [8314] "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8331] "2" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "2"
## [8348] "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "1" "1" "2"
## [8365] "2" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1"
## [8382] "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1"
## [8399] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2"
## [8416] "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [8433] "1" "1" "1" "1" "2" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1"
## [8450] "2" "1" "2" "1" "1" "2" "1" "2" "1" "1" "1" "1" "2" "2" "1" "1" "1"
## [8467] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8484] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2"
## [8501] "2" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "2" "1" "2" "1" "1" "2"
## [8518] "2" "1" "1" "1" "1" "1" "2" "1" "1" "2" "2" "1" "2" "1" "1" "1" "1"
## [8535] "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1"
## [8552] "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1"
## [8569] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2"
## [8586] "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "1" "1" "1" "1" "1" "2"
## [8603] "2" "1" "2" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8620] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "1" "1" "2" "2" "1" "1"
## [8637] "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1" "1"
## [8654] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2" "2" "1" "2" "2" "1" "1"
## [8671] "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "2" "2"
## [8688] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "2" "1" "1" "1" "2"
## [8705] "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "2" "1" "1" "1"
## [8722] "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "2" "2" "1" "1" "2" "1" "2"
## [8739] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "2" "2" "1"
## [8756] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8773] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2" "1" "1" "2"
## [8790] "2" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "2" "1" "2"
## [8807] "1" "1" "1" "2" "1" "1" "2" "1" "1" "1" "1" "1" "1" "2" "1" "1" "1"
## [8824] "1" "1" "2" "1" "1" "2" "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8841] "1" "1" "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "2" "2" "2" "1" "2"
## [8858] "1" "1" "1" "1" "2" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1" "1" "2"
## [8875] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1"
## [8892] "2" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "2" "1"
## [8909] "1" "1" "1" "2" "1" "2" "2" "1" "1" "2" "1" "1" "1" "1" "1" "2" "1"
## [8926] "1" "1" "1" "1" "1" "2"
##
## $confusion
## Observed Class
## Predicted Class 1 2
## 1 3829 621
## 2 870 3611
##
## $error
## [1] 0.1669466
## Evaluating model performance
# create a factor vector of predictions on test data
#confusionMatrix(train_data$deposit, bag_pred, positive = "1")
#ROC(bag_pred, train_data$deposit) # also try adding plot="sp"
set.seed(1004)
ctrl <- trainControl(method = "cv", number = 10)
train(deposit~., data = train_data, method = "treebag",
trControl = ctrl)
## Bagged CART
##
## 8931 samples
## 16 predictor
## 2 classes: '1', '2'
##
## No pre-processing
## Resampling: Cross-Validated (10 fold)
## Summary of sample sizes: 8038, 8039, 8038, 8038, 8038, 8037, ...
## Resampling results:
##
## Accuracy Kappa
## 0.8487313 0.6975822
- Training a model:
set.seed(1004)
m_adaboost <- boosting(deposit ~ ., data = train_data)
p_adaboost <- predict(m_adaboost, train_data)
p_adaboost$confusion
## Observed Class
## Predicted Class 1 2
## 1 4047 481
## 2 652 3751
#confusionMatrix(train_data$deposit, p_adaboost, positive = "1")
set.seed(1004)
adaboost_cv <- boosting.cv(deposit ~., data = train_data)
## i: 1 Wed Nov 21 07:26:36 2018
## i: 2 Wed Nov 21 07:27:33 2018
## i: 3 Wed Nov 21 07:28:30 2018
## i: 4 Wed Nov 21 07:29:27 2018
## i: 5 Wed Nov 21 07:30:25 2018
## i: 6 Wed Nov 21 07:31:21 2018
## i: 7 Wed Nov 21 07:32:19 2018
## i: 8 Wed Nov 21 07:33:17 2018
## i: 9 Wed Nov 21 07:34:10 2018
## i: 10 Wed Nov 21 07:35:07 2018
adaboost_cv$confusion
## Observed Class
## Predicted Class 1 2
## 1 3980 604
## 2 719 3628
round((3980 + 3628) / (3980 + 3628 + 604 + 719), 2)
## [1] 0.85
#confusionMatrix(train_data$deposit, adaboost_cv, positive = "1")
#ROC(adaboost_cv, train_data$deposit) # also try adding plot="sp"
- Load & Split the data:
bank <- read.csv("./input/bank.csv")
# train / test set
set.seed(1004)
flag <- sample(c("tr", "te"), size = nrow(bank), c(8, 2), replace = T)
train <- bank[which(flag == "tr"), ]
test <- bank[which(flag == "te"), ]
prop.table(table(bank$deposit))
##
## no yes
## 0.5261602 0.4738398
- Dummy label:
bank$deposit <- ifelse(bank$deposit=="yes", 1, 0)
- Feature Selection:
# extractFeatures <- function(data) {
# features <- c("season",
# "holiday",
# "workingday",
# "weather",
# "temp",
# "atemp",
# "humidity",
# "windspeed",
# "hour",
# "weekday",
# "quarter",
# "month",
# "date"
# )
# data$hour <- hour(ymd_hms(data$datetime))
# return(data[,features])
# }
# trainFea <- extractFeatures(train)
# testFea <- extractFeatures(test)
#submission <- data.frame(datetime=test$datetime, count=NA)
# We only use past data to make predictions on the test set,
# so we train a new model for each test set cutoff point
#for (i_year in unique(year(ymd_hms(test$datetime)))) {
# for (i_month in unique(month(ymd_hms(test$datetime)))) {
# cat("Year: ", i_year, "\tMonth: ", i_month, "\n")
# testLocs <- year(ymd_hms(test$datetime))==i_year & month(ymd_hms(test$datetime))==i_month
# testSubset <- test[testLocs,]
# trainLocs <- ymd_hms(train$datetime) <= min(ymd_hms(testSubset$datetime))
# rf <- randomForest(extractFeatures(train[trainLocs,]), train[trainLocs,"count"], ntree=100)
# submission[testLocs, "count"] <- predict(rf, extractFeatures(testSubset))
# }
#}
#write.csv(submission, file = "./1_random_forest_submission.csv", row.names=FALSE)
- Train a model
# Train a model across all the training data and plot the variable importance
tr_rf <- randomForest(train[,-17], train[,17], ntree=1000, importance=TRUE)
te_rf <- randomForest(test[,-17], test[,17], ntree=1000, importance=TRUE)
imp <- importance(tr_rf, type=1)
featureImportance <- data.frame(Feature=row.names(imp), Importance=imp[,1])
tr_rf
##
## Call:
## randomForest(x = train[, -17], y = train[, 17], ntree = 1000, importance = TRUE)
## Type of random forest: classification
## Number of trees: 1000
## No. of variables tried at each split: 4
##
## OOB estimate of error rate: 13.87%
## Confusion matrix:
## no yes class.error
## no 3897 840 0.17732742
## yes 406 3838 0.09566447
- Train Accuracy:
pred_tr_rf <- predict(tr_rf, type = "class")
confusionMatrix(train$deposit, pred_tr_rf)
## Confusion Matrix and Statistics
##
## Reference
## Prediction no yes
## no 3897 840
## yes 406 3838
##
## Accuracy : 0.8613
## 95% CI : (0.8539, 0.8683)
## No Information Rate : 0.5209
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.7232
## Mcnemar's Test P-Value : < 2.2e-16
##
## Sensitivity : 0.9056
## Specificity : 0.8204
## Pos Pred Value : 0.8227
## Neg Pred Value : 0.9043
## Prevalence : 0.4791
## Detection Rate : 0.4339
## Detection Prevalence : 0.5274
## Balanced Accuracy : 0.8630
##
## 'Positive' Class : no
##
= Test Accuracy:
pred_te_rf <- predict(te_rf, type = "class")
confusionMatrix(test$deposit, pred_te_rf)
## Confusion Matrix and Statistics
##
## Reference
## Prediction no yes
## no 920 216
## yes 97 948
##
## Accuracy : 0.8565
## 95% CI : (0.8411, 0.8709)
## No Information Rate : 0.5337
## P-Value [Acc > NIR] : < 2.2e-16
##
## Kappa : 0.7138
## Mcnemar's Test P-Value : 2.562e-11
##
## Sensitivity : 0.9046
## Specificity : 0.8144
## Pos Pred Value : 0.8099
## Neg Pred Value : 0.9072
## Prevalence : 0.4663
## Detection Rate : 0.4218
## Detection Prevalence : 0.5209
## Balanced Accuracy : 0.8595
##
## 'Positive' Class : no
##
#pred_te_rf_1 <- predict(tr_rf, type = "class")
#confusionMatrix(table(test$deposit, pred_tr_rf))
##pred_te_rf_2 <- predict(te_rf, type = "class")
#confusionMatrix(test$deposit, pred_te_rf_1)
##confusionMatrix(test$deposit, pred_te_rf_2)
#ROC(pred_te_rf, test$deposit) # also try adding plot="sp"
ctrl <- trainControl(method = "cv", number = 10)
grid_rf <- expand.grid(.mtry = c(2, 4, 8, 16))
set.seed(1004)
m_rf <- train(deposit ~ ., data = train_data, method = "rf",
trControl = ctrl, tuneGrid = grid_rf)
grid_c50 <- expand.grid(.model = "tree",
.trials = c(10, 20, 30, 40),
.winnow = 'FALSE')
set.seed(1004)
m_c50 <- train(deposit ~ ., data = train_data, method = "C5.0",
trControl = ctrl, tuneGrid = grid_c50)
m_rf
## Random Forest
##
## 8931 samples
## 16 predictor
## 2 classes: '1', '2'
##
## No pre-processing
## Resampling: Cross-Validated (10 fold)
## Summary of sample sizes: 8038, 8039, 8038, 8038, 8038, 8037, ...
## Resampling results across tuning parameters:
##
## mtry Accuracy Kappa
## 2 0.7797601 0.5546145
## 4 0.8514173 0.7030867
## 8 0.8554459 0.7112102
## 16 0.8553350 0.7109863
##
## Accuracy was used to select the optimal model using the largest value.
## The final value used for the model was mtry = 8.
m_c50
## C5.0
##
## 8931 samples
## 16 predictor
## 2 classes: '1', '2'
##
## No pre-processing
## Resampling: Cross-Validated (10 fold)
## Summary of sample sizes: 8038, 8039, 8038, 8038, 8038, 8037, ...
## Resampling results across tuning parameters:
##
## trials Accuracy Kappa
## 10 0.8564560 0.7127236
## 20 0.8612698 0.7221875
## 30 0.8600389 0.7199528
## 40 0.8645169 0.7290319
##
## Tuning parameter 'model' was held constant at a value of tree
##
## Tuning parameter 'winnow' was held constant at a value of FALSE
## Accuracy was used to select the optimal model using the largest value.
## The final values used for the model were trials = 40, model = tree
## and winnow = FALSE.
- Feature Importance:
featureImportance
## Feature Importance
## age age 60.8751080
## job job 31.9512345
## marital marital 15.2071495
## education education 22.4970151
## default default 0.4335538
## balance balance 25.5780800
## housing housing 61.8457702
## loan loan 19.3553335
## contact contact 82.2982468
## day day 68.4910697
## month month 167.1226380
## duration duration 411.5832906
## campaign campaign 32.2530837
## pdays pdays 38.1966744
## previous previous 24.5441092
## poutcome poutcome 60.4722382
varImpPlot(tr_rf)
round(tr_rf$importance, 3)
## no yes MeanDecreaseAccuracy MeanDecreaseGini
## age 0.019 0.008 0.014 313.760
## job 0.009 0.003 0.006 253.158
## marital 0.001 0.003 0.002 68.407
## education 0.004 0.002 0.003 90.982
## default 0.000 0.000 0.000 4.989
## balance 0.004 0.005 0.005 326.829
## housing 0.015 0.013 0.014 110.419
## loan 0.000 0.002 0.001 33.133
## contact 0.060 0.010 0.036 169.698
## day 0.029 0.004 0.017 292.963
## month 0.139 0.025 0.085 555.067
## duration 0.127 0.188 0.156 1570.997
## campaign 0.005 0.005 0.005 133.468
## pdays 0.038 0.013 0.026 165.208
## previous 0.023 0.007 0.016 92.446
## poutcome 0.044 0.007 0.027 229.516
p <- ggplot(featureImportance, aes(x=reorder(Feature, Importance), y=Importance)) +
geom_bar(stat="identity", fill="#53cfff") +
coord_flip() +
theme_light(base_size=20) +
xlab("Importance") +
ylab("") +
ggtitle("Random Forest Feature Importance\n") +
theme(plot.title=element_text(size=18))
p