1. Introduction

1.1. Intelligent Targeting

- 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)

  • (본인이 생각하는) 마케팅이란 가치 교환의 과정이라고 생각한다. 고객과 기업이 만들어내는 각각의 가치를 어떻게 교환할 것인지, 그 과정을 만들어내는 걸 마케팅이라고한다. 더 간단하게 요약하자면, ’고객의 행동을 이끌어 내는 것이라고 말 할 수 있다. 짧게 요약했지만, 그 안에는 무수히; 많은 과정과 노력이 필요하다. 가치 교환의 과정에서 모든 행동의 주체는 기업이다. 물론 고객의 관점에서 마케팅을 수행해야하지만 기업이 주체가 되어서 해야할 일을 하는 것이 마케팅이다.

- 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.

  1. 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.

  2. 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)

  3. 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.)

  4. 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

1.2. Aim

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

1.3. Data Description

- 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’)

2. Preprocessing

2.1. Import library & Load data

- 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("", " "))

2.2. Peek into the Data

datatable(bank, style="bootstrap", class="table-condensed", options = list(dom = 'tp',scrollX = TRUE))

2.3. Number of Numeric & Factor Variables

  • 7 numeric variables
  • 10 factor variables
# 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]

2.4. Data cleaning

2.4.1. Missing values

- 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

2.4.2. Outliers

- 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

2.4.3. Month

- 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

3. Exploratory Data Analysis

은행의 고객 데이터를 바탕으로 고객 특성을 분석

EDA 1 : Deposit rate

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()

EDA 2 : Age and Deposit

- 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

EDA 3 : Job and Deposit

- 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

EDA 4 : Marital and Deposit

- 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

EDA 5 : Education and Deposit

- 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

EDA 6 : Defalut and Deposit

- 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

EDA 7 : Balance and Deposit

- 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

EDA 8 : Housing and Deposit

- 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

EDA 9 : Loan and Deposit

- 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

EDA 10 : Contact and Deposit

- 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

EDA 11 : Month and Deposit

- 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))

EDA 12 : Campaign and Deposit

- 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

EDA 13 : Duration and Deposit

- 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

Summary : Visualization

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]

4. Feature Engineering

- 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)

4.1.Bank Client Categorical Treatment

Job

- 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

Marital

- 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

Education

- 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

Default

- feature vector map :

- no : 0
- yes : 1
bank$default <- ifelse(bank$default == 'no', 0, 1)
table(bank$default)
## 
##     0     1 
## 10994   168

Housing

- feature vector map :

- no : 0
- yes : 1
bank$housing <- ifelse(bank$housing == 'no', 0, 1)
table(bank$housing)
## 
##    0    1 
## 5881 5281

Loan

- feature vector map :

- no : 0
- yes : 1
bank$loan <- ifelse(bank$loan == 'no', 0, 1)
table(bank$loan)
## 
##    0    1 
## 9702 1460

4.2. Other Attribute Treatment

Contact

- 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

Month

- 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

Duration

- 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

Poutcome

- 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

Deposit

- 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

5. Modeling

5.1. Correlation Analysis

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

5.2. K-Nearest Neighbor

Setting

- 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 ...

Standardization

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 a model on the data (k = 5)

- 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               
## 

Find optimal k

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               
## 

Evaluating model performance

- 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)

5.3. Logistic Regression

Setting

- 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 on the data

- 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)

Area under the curve (ROC-AUC)

ROC(pred_te, test$deposit) # also try adding plot="sp"

Cross validation

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

Variable importance

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

Stepwise logistic regression

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

5.4. Decision Tree : CART

Setting

- 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

Training a model on the data

  • cp(Complexity Parameter) : cp 값을 작게 줄수록 복잡도가 올라감
  • rpart 함수에서 조절 가능한 parameter
    • minsplit : min of observations (20)
    • xval : of closs validation (10)
    • maxdepth : max depth of any node (30)
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"])

Cross Validation: Pruning

  • Training Set을 이용하여 Cross Validation 수행
    • 이유 : training할 때, 포함되지 않았던 data로 error를 측정해서 성능을 검증하기 위해서
  • validation Error가 증가하는 시점에서 가지치기
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"])

Evaluating model performance

# 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)

Summary : Visualization

# 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

5.5. Decision Tree : C5.0

Training a model on the data

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

## 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"

Improving model performance

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"

Improving Model Performance (성능 개선을 위한 모델 튜닝)

- 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)

Summary

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.
  • 출력의 대부분이 자동 튜닝 모델과 비슷하지만 몇 가지 눈에 띄는 차이점이 있다.
    • 10-fold cross validation이 사용되기 떄문에 후보 모델을 만들기 위한 샘플 크기는 부트스트랩에 사용된 8,931이 아닌 8,038으로 줄었다.
    • 요청했던 것처럼 8개의 후보 모델이 테스트됐다.
    • 또한 model과 winnow는 상수로 유지되고 있기 때문에 값이 더 이상 결과에 나타나지 않고 대신 각주에 나열됐다.
  • 최고 모델 또한 이전의 시행과 차이를 보인다. 성능으로만 보면 최고 모델은 trials = 25을 선택해야하지만, 여기서는 trials = 20을 선택했다. best 규칙이 아닌 oneSE 규칙을 사용했기에 선택된 것이다. Kappa에 따르면 25-trials model이 최고의 원시 성능을 제공하지만, 20-trials model은 단순한 형태로 비슷한 성능을 제공한다. 단순한 모델이 계산적으로 좀 더 효율적일 뿐 아니라 훈련 데이터에 과적합될 가능성을 줄여준다.

- 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

5.6. Bagging

Training a model on the data

- 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

- 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"

Cross Validation

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

5.7. AdaBoost

Training a model on the data

- Training a model:

set.seed(1004)

m_adaboost <- boosting(deposit ~ ., data = train_data)
p_adaboost <- predict(m_adaboost, train_data)

Evaluating model performance

p_adaboost$confusion
##                Observed Class
## Predicted Class    1    2
##               1 4047  481
##               2  652 3751
#confusionMatrix(train_data$deposit, p_adaboost, positive = "1")

Cross Validation

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"

5.8. Random Forest

Training a model on the data

- 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

Evaluating model performance

- 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"

Cross Validation

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.

Visualiztion : Feature Importance

- 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