- R-br - DINF UFPR

Vetores de interesse em uma lista...
by andrebvs＠bol.com.br 02 Out '17

02 Out '17

2 1

Material em R de modelos mistos
by ASANTOS 02 Out '17

02 Out '17

Bom dia Membros, Favor gostaria de solicitar bom materiais de modelos mistos aplicados ao R, alguém poderia ajudar? Obrigado e abraços, Alexandre -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 OrcID: orcid.org/0000-0001-8232-6722 - ResearcherID: A-5790-2016 Researchgate: www.researchgate.net/profile/Alexandre_Santos10 LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635 Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/ ======================================================================

2 1

Erro: não é possível alocar vetor de tamanho 10.5 Gb
by andrebvs＠bol.com.br 02 Out '17

02 Out '17

2 1

Re: [R-br] [Wordcloud] Problema com Encoding
by Leonard Assis 30 Set '17

30 Set '17

Max, Sem uma amostra dos dados que são fonte do erro fica muito dificil de te ajudar. Problema de encoding, eu já tive inclusive, ao compilar um .rmd via atalho no rstudio e não por linha de comando. Por isto é complicado te ajudar sem ter um exemplo dos dados problemáticos Em 27 de set de 2017 11:39 PM, "Max via R-br" <r-br(a)listas.c3sl.ufpr.br> escreveu: Pessoal, boa noite! Com base em um exemplo pego na internet, tentei fazer uma nuvem de palavras de um arquivo notepad (peguei uma pequena matéria na internet e salvei, em .txt, com o nome SaoBento). O código tem funcionado quase corretamente. O problema é que eu não tenho tido sucesso em corrigir o *encoding* do texto. - Tentei usar encoding = "UTF-8" na linha do readlines, mas sem sucesso. - Também tentei usar enc2native() na última linha do passo 7, mas ocorre erro argument is not a character vector. - Salvei o arquivo SaoBento.txt no Notepad++, usando UTF-8 e, também, a nuvem final acusou problemas de *encoding*. - Deixei o arquivo SaoBento.txt salvo sozinho em uma pasta e, também, não tive sucesso em acertar o *encoding*. Sendo assim, gostaria de saber se alguém poderia fornecer uma dica de como posso driblar esse problema. Agradeço pela atenção. Saudações, -Max Lara PS: A variável "AQUI_ERRO" é onde leio o texto "distorcido". #============================================== # WORDCLOUD #============================================== *#1) INSTALL REQUIRED PACKAGES* install.packages("tm") #for text mining install.packages("SnowballC") #for text stemming install.packages("wordcloud") #wordcloud generator install.packages("RColorBrewer") #color palletes *#2) LOAD REQUIRED PACKAGES* library("tm") library("SnowballC") library("wordcloud") library("RColorBrewer") *#3) TEXT MINING* #LOAD THE TEXT (SAVED LOCALLY) text <- readLines(file.choose()) *#4) LOAD THE DATA AS A CORPUS* docs <- Corpus(VectorSource(text)) #VectorSource() function creates a corpus of character vectors docs <- tm_map(docs, PlainTextDocument) *#5) TEXT TRANSFORMATION* #tm_map() function (to replace, for instance, special characters from the text). #Replacing "/", "@" and "|" with space: toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ", x)) docs <- tm_map(docs, toSpace, "/") docs <- tm_map(docs, toSpace, "@") docs <- tm_map(docs, toSpace, "\\|") *#6) TEXT CLEANING* #tm_map() (remove unnecessary white space, to convert the text to lower case) #Removing common stopwords docs <- tm_map(docs, content_transformer(tolower)) #Convert the text to lower case docs <- tm_map(docs, removeNumbers) #Remove numbers docs <- tm_map(docs, removeWords, stopwords("portuguese")) #Remove Portuguese common stopwords docs <- tm_map(docs, removePunctuation) #Remove punctuations docs <- tm_map(docs, stripWhitespace) #Eliminate extra white spaces docs <- tm_map(docs, stemDocument) #Text stemming *#7) BUILD A TERM-DOCUMENT MATRIX (TDM)* #TDM is a table containing the frequency of the words. #Column names are words #Rown names are documents dtm <- TermDocumentMatrix(docs) terms(dtm) m <- as.matrix(dtm) v <- sort(rowSums(m),decreasing=TRUE) d <- data.frame(word = names(v),freq=v) head(d, 10) AQUI_ERRO <- d$word *#8) GENERATE THE WORD CLOUD* wordcloud( words = AQUI_ERRO, freq = d$freq, min.freq = 1, max.words=200, random.order=FALSE, rot.per=0.35, colors=brewer.pal(8, "Dark2")) _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

2 1

Pacote Parallel e Processos Zumbis
by Elias Carvalho 29 Set '17

29 Set '17

Bom dia pessoal Uso o pacote Parallel para criar um cluster e executar um processo em paralelo: # Calculate the number of cores no_cores <- detectCores() - 1 # Initiate cluster cl <- makeCluster(no_cores) . . . executo meu processo no R # Release the cluster stopCluster(cl) No entanto, mesmo parando o cluster e fechando o RStudio, os processo ainda rodam no sistema: Só depois de um tempo eles somem. Meu problema é que preciso continuar rodando outros processo no script e isso causa travamentos. Procurei no Google, mas ainda não achei uma solução adequada. -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

1 0

Problema em ler múltiplas imagens *jp2 com a função stack()
by ASANTOS 29 Set '17

29 Set '17

Prezados Membros, Estava acostumado a ler múltiplas imagens em *tif com o CRM abaixo e retirar informações de interesse, mas quando tento fazer o mesmo para imagens do satélite Sentinel 2 em *jp2 não funciona, a função stack() do pacote raster não funciona. Alguém saberia me dizer o que pode estar acontecendo? A sequência é mesmo list.files(), seguido de stack()? Segue CRM: raster_data <- list.files(path="C:/Users/Santos/Desktop/SENTINEL_DOSSEL_TECA",pattern="*jp2$", full.name=TRUE) sentinel_bands<-stack(raster_data) Error in .local(.Object, ...) : Error in .rasterObjectFromFile(x, band = band, objecttype = "RasterLayer", : Cannot create a RasterLayer object from this file. Obrigado -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 OrcID: orcid.org/0000-0001-8232-6722 - ResearcherID: A-5790-2016 Researchgate: www.researchgate.net/profile/Alexandre_Santos10 LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635 Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/ ======================================================================

1 0

Amostragem em um vetor
by Andre Oliveira 28 Set '17

28 Set '17

Boa noite,preciso de amostrar em um vetor de nome populacao amostras de tamanho n, com n variando de tamanhos [2; tam] e para cada tam repetir nam (vezes) e assim pegar a estimativas de media e dos desvios -padrão das amostras. Para cada amostra obtida extrair desvio padrão, média e guardar em uma matriz com vazia com NAs! Ao final plotar a média dos desvios e a media das medias em função de cada n. Tentei fazer, mas sem sucesso! Caso alguém pude ajudar ficarei grato! ##################################################################################### n=10 populacao <- rchisq(100000, df = n) mu=n s=sqrt(2*n) mu s par(mfrow = c(1, 3)) hist(populacao, prob=T, main="Y ~ Quiquadrado(GL=10)",xlab=" ", yla="Densidade",col="limegreen") amostragem<-function(populacao, tam, nam) { SD<-NULL media<-NULL X <-matrix(NA, tam, 2) { for(i in 2:nam) amostra<-sample(populacao,tam) SD[i]=sd(amostra) media[i]<-mean(amostra) X[i,] <- c(mean(SD), mean(media)) } print(cbind(mean(SD),mean(media)) print(X) plot.ts(SD, pch=19, type = "p", xlab="Número de folhas amostrada", ylab="Estimativa da Variabiliade", lty=2,xaxp=c(0,150,10)) plot.ts(media, pch=19, type = "p", xlab="Número de folhas amostrada", ylab="Estimativa da média", lty=2,xaxp=c(0,150,10)) } amostragem(populacao, 150, 50000) ########################################################################################### obg

3 5

[Wordcloud] Problema com Encoding
by Max 27 Set '17

27 Set '17

Pessoal, boa noite! Com base em um exemplo pego na internet, tentei fazer uma nuvem de palavras de um arquivo notepad (peguei uma pequena matéria na internet e salvei, em .txt, com o nome SaoBento). O código tem funcionado quase corretamente. O problema é que eu não tenho tido sucesso em corrigir o *encoding* do texto. - Tentei usar encoding = "UTF-8" na linha do readlines, mas sem sucesso. - Também tentei usar enc2native() na última linha do passo 7, mas ocorre erro argument is not a character vector. - Salvei o arquivo SaoBento.txt no Notepad++, usando UTF-8 e, também, a nuvem final acusou problemas de *encoding*. - Deixei o arquivo SaoBento.txt salvo sozinho em uma pasta e, também, não tive sucesso em acertar o *encoding*. Sendo assim, gostaria de saber se alguém poderia fornecer uma dica de como posso driblar esse problema. Agradeço pela atenção. Saudações, -Max Lara PS: A variável "AQUI_ERRO" é onde leio o texto "distorcido". #============================================== # WORDCLOUD #============================================== *#1) INSTALL REQUIRED PACKAGES* install.packages("tm") #for text mining install.packages("SnowballC") #for text stemming install.packages("wordcloud") #wordcloud generator install.packages("RColorBrewer") #color palletes *#2) LOAD REQUIRED PACKAGES* library("tm") library("SnowballC") library("wordcloud") library("RColorBrewer") *#3) TEXT MINING* #LOAD THE TEXT (SAVED LOCALLY) text <- readLines(file.choose()) *#4) LOAD THE DATA AS A CORPUS* docs <- Corpus(VectorSource(text)) #VectorSource() function creates a corpus of character vectors docs <- tm_map(docs, PlainTextDocument) *#5) TEXT TRANSFORMATION* #tm_map() function (to replace, for instance, special characters from the text). #Replacing "/", "@" and "|" with space: toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ", x)) docs <- tm_map(docs, toSpace, "/") docs <- tm_map(docs, toSpace, "@") docs <- tm_map(docs, toSpace, "\\|") *#6) TEXT CLEANING* #tm_map() (remove unnecessary white space, to convert the text to lower case) #Removing common stopwords docs <- tm_map(docs, content_transformer(tolower)) #Convert the text to lower case docs <- tm_map(docs, removeNumbers) #Remove numbers docs <- tm_map(docs, removeWords, stopwords("portuguese")) #Remove Portuguese common stopwords docs <- tm_map(docs, removePunctuation) #Remove punctuations docs <- tm_map(docs, stripWhitespace) #Eliminate extra white spaces docs <- tm_map(docs, stemDocument) #Text stemming *#7) BUILD A TERM-DOCUMENT MATRIX (TDM)* #TDM is a table containing the frequency of the words. #Column names are words #Rown names are documents dtm <- TermDocumentMatrix(docs) terms(dtm) m <- as.matrix(dtm) v <- sort(rowSums(m),decreasing=TRUE) d <- data.frame(word = names(v),freq=v) head(d, 10) AQUI_ERRO <- d$word *#8) GENERATE THE WORD CLOUD* wordcloud( words = AQUI_ERRO, freq = d$freq, min.freq = 1, max.words=200, random.order=FALSE, rot.per=0.35, colors=brewer.pal(8, "Dark2"))

1 0

Packge Systemfit method SUR - ajuste simultâneo
by Thiago Wendling gonçalves de oliveira 27 Set '17

27 Set '17

Prezados, boa tarde!!! Meu nome é Thiago e sou doutorando em Eng. Florestal da UFPR Estou fazendo um trabalho de regressão linear para estimativa de biomassa de folhas, galhos e fuste de uma espécie florestal.A ideia é utilizar o ajuste simultâneo das equações, pois a biomassa aérea é a soma das biomassas mencionadas anteriormente.As variáveis independentes seriam a Biomassa da folha, galhos, fuste e aerea.As variáveis independentes seriam DAP (diâmetro à altura do peito) e Ht (altura total). O meu código do R foi o seguinte: install.packages("systemfit")library(systemfit) #Equações:#Biomassa_folhas =b0 + b1*DAP+b2*(DAP^2)+b3*((DAP^2)*Ht)#Biomassa_galhos=b0+b1*DAP+b2*(DAP^2)#Biomassa_fuste=b0+b1*DAP+b2*((DAP^2)*Ht)#Biomassa_aerea = Biomassa_folhas+Biomassa_galhos+Biomassa_fuste# Ou -> Biomassa_aerea = (b0 + b1*DAP+b2*(DAP^2)+b3*((DAP^2)*Ht)) + (b0+b1*DAP+b2*(DAP^2)) + (b0+b1*DAP+b2*((DAP^2)*Ht)) #Biomassa folhas eq1 <- tbl_araucaria$Bfolhas_kg~tbl_araucaria$DAP_cm+tbl_araucaria$dap2+tbl_araucaria$dap2Ht#Biomassa de galhoseq2 <- tbl_araucaria$Bgalhos_kg~tbl_araucaria$DAP_cm+tbl_araucaria$dap2#Biomassa do fusteeq3 <- tbl_araucaria$Bfuste_kg~tbl_araucaria$DAP_cm+tbl_araucaria$dap2Htsystem_eq <- list(eq1 = eq1, eq2 = eq2, eq3 = eq3) #SUR sur <- systemfit(system_eq, method = "SUR", data = tbl_araucaria)summary(sur) Para eu relacionar o ajuste simultâneo com a biomassa aérea (que seria a soma das biomassas) acredito que meu código ainda esteja incompleto e não sei se falta algum procedimento no código systemfit. Eu escrevi a equação para a biomassa aérea, considerando as minhas variáveis independentes dos três modelos (eq1,eq2,eq3):eq4 <- tbl_araucaria$Barea_kg~tbl_araucaria$DAP_cm+tbl_araucaria$dap2Ht+tbl_araucaria$dap2 Contudo a estimativa ainda não deu certo, pois acredito que as variáveis dependentes para a Biomassa_area ainda não estejam corretas. Alguém que trabalha com ajuste simultâneo e fez algum procedimento parecido no R poderia me auxiliar? Desde já agradeço. Thiago Wendling Gonçalves de Oliveira(41) 98858-2031 Universidade Federal do Paraná

1 0

Combinar linhas cuja interseção seja zero...
by andrebvs＠bol.com.br 27 Set '17

27 Set '17

2 1

[WordCloud] Problema com encoding
by Max 26 Set '17

26 Set '17

Pessoal, boa noite! Com base em um exemplo pego na internet, tentei fazer uma nuvem de palavras de um arquivo notepad (peguei uma pequena matéria na internet e salvei, em .txt, com o nome SaoBento). O código tem funcionado quase corretamente. O problema é que eu não tenho tido sucesso em corrigir o *encoding* do texto. - Tentei usar encoding = "UTF-8" na linha do readlines, mas sem sucesso. - Também tentei usar enc2native() na última linha do passo 7, mas ocorre erro argument is not a character vector. - Salvei o arquivo SaoBento.txt no Notepad++, usando UTF-8 e, também, a nuvem final acusou problemas de *encoding*. - Deixei o arquivo SaoBento.txt salvo sozinho em uma pasta e, também, não tive sucesso em acertar o *encoding*. Sendo assim, gostaria de saber se alguém poderia fornecer uma dica de como posso driblar esse problema. Agradeço pela atenção. Saudações, -Max Lara #============================================== # WORDCLOUD #============================================== *#1) INSTALL REQUIRED PACKAGES* install.packages("tm") #for text mining install.packages("SnowballC") #for text stemming install.packages("wordcloud") #wordcloud generator install.packages("RColorBrewer") #color palletes *#2) LOAD REQUIRED PACKAGES* library("tm") library("SnowballC") library("wordcloud") library("RColorBrewer") *#3) TEXT MINING* #LOAD THE TEXT (SAVED LOCALLY) text <- readLines(file.choose()) *#4) LOAD THE DATA AS A CORPUS* docs <- Corpus(VectorSource(text)) #VectorSource() function creates a corpus of character vectors docs <- tm_map(docs, PlainTextDocument) *#5) TEXT TRANSFORMATION* #tm_map() function (to replace, for instance, special characters from the text). #Replacing "/", "@" and "|" with space: toSpace <- content_transformer(function (x , pattern ) gsub(pattern, " ", x)) docs <- tm_map(docs, toSpace, "/") docs <- tm_map(docs, toSpace, "@") docs <- tm_map(docs, toSpace, "\\|") *#6) TEXT CLEANING* #tm_map() (remove unnecessary white space, to convert the text to lower case) #Removing common stopwords docs <- tm_map(docs, content_transformer(tolower)) #Convert the text to lower case docs <- tm_map(docs, removeNumbers) #Remove numbers docs <- tm_map(docs, removeWords, stopwords("portuguese")) #Remove Portuguese common stopwords docs <- tm_map(docs, removePunctuation) #Remove punctuations docs <- tm_map(docs, stripWhitespace) #Eliminate extra white spaces docs <- tm_map(docs, stemDocument) #Text stemming *#7) BUILD A TERM-DOCUMENT MATRIX (TDM)* #TDM is a table containing the frequency of the words. #Column names are words #Rown names are documents dtm <- TermDocumentMatrix(docs) terms(dtm) m <- as.matrix(dtm) v <- sort(rowSums(m),decreasing=TRUE) d <- data.frame(word = names(v),freq=v) head(d, 10) AQUI_ERRO <- d$word *#8) GENERATE THE WORD CLOUD* wordcloud( words = AQUI_ERRO, freq = d$freq, min.freq = 1, max.words=200, random.order=FALSE, rot.per=0.35, colors=brewer.pal(8, "Dark2")) *saída:* [image: Inline image 1]

1 0

Modelo GLM e ZIP
by Anna Karoline R. da Cruz 26 Set '17

26 Set '17

Boa tarde! Prezados, estou tentando ajustar o número de filhos/mulheres para 4 municípios a partir do modelo de poisson e ZIP. 1) Tentei colocar no modelo o número de filhos/mulheres (Y), mas o resultado foi: Error: não é possível encontrar valores iniciais válidos: especifique alguns Não sei se isso está relacionado com o fato desse vetor ter como respostas NaN e Inf. ou pq o Y seja mesmo o C (número de filhos). 2) E para plotar o gráfico de linhas com o número de filhos/mulheres já ajustado pelo modelo o comando (inicialmente) seria plot(F$Idade, (modelo.z$fitted.values)) ? 3) e qual comando posso usar para ter um gráfico para cada município? C= número de filhos segundo a idade simples da mulher M = número de mulheres por idade simples Idade = as idades simples das mulheres. ###saída GLM Call: glm(formula = C ~ M + Idade, family = poisson(), data = F) Deviance Residuals: Min 1Q Median 3Q Max -7.3875 -2.6026 -2.3316 0.9828 9.5008 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 1.2374245 0.1272825 9.722 <2e-16 *** M 0.0051281 0.0002939 17.451 <2e-16 *** Idade -0.0073104 0.0035070 -2.084 0.0371 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: 2080.1 on 163 degrees of freedom Residual deviance: 1675.9 on 161 degrees of freedom AIC: 1941.2 Number of Fisher Scoring iterations: 6 ##Saída ZIP Call: zeroinfl(formula = C ~ M + Idade, data = F, dist = "poisson") Pearson residuals: Min 1Q Median 3Q Max -2.1522 -0.6622 -0.5179 0.4001 3.8106 Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(>|z|) (Intercept) 2.1878890 0.1359308 16.096 <2e-16 *** M 0.0035164 0.0003052 11.521 <2e-16 *** Idade -0.0026143 0.0040649 -0.643 0.52 Zero-inflation model coefficients (binomial with logit link): Estimate Std. Error z value Pr(>|z|) (Intercept) 0.277153 0.538864 0.514 0.60702 M -0.005364 0.001954 -2.745 0.00605 ** Idade 0.022874 0.015151 1.510 0.13111 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Number of iterations in BFGS optimization: 14 Log-likelihood: -389.5 on 6 Df Desde já agradeço! Anna Cruz.

1 0

Saída Html do pacote Gmisc
by Abel Brasil Ramos da Silva 20 Set '17

20 Set '17

Olá à todos, Boa Noite! Estou tentando reproduzir o seguinte código abaixo para gerar uma tabela Html na aba do Viewer: data(mtcars) library(Hmisc) label(mtcars$mpg) <- "Gas" units(mtcars$mpg) <- "Miles/(US) gallon" label(mtcars$wt) <- "Weight" units(mtcars$wt) <- "10<sup>3</sup> kg" # not sure the unit is correct mtcars$am <- factor(mtcars$am, levels=0:1, labels=c("Automatic", "Manual")) label(mtcars$am) <- "Transmission" mtcars$gear <- factor(mtcars$gear) label(mtcars$gear) <- "Gears" mtcars$col <- factor(sample(c("red", "black", "silver"), size=NROW(mtcars), replace=TRUE)) label(mtcars$col) <- "Car color" library(Gmisc) getTable1Stats <- function(x, digits = 0, ...){ getDescriptionStatsBy(x = x, by = mtcars$am, digits = digits, continuous_fn = describeMedian, header_count = TRUE, ...)} t1 <- list() t1[["Gas"]] <- getTable1Stats(mtcars$mpg) t1[["Weight&dagger;"]] <- getTable1Stats(mtcars$wt) t1[["Color"]] <- getTable1Stats(mtcars$col) # If we want to use the labels set in the beginning # we add an element without a name t1 <- c(t1, list(getTable1Stats(mtcars$gear))) mergeDesc(t1, htmlTable_args = list(css.rgroup = "", caption = "Basic descriptive statistics from the mtcars dataset", tfoot = "&dagger; The weight is in 10<sup>3</sup> kg")) *PORÉM, AO INVÉS DO OUTPUT SAIR NO VIEWER EM FORMA DE TABELA O MESMO PRODUZ A SAÍDA ABAIXO:* <table class='gmisc_table' style='border-collapse: collapse; margin-top: 1em; margin-bottom: 1em;' > <thead> <tr><td colspan='3' style='text-align: left;'> Basic descriptive statistics from the mtcars dataset</td></tr> <tr> <th style='border-bottom: 1px solid grey; border-top: 2px solid grey;'> </th> <th style='border-bottom: 1px solid grey; border-top: 2px solid grey; text-align: center;'>Automatic<br /> No. 19</th> <th style='border-bottom: 1px solid grey; border-top: 2px solid grey; text-align: center;'>Manual<br /> No. 13</th> </tr> </thead> <tbody> <tr> <td style='text-align: left;'>Gas</td> <td style='text-align: center;'>17 (15 - 19)</td> <td style='text-align: center;'>23 (21 - 30)</td> </tr> <tr> <td style='text-align: left;'>Weight&dagger;</td> <td style='text-align: center;'>4 (3 - 4)</td> <td style='text-align: center;'>2 (2 - 3)</td> </tr> <tr><td colspan='3' style=''>Color</td></tr> <tr> <td style='text-align: left;'>  black</td> <td style='text-align: center;'>11 (58%)</td> <td style='text-align: center;'>5 (38%)</td> </tr> <tr> <td style='text-align: left;'>  red</td> <td style='text-align: center;'>6 (32%)</td> <td style='text-align: center;'>6 (46%)</td> </tr> <tr> <td style='text-align: left;'>  silver</td> <td style='text-align: center;'>2 (11%)</td> <td style='text-align: center;'>2 (15%)</td> </tr> <tr><td colspan='3' style=''>Gears</td></tr> <tr> <td style='text-align: left;'>  3</td> <td style='text-align: center;'>15 (79%)</td> <td style='text-align: center;'>0 (0%)</td> </tr> <tr> <td style='text-align: left;'>  4</td> <td style='text-align: center;'>4 (21%)</td> <td style='text-align: center;'>8 (62%)</td> </tr> <tr> <td style='border-bottom: 2px solid grey; text-align: left;'>  5</td> <td style='border-bottom: 2px solid grey; text-align: center;'>0 (0%)</td> <td style='border-bottom: 2px solid grey; text-align: center;'>5 (38%)</td> </tr> </tbody> <tfoot><tr><td colspan='3'> &dagger; The weight is in 10<sup>3</sup> kg</td></tr></tfoot> </table> Gostaria de saber como faço para que o output seja reproduzido no Viewer? Agradeço à ajuda!

1 0

Uso do iRamuteq - interface com R
by Ronaldo Câmara de Araújo 20 Set '17

20 Set '17

Olá, Alguém do grupo já utilizou o iRamuteq? Quem pode ajudar em saber os pacotes que ele utiliza e como faz? Grato.

2 1

ajustar escala e interpolação
by Heloíse Pavanato 19 Set '17

19 Set '17

Colegas do R-br, Tenho a seguinte questão: Estou trabalhando com um grid de 0.1 x 0.1 grau de latitude e longitude onde quero inserir a variável vento. No entanto a resolução do vento é de 0.25 x 0.25 graus. Os dados estão armazenados aqui: http://www.datafilehost.com/d/693635d4 http://www.datafilehost.com/d/ee24730c vento <- read.csv('ascat.data.csv', header = TRUE) str(vento) grid <- read.csv('grid.data.csv', header = TRUE) str(grid) #Quando faço um merge() dos dois dataframes, obviamente meus valores de #vento$media aparecem como NA pois não há nenhuma correspondência entre as #coordenadas do grid e de vento. dmerge <- merge(grid, vento, by = c('lon', 'lat'), all.x = TRUE) Porém, eu gostaria de obter valores de vento, por exemplo, entre latitudes de -22.625 e -22.375 na mesma escala do grid: -22.6, -22.5, -22.4, etc. E o mesmo para longitude. Tentei utilizar a scales::rescale(), mas consegui mudar apenas os mínimos e máximos das coordenadas: #install.packages('scales', dependencies = TRUE) library(scales) vento$lon.r <- rescale(vento$lon, to = range(grid$lon)) vento$lon.r vento$lat.r <- rescale(vento$lat, to = range(grid$lat)) vento$lat.r Então, creio que eu tenho dois problemas: o primeiro é obter as coordenadas de vento na mesma escala que as do grid; segundo é interpolar vento$media para substituir os NAs, que correspondem a quase metade do total de valores. Agradeço se algum colega tiver alguma dica. Obrigada, Heloise.

6 20

Regressão Exponencial
by Fabiana Goncalves Barbosa 18 Set '17

18 Set '17

Boa Tarde! Tenho os seguintes dados: x = c(1,1,2,2,1,3,10,15,9,17,13,18,21,27) tempo=c(2001,2003,2004,2006,2007,2008,2009,2010,2011,2012,2013,2014,2015,2016) Ao plotar (x,y), verifico um crescimento exponencial do x ao longo do tempo. Alguém teria o script de regressão exponencial para me ajudar? Grata Fabiana

3 2

sparse matrix para matriz
by Edimeire Alexandra Pinto 15 Set '17

15 Set '17

Bom dia, pessoal. Alguém poderia me tirar uma dúvida sobre Sparse matrix? Tenho um objeto em que os identificadores de linhas e colunas são os mesmos, códigos de municipios (por exemplo,3509106 ,3511003, .... ) e estão em dimnames. O conteúdo da matriz é composto por pontos e proporções, como vcs vêem abaixo, no exemplo resumido (pois são mais de 5000 municipios, ou seja, matriz bem grande). > matw5018 x 5018 sparse Matrix of class "dgCMatrix" [[ suppressing 48 column names ‘3509106’, ‘3511003’, ‘3514403’ ... ]] [[ suppressing 48 column names ‘3509106’, ‘3511003’, ‘3514403’ ... ]] 3509106 . . . . 0.25 . . . . . 0.25 . . 0.2500000 0.2500000 . . 3511003 . . . . . . . . . . . 0.1666667 . . . . . 3514403 . . . . . . . . . 0.2 . . 0.2000000 . 0.2000000 . . 3515301 . . . . . . . . . . . . . . . . 0.33333333528700 0.1428571 . . . . 0.1428571 . . . . . . 0.1428571 0.1428571 0.1428571 . . 3530201 . . . . 0.20 . . . . . . . . . . . 0.20000003531605 . . . . . . . . 0.2 . . . . . . . . 3532207 . . . . . . . . . . . . . . . . . 3533106 . . . . . . 0.25 . . . . . . . . . . 3534807 . . 0.2 . . . . . . . 0.20 . . . 0.2000000 . . Por que toda vez que uso o comando as.matrix(matw) ele simplesmente retira as proporções e coloca como conteúdo da matriz os codigos dos municipios? Veja abaixo. matw_matriz 3509106 3511003 3514403 3515301 3528700 3530201 3531605 3532207 3533106 3534807 3535408 3536406 3538303 3541307 3541505 3544251 3545506 3547106 3547700 3549300 3553906 3554300 3555109 4200101 4200507 4200556 4200754 4201273 4201653 4202081 4202578 4203105 4203501 4203907 4204103 4204202 4204301 4204350 4204400 4204459 4204707 4204756 4204905 4205001 4205175 4205308 4205357 4205431 4205605 4206603 4206652 4207601 4207650 4207684 4207700 4207759 4207809 4208005 4208401 4208609 4209003 4209177 4209201 4209458 4209854 4210035 4210506 4210555 4210902 4211009 4211405 4211454 4211801 4211876 4212007 4212106 4212270 4212601 4212908 4213104 4213153 4213401 4213906 4214151 4214201 4215075 4215208 4215356 4215687 Preciso que onde há pontos virem zero e as proporções permaneçam na matriz e os codigos dos municipios continuem como dimnanes da matriz. Eu faço essa pergunta para vcs, pois ao rodar painel espacial usando a função spml, o resultado é de erro e diz que Error in checklw(listw) : 'listw' has to be either a 'listw' or a 'matrix' object Obrigada

2 2

xyplot
by Fernando Souza 14 Set '17

14 Set '17

Amigos como faço para colocar a linha dos valores preditos e intervalo de confiança da predição sobre esses gráfico? Fiz uma tentativa, o gráfico não ficou agradável GALINHA<-structure(list(ID = structure(c(128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L), .Label = c("12", "23", "75", "368", "70", "336", "367", "186", "337", "281", "71", "370", "217", "238", "241", "6", "297", "340", "327", "313", "355", "322", "121", "237", "51", "58", "81", "43", "59", "115", "339", "369", "184", "24", "119", "191", "8", "308", "204", "63", "21", "5", "22", "85", "68", "80", "194", "2", "62", "183", "86", "4", "94", "30", "28", "35", "261", "49", "83", "56", "61", "228", "27", "108", "179", "17", "31", "48", "198", "278", "79", "60", "130", "98", "66", "120", "15", "229", "36", "38", "132", "92", "306", "91", "25", "209", "235", "45", "88", "215", "111", "84", "34", "53", "196", "10", "46", "65", "99", "203", "197", "149", "33", "134", "102", "181", "82", "103", "3", "193", "95", "137", "44", "41", "185", "104", "172", "214", "267", "216", "173", "110", "125", "72", "76", "90", "210", "1", "328", "131", "29", "174", "37", "89", "113", "67", "78", "365", "255", "240", "52", "169", "106", "69", "93", "200", "116", "145", "234", "54", "256", "77", "97", "133", "118", "117", "87", "221", "155", "47", "40", "252", "268", "223", "139", "167", "154", "318", "190", "147", "109", "364", "202", "175", "363", "263", "224", "32", "182", "244", "274", "163", "219", "16", "122", "226", "366", "220", "13", "225", "156", "195", "26", "320", "246", "232", "211", "150", "170", "201", "142", "199", "114", "239", "20", "269", "279", "282", "324", "7", "148", "140", "354", "96", "177", "136", "171", "319", "285", "356", "164", "290", "129", "358", "346", "257", "126", "233", "152", "107", "165", "321", "73", "168", "265", "330", "227", "128", "276", "230", "166", "213", "236", "242", "292", "50", "124", "294", "153", "231", "264", "222", "286", "253", "11", "316", "100", "127", "310", "301", "305", "123", "362", "39", "247", "176", "326", "19", "249", "258", "270", "250", "74", "341", "317", "360", "105", "57", "333", "259", "9", "112", "157", "55", "218", "151", "64", "42", "248", "207", "135", "192", "18", "357", "275", "298", "303", "287", "289", "344", "180", "205", "245", "187", "159", "101", "291", "141", "302", "212", "348", "349", "143", "272", "295", "277", "160", "309", "359", "158", "146", "342", "14", "144", "178", "329", "260", "304", "273", "162", "314", "208", "138", "293", "343", "206", "350", "351", "243", "338", "300", "284", "283", "254", "188", "312", "361", "315", "288", "251", "266", "334", "331", "353", "161", "352", "325", "311", "332", "335", "262", "280", "189", "347", "271", "296", "307", "323", "299", "345"), class = c("ordered", "factor")), TRAT = structure(c(3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("DSM", "NUT", "POL"), class = "factor"), SEMANA = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6), PESO = c(0.0395, 0.0431, 0.046, 0.043, 0.043, 0.0436, 0.042, 0.0405, 0.0417, 0.045, 0.043, 0.0416, 0.041, 0.042, 0.0445, 0.044, 0.047, 0.043, 0.049, 0.0435, 0.044, 0.0421, 0.0444, 0.041, 0.042, 0.0415, 0.0411, 0.0422, 0.042, 0.042, 0.045, 0.045, 0.0416, 0.044, 0.044, 0.041, 0.04, 0.039, 0.0408, 0.037, 0.044, 0.042, 0.041, 0.04, 0.0435, 0.039, 0.0404, 0.0466, 0.0461, 0.0435, 0.043, 0.043, 0.041, 0.0432, 0.0393, 0.0415, 0.041, 0.041, 0.042, 0.0404, 0.0385, 0.0435, 0.034, 0.0409, 0.044, 0.045, 0.045, 0.046, 0.045, 0.0396, 0.0406, 0.039, 0.038, 0.039, 0.045, 0.042, 0.042, 0.0413, 0.043, 0.042, 0.0385, 0.0415, 0.0391, 0.048, 0.043, 0.039, 0.048, 0.0388, 0.039, 0.043, 0.0436, 0.043, 0.0435, 0.0395, 0.0424, 0.0414, 0.0422, 0.0394, 0.0405, 0.041, 0.0373, 0.0466, 0.045, 0.0431, 0.0435, 0.047, 0.044, 0.042, 0.041, 0.0409, 0.042, 0.042, 0.043, 0.0375, 0.043, 0.038, 0.0402, 0.0375, 0.043, 0.044, 0.043, 0.0415, 0.0445, 0.044, 0.0445, 0.0413, 0.041, 0.043, 0.032, 0.044, 0.0392, 0.043, 0.0437, 0.034, 0.038, 0.0386, 0.037, 0.044, 0.046, 0.0445, 0.0425, 0.045, 0.0388, 0.0387, 0.039, 0.0386, 0.0421, 0.0405, 0.0412, 0.042, 0.0471, 0.042, 0.047, 0.039, 0.039, 0.043, 0.041, 0.044, 0.044, 0.042, 0.042, 0.042, 0.0422, 0.047, 0.047, 0.0415, 0.045, 0.045, 0.044, 0.0426, 0.0405, 0.044, 0.0446, 0.04, 0.0445, 0.0395, 0.0444, 0.046, 0.0465, 0.0415, 0.042, 0.042, 0.0481, 0.047, 0.042, 0.041, 0.041, 0.04, 0.0451, 0.043, 0.0415, 0.0432, 0.0414, 0.0445, 0.0427, 0.041, 0.04, 0.047, 0.043, 0.043, 0.0404, 0.0394, 0.043, 0.043, 0.04, 0.042, 0.0424, 0.042, 0.046, 0.042, 0.04, 0.0404, 0.0417, 0.0404, 0.0442, 0.041, 0.0405, 0.0426, 0.0433, 0.044, 0.0465, 0.0405, 0.0451, 0.0446, 0.043, 0.04, 0.041, 0.0454, 0.0449, 0.0433, 0.043, 0.0424, 0.0439, 0.044, 0.0452, 0.04, 0.04, 0.0416, 0.0405, 0.04, 0.044, 0.043, 0.045, 0.043, 0.043, 0.0424, 0.041, 0.0464, 0.0447, 0.0426, 0.0426, 0.042, 0.0421, 0.045, 0.0379, 0.044, 0.042, 0.042, 0.042, 0.0433, 0.034, 0.037, 0.037, 0.0445, 0.042, 0.042, 0.044, 0.045, 0.042, 0.0416, 0.0436, 0.0405, 0.0426, 0.044, 0.044, 0.0404, 0.039, 0.0435, 0.0469, 0.0435, 0.045, 0.043, 0.043, 0.038, 0.0438, 0.0433, 0.0404, 0.0435, 0.043, 0.043, 0.038, 0.041, 0.042, 0.04, 0.037, 0.038, 0.0417, 0.043, 0.047, 0.0449, 0.043, 0.04, 0.04, 0.04, 0.0421, 0.0442, 0.043, 0.041, 0.041, 0.0414, 0.0435, 0.045, 0.044, 0.044, 0.0425, 0.0465, 0.043, 0.0446, 0.045, 0.043, 0.046, 0.0423, 0.045, 0.047, 0.0464, 0.0444, 0.0446, 0.044, 0.0438, 0.044, 0.0484, 0.043, 0.0434, 0.0395, 0.0445, 0.037, 0.0395, 0.039, 0.039, 0.043, 0.0409, 0.0441, 0.0452, 0.044, 0.044, 0.0458, 0.043, 0.044, 0.04, 0.0408, 0.044, 0.044, 0.041, 0.0439, 0.045, 0.0416, 0.0447, 0.0443, 0.044, 0.042, 0.0447, 0.043, 0.044, 0.0408, 0.044, 0.044, 0.046, 0.0435, 0.047, 0.0417, 0.177, 0.1757, 0.189, 0.185, 0.1836, 0.1969, 0.1746, 0.1561, 0.1757, 0.176, 0.1957, 0.1555, 0.1684, 0.171, 0.1771, 0.1929, 0.1927, 0.185, 0.1935, 0.1883, 0.1837, 0.1763, 0.1669, 0.172, 0.172, 0.1699, 0.1722, 0.1868, 0.1836, 0.137, 0.1565, 0.1765, 0.1655, 0.18, 0.1682, 0.17, 0.1897, 0.1746, 0.1869, 0.17, 0.195, 0.207, 0.1388, 0.1815, 0.1868, 0.154, 0.1514, 0.1862, 0.178, 0.182, 0.166, 0.181, 0.146, 0.1704, 0.1541, 0.1749, 0.1976, 0.1671, 0.1706, 0.1708, 0.1597, 0.1731, 0.1465, 0.1764, 0.1647, 0.1647, 0.2056, 0.1812, 0.1746, 0.1651, 0.1705, 0.18, 0.163, 0.18, 0.183, 0.163, 0.1859, 0.1697, 0.1895, 0.1737, 0.1577, 0.1716, 0.1605, 0.1879, 0.1814, 0.1578, 0.1684, 0.157, 0.1619, 0.1793, 0.1828, 0.1705, 0.184, 0.1516, 0.1754, 0.1818, 0.1984, 0.1711, 0.1765, 0.2006, 0.1728, 0.1843, 0.178, 0.1707, 0.1761, 0.175, 0.1882, 0.1915, 0.1719, 0.1618, 0.165, 0.153, 0.167, 0.184, 0.165, 0.17, 0.1745, 0.1825, 0.1461, 0.2103, 0.1687, 0.17, 0.183, 0.18, 0.1683, 0.1898, 0.1731, 0.1827, 0.1693, 0.1859, 0.1723, 0.2012, 0.1988, 0.1447, 0.1898, 0.1522, 0.1659, 0.178, 0.18, 0.1824, 0.1778, 0.1824, 0.1854, 0.181, 0.1684, 0.1825, 0.1898, 0.186, 0.1813, 0.1852, 0.189, 0.1812, 0.1847, 0.167, 0.1523, 0.1881, 0.1753, 0.2212, 0.204, 0.205, 0.203, 0.203, 0.1786, 0.1906, 0.1907, 0.1894, 0.186, 0.18, 0.197, 0.1349, 0.1805, 0.1968, 0.1885, 0.1794, 0.1953, 0.1835, 0.2037, 0.21, 0.1988, 0.1806, 0.1847, 0.1941, 0.1857, 0.182, 0.1814, 0.178, 0.19, 0.179, 0.1911, 0.1925, 0.1763, 0.1927, 0.207, 0.183, 0.1831, 0.188, 0.1753, 0.2071, 0.1976, 0.1941, 0.1688, 0.1778, 0.1941, 0.1653, 0.19, 0.194, 0.1889, 0.1835, 0.186, 0.1812, 0.1779, 0.1744, 0.1843, 0.1808, 0.1828, 0.1701, 0.193, 0.1987, 0.1915, 0.192, 0.1966, 0.1907, 0.1963, 0.1907, 0.1855, 0.1682, 0.165, 0.1871, 0.1908, 0.183, 0.182, 0.1809, 0.1806, 0.1765, 0.1814, 0.1913, 0.1877, 0.1902, 0.1867, 0.1755, 0.196, 0.1882, 0.1984, 0.1874, 0.1835, 0.1774, 0.181, 0.188, 0.19, 0.176, 0.1825, 0.1844, 0.1873, 0.1843, 0.1694, 0.1871, 0.1706, 0.1729, 0.1794, 0.1836, 0.1459, 0.1565, 0.1565, 0.178, 0.176, 0.17, 0.1682, 0.179, 0.173, 0.1812, 0.1915, 0.172, 0.195, 0.2, 0.19, 0.1972, 0.17, 0.1772, 0.2012, 0.1857, 0.1959, 0.1834, 0.197, 0.1647, 0.1796, 0.1798, 0.1818, 0.1986, 0.2089, 0.142, 0.1882, 0.2059, 0.1882, 0.1871, 0.1706, 0.182, 0.2036, 0.196, 0.21, 0.2142, 0.1871, 0.1781, 0.1835, 0.174, 0.1831, 0.17, 0.174, 0.198, 0.186, 0.1808, 0.1983, 0.192, 0.1894, 0.1859, 0.184, 0.1847, 0.1694, 0.1734, 0.184, 0.1847, 0.1682, 0.1843, 0.1848, 0.181, 0.1915, 0.1823, 0.1796, 0.1953, 0.2031, 0.1824, 0.1882, 0.18, 0.1837, 0.1747, 0.1928, 0.1765, 0.1714, 0.1666, 0.1724, 0.1918, 0.1894, 0.1864, 0.1936, 0.1813, 0.199, 0.1896, 0.1812, 0.186, 0.1714, 0.167, 0.1824, 0.194, 0.185, 0.189, 0.2, 0.1997, 0.186, 0.1961, 0.1827, 0.1806, 0.1825, 0.18, 0.1789, 0.173, 0.1616, 0.1776, 0.191, 0.1788, 0.1976, 0.1767, 0.4056, 0.4401, 0.4615, 0.44, 0.4698, 0.4991, 0.441, 0.3404, 0.4144, 0.3682, 0.5132, 0.4332, 0.4246, 0.4535, 0.4288, 0.4961, 0.4296, 0.4883, 0.4836, 0.4675, 0.4524, 0.4419, 0.4568, 0.451, 0.473, 0.4515, 0.4702, 0.4663, 0.4743, 0.3246, 0.3918, 0.4387, 0.3816, 0.4083, 0.4273, 0.444, 0.4702, 0.441, 0.4843, 0.414, 0.4659, 0.5444, 0.31, 0.4602, 0.428, 0.4058, 0.4367, 0.4797, 0.4287, 0.4827, 0.332, 0.45, 0.334, 0.3776, 0.3914, 0.3915, 0.477, 0.348, 0.3536, 0.4312, 0.4031, 0.4253, 0.3677, 0.4695, 0.3738, 0.4018, 0.5217, 0.44, 0.4714, 0.3999, 0.4478, 0.4517, 0.404, 0.424, 0.3885, 0.4125, 0.5118, 0.3975, 0.4465, 0.4021, 0.3555, 0.3804, 0.3547, 0.4518, 0.391, 0.3592, 0.4066, 0.3966, 0.3888, 0.4716, 0.419, 0.4565, 0.4658, 0.403, 0.4524, 0.509, 0.516, 0.434, 0.433, 0.5141, 0.4718, 0.46, 0.491, 0.4407, 0.4504, 0.437, 0.4587, 0.4484, 0.4457, 0.4063, 0.461, 0.395, 0.391, 0.4757, 0.394, 0.4572, 0.4405, 0.4794, 0.3574, 0.5332, 0.3565, 0.465, 0.4525, 0.473, 0.4234, 0.5006, 0.4651, 0.4479, 0.431, 0.4939, 0.4354, 0.4916, 0.499, 0.4018, 0.4931, 0.4217, 0.4523, 0.4505, 0.44, 0.4748, 0.5106, 0.4714, 0.4307, 0.4692, 0.42, 0.5005, 0.4712, 0.4823, 0.4393, 0.4855, 0.4759, 0.4692, 0.4613, 0.4336, 0.4354, 0.4852, 0.4164, 0.5534, 0.5085, 0.5197, 0.5264, 0.5085, 0.4542, 0.4702, 0.47, 0.4701, 0.4565, 0.4972, 0.456, 0.3752, 0.449, 0.4517, 0.4309, 0.4299, 0.4839, 0.5006, 0.4957, 0.5399, 0.4951, 0.4752, 0.483, 0.496, 0.42, 0.445, 0.4378, 0.44, 0.534, 0.483, 0.5379, 0.5157, 0.4049, 0.534, 0.5041, 0.3965, 0.4214, 0.4895, 0.3962, 0.4961, 0.4786, 0.5021, 0.4374, 0.4956, 0.4731, 0.3408, 0.537, 0.4961, 0.4773, 0.5309, 0.4827, 0.416, 0.47, 0.4505, 0.4698, 0.46, 0.4632, 0.4726, 0.467, 0.5012, 0.4719, 0.445, 0.4853, 0.4754, 0.5109, 0.469, 0.4735, 0.416, 0.408, 0.4676, 0.4745, 0.4644, 0.4546, 0.5077, 0.4571, 0.4419, 0.425, 0.4886, 0.4662, 0.4973, 0.4842, 0.447, 0.522, 0.4971, 0.5032, 0.4757, 0.461, 0.467, 0.458, 0.5102, 0.4778, 0.4804, 0.5032, 0.4724, 0.4802, 0.5519, 0.4094, 0.4445, 0.449, 0.4647, 0.4809, 0.4684, 0.3682, 0.4456, 0.3842, 0.48, 0.4378, 0.4489, 0.4164, 0.461, 0.4201, 0.5157, 0.4727, 0.4375, 0.5038, 0.515, 0.499, 0.4936, 0.42, 0.4748, 0.5001, 0.4787, 0.4331, 0.4426, 0.482, 0.431, 0.4612, 0.4678, 0.4659, 0.48, 0.5247, 0.3512, 0.4568, 0.4905, 0.4669, 0.4714, 0.452, 0.4653, 0.4992, 0.492, 0.489, 0.5304, 0.501, 0.4964, 0.4658, 0.4897, 0.4783, 0.3947, 0.481, 0.501, 0.471, 0.4449, 0.4865, 0.4872, 0.4961, 0.4624, 0.4775, 0.4414, 0.44, 0.4343, 0.449, 0.4601, 0.44, 0.4997, 0.4974, 0.486, 0.509, 0.4702, 0.4749, 0.4434, 0.5167, 0.4438, 0.4847, 0.4539, 0.4285, 0.4773, 0.4846, 0.4197, 0.458, 0.453, 0.438, 0.4939, 0.4839, 0.4589, 0.473, 0.4731, 0.506, 0.4954, 0.4714, 0.4536, 0.4439, 0.4431, 0.4818, 0.496, 0.5108, 0.4134, 0.5051, 0.5247, 0.4821, 0.4583, 0.475, 0.4485, 0.4692, 0.4501, 0.4639, 0.44, 0.4004, 0.4501, 0.4843, 0.4606, 0.5253, 0.4429, 0.8378, 0.8471, 0.8886, 0.81, 0.9366, 0.9909, 0.8597, 0.6937, 0.8395, 0.832, 1.009, 0.8833, 0.7511, 0.8965, 0.8922, 0.96, 0.7807, 1.002, 0.963, 0.962, 0.8641, 0.8847, 0.8782, 0.81, 0.902, 0.7963, 0.8896, 0.8852, 0.9848, 0.737, 0.8543, 0.9315, 0.8005, 0.8761, 0.9185, 0.85, 0.9096, 0.815, 0.9353, 0.913, 0.8832, 1.0239, 0.634, 0.8885, 0.734, 0.8875, 0.8878, 0.9387, 0.8309, 0.9772, 0.718, 0.8574, 0.727, 0.843, 0.8819, 0.8765, 0.9533, 0.6587, 0.6609, 0.8953, 0.8873, 0.7675, 0.7517, 0.9561, 0.8424, 0.7728, 1.0431, 0.805, 0.9166, 0.8258, 0.9308, 0.8518, 0.8546, 0.8185, 0.7579, 0.8505, 0.9554, 0.8116, 0.8611, 0.7879, 0.775, 0.771, 0.7706, 0.8675, 0.7561, 0.7585, 0.8196, 0.7993, 0.842, 0.9372, 0.8446, 0.9328, 0.9495, 0.7644, 0.9246, 0.9592, 0.9594, 0.842, 0.9085, 0.986, 0.9085, 0.8866, 0.7695, 0.9027, 0.9104, 0.9304, 0.8761, 0.8988, 0.9277, 0.8332, 0.861, 0.776, 0.844, 0.97, 0.8026, 0.895, 0.8928, 0.918, 0.7535, 0.9975, 0.7307, 0.9997, 0.9169, 0.9444, 0.8713, 0.9523, 0.8918, 0.9314, 0.9233, 0.9, 0.8646, 0.9181, 0.9478, 0.7761, 1.0358, 0.8917, 0.8, 0.888, 0.8283, 0.9174, 0.9131, 0.927, 0.8629, 0.9495, 0.7656, 1.0016, 0.9123, 0.915, 0.8805, 0.9568, 0.9769, 0.9674, 0.9783, 0.901, 0.8097, 0.9665, 0.7767, 1.0761, 0.998, 0.988, 1.004, 0.987, 0.9206, 0.945, 0.91, 0.9553, 0.961, 0.975, 0.95, 0.8542, 0.9019, 0.9331, 0.8521, 0.8897, 0.9847, 1.0218, 0.9577, 1.0783, 0.9665, 0.9721, 0.937, 0.91, 0.8823, 0.86, 0.8604, 0.838, 1, 1, 1.0924, 0.991, 0.816, 1.0692, 0.9754, 0.847, 0.8324, 0.9739, 0.8891, 0.9609, 0.9596, 1.013, 0.8791, 0.9591, 1.0097, 0.7858, 0.994, 0.9978, 1.0076, 1.0848, 0.9174, 0.8936, 0.9353, 0.94, 0.9573, 0.8629, 0.9516, 0.903, 0.93, 0.979, 0.9293, 0.812, 0.9387, 0.9252, 0.9476, 0.9151, 0.9239, 0.8873, 0.889, 0.9308, 0.9984, 0.8824, 0.936, 0.9941, 0.962, 0.8414, 0.854, 0.9367, 0.9601, 0.9998, 0.9538, 0.904, 1.016, 0.9036, 0.977, 0.9141, 0.8887, 0.9664, 0.9467, 1.0024, 0.9383, 1.0171, 0.9536, 0.9195, 0.9381, 0.9906, 0.8393, 0.8997, 0.95, 0.9793, 1.0044, 1.0127, 0.7932, 0.9554, 0.7272, 0.9685, 0.8804, 0.9098, 0.865, 0.896, 0.8813, 0.985, 0.9001, 0.8505, 0.973, 1.0228, 1.0326, 0.9605, 0.9089, 0.969, 0.9468, 0.9253, 0.8846, 0.9015, 0.9577, 0.8712, 0.9422, 0.8845, 0.8767, 0.9465, 1.0106, 0.7609, 0.8837, 0.963, 0.8652, 0.9033, 0.958, 0.9544, 0.9772, 1.007, 0.991, 1.0612, 0.967, 0.9619, 0.8641, 0.976, 0.897, 0.8328, 0.98, 1.024, 0.95, 0.9373, 0.9992, 1.0294, 1.0174, 1, 0.9663, 0.9136, 0.875, 0.8647, 0.8879, 0.925, 0.9098, 1.0355, 1.0423, 0.974, 1.0475, 0.9684, 0.9961, 0.8761, 1.043, 0.906, 1.0113, 0.9554, 0.8868, 0.9672, 0.9689, 0.7913, 0.9557, 0.95, 0.9241, 0.977, 0.9954, 0.9414, 0.9768, 0.9361, 1.012, 0.9797, 0.935, 0.9789, 0.9177, 0.9212, 0.9467, 1.0138, 0.996, 0.844, 0.9182, 0.988, 0.9479, 0.9296, 1.0091, 0.9145, 0.9084, 0.9838, 0.931, 0.8625, 0.8116, 0.975, 0.965, 0.8768, 0.996, 0.8978, 1.3968, 1.3513, 1.3796, 1.37, 1.511, 1.5374, 1.3402, 1.2161, 1.45, 1.3467, 1.6014, 1.4685, 1.4193, 1.5277, 1.404, 1.5426, 1.3524, 1.619, 1.5212, 1.4904, 1.3892, 1.3864, 1.4216, 1.298, 1.353, 1.3753, 1.4451, 1.411, 1.5489, 1.384, 1.4021, 1.3734, 1.3706, 1.2957, 1.3287, 1.3739, 1.4868, 1.3398, 1.4879, 1.376, 1.4362, 1.6883, 1.169, 1.438, 1.1338, 1.4425, 1.461, 1.4077, 1.4075, 1.5675, 1.2991, 1.361, 1.2582, 1.3556, 1.4687, 1.3709, 1.479, 1.2, 1.171, 1.4051, 1.3693, 1.3885, 1.3117, 1.4925, 1.382, 1.307, 1.5479, 1.3287, 1.463, 1.3607, 1.4868, 1.4895, 1.471, 1.478, 1.322, 1.3986, 1.5283, 1.3912, 1.3905, 1.2882, 1.2838, 1.3064, 1.2657, 1.4752, 1.33, 1.2807, 1.3757, 1.3521, 1.3615, 1.4647, 1.3665, 1.3926, 1.5306, 1.3466, 1.4485, 1.5256, 1.4598, 1.392, 1.4577, 1.569, 1.5389, 1.4609, 1.366, 1.4558, 1.4793, 1.483, 1.4778, 1.3583, 1.4369, 1.3851, 1.3002, 1.343, 1.396, 1.6054, 1.2581, 1.4681, 1.4902, 1.516, 1.2972, 1.5183, 1.1763, 1.5713, 1.5658, 1.5176, 1.3958, 1.5345, 1.4831, 1.5042, 1.475, 1.4894, 1.3109, 1.4947, 1.4008, 1.3924, 1.6255, 1.4301, 1.3511, 1.547, 1.417, 1.4545, 1.427, 1.575, 1.4619, 1.5714, 1.395, 1.6044, 1.5129, 1.4793, 1.4363, 1.5361, 1.5828, 1.4649, 1.5128, 1.4554, 1.4241, 1.5933, 1.487, 1.6123, 1.515, 1.661, 1.614, 1.604, 1.5179, 1.5463, 1.5053, 1.5174, 1.563, 1.5646, 1.529, 1.4507, 1.521, 1.3927, 1.4156, 1.4218, 1.4786, 1.4873, 1.528, 1.5404, 1.6069, 1.529, 1.524, 1.532, 1.3764, 1.365, 1.417, 1.42, 1.5018, 1.5171, 1.6861, 1.4826, 1.3477, 1.5042, 1.497, 1.3495, 1.5278, 1.5128, 1.4574, 1.5181, 1.5579, 1.55, 1.5066, 1.5624, 1.5097, 1.2975, 1.574, 1.6447, 1.5551, 1.6489, 1.575, 1.3699, 1.4815, 1.5128, 1.52, 1.4599, 1.5155, 1.5009, 1.525, 1.5682, 1.5374, 1.4216, 1.4754, 1.4921, 1.6045, 1.5672, 1.5415, 1.4147, 1.5007, 1.3903, 1.4811, 1.4684, 1.583, 1.5141, 1.5613, 1.4138, 1.3942, 1.5426, 1.5353, 1.5059, 1.5185, 1.4718, 1.557, 1.5503, 1.5809, 1.4571, 1.3876, 1.4999, 1.567, 1.6213, 1.4722, 1.6299, 1.5003, 1.5016, 1.3979, 1.5145, 1.368, 1.511, 1.419, 1.499, 1.4829, 1.5283, 1.3489, 1.5275, 1.2543, 1.5618, 1.4681, 1.475, 1.3351, 1.382, 1.5259, 1.5143, 1.5396, 1.4435, 1.6217, 1.5953, 1.45, 1.6084, 1.516, 1.4597, 1.3616, 1.595, 1.4594, 1.5034, 1.5266, 1.5228, 1.512, 1.5051, 1.4695, 1.5701, 1.6411, 1.3285, 1.4851, 1.483, 1.5085, 1.4766, 1.6053, 1.5442, 1.5624, 1.481, 1.56, 1.6188, 1.6365, 1.4982, 1.3872, 1.5787, 1.5001, 1.4118, 1.5, 1.664, 1.538, 1.5796, 1.6087, 1.6537, 1.5894, 1.5787, 1.5931, 1.5452, 1.4897, 1.4553, 1.5442, 1.5851, 1.5819, 1.5899, 1.6965, 1.6103, 1.6574, 1.5121, 1.5663, 1.474, 1.6411, 1.545, 1.68, 1.616, 1.5187, 1.5035, 1.5558, 1.453, 1.5854, 1.607, 1.6486, 1.6085, 1.5506, 1.5697, 1.5791, 1.5083, 1.6237, 1.5324, 1.6, 1.5703, 1.5518, 1.4557, 1.5142, 1.6592, 1.5913, 1.3739, 1.5366, 1.5575, 1.5205, 1.4785, 1.6111, 1.5861, 1.4798, 1.4806, 1.4898, 1.4108, 1.3855, 1.5362, 1.5827, 1.4556, 1.612, 1.4867, 2, 1.9875, 2.0456, 1.842, 2.1236, 2.1727, 2.0817, 1.7932, 2.101, 2.0199, 2.2014, 1.9665, 2.0714, 2.1465, 2.0089, 2.1927, 1.9458, 2.202, 2.2086, 2.0236, 1.9341, 1.9841, 1.9989, 1.9223, 1.9379, 2.0421, 2.0058, 1.9416, 2.137, 1.882, 1.898, 1.963, 1.9807, 1.834, 1.898, 2.0066, 2.1234, 1.915, 2.1505, 1.977, 2.0534, 2.228, 1.6904, 2.0385, 1.8062, 2.0204, 2.0615, 1.9617, 2.021, 2.165, 1.834, 2.049, 1.909, 2.0091, 2.1625, 2.0017, 2.242, 1.705, 1.8096, 1.9774, 1.9484, 1.9542, 1.9006, 2.1364, 1.9749, 1.9247, 2.1806, 1.8766, 2.0787, 2.0609, 2.1479, 2.072, 2.193, 2.141, 2, 2.0962, 2.2043, 2.0212, 2.0448, 1.7999, 1.7583, 1.9555, 1.9188, 2.1024, 1.9143, 1.9394, 2.0909, 1.9117, 1.9921, 2.0652, 1.9214, 1.9288, 2.1423, 1.9185, 2.061, 2.1143, 2.081, 1.9681, 2.0064, 2.1208, 2.1756, 2.0744, 2.0146, 2.0347, 2.0973, 2.1789, 2.0805, 2.016, 2.0443, 2.0145, 2.0485, 1.9404, 1.9174, 2.0835, 1.8177, 2.069, 2.0467, 2.1035, 1.9164, 2.132, 1.6446, 2.0955, 2.1768, 2.1103, 2.0296, 2.1719, 2.1433, 2.0995, 2.0743, 2.0314, 1.9498, 2.0753, 2.0269, 1.9466, 2.2078, 2.1043, 2.023, 2.1835, 2.1077, 2.0485, 2.0745, 2.107, 2.1725, 2.197, 2.073, 2.2474, 2.1259, 2.147, 2.0411, 2.179, 2.2463, 2.1625, 2.2131, 2.1112, 2.0768, 2.115, 2.1757, 2.1993, 2.215, 2.238, 2.302, 2.201, 2.0725, 2.1555, 2.1632, 2.1028, 2.109, 2.1559, 2, 2.0812, 2.0636, 1.9518, 2.0405, 1.9671, 2.0485, 2.1215, 2.1124, 2.3113, 2.1994, 2.2434, 2.091, 2.116, 2.0227, 1.8781, 1.8379, 2.122, 2.2, 2.167, 2.3945, 2.0258, 1.8949, 2.1335, 2.0854, 1.9336, 2.134, 2.0199, 2.0615, 2.0121, 2.2198, 2.1395, 2.2243, 2.1077, 2.1057, 1.7483, 2.18, 2.2803, 2.2239, 2.391, 2.0472, 2.0262, 2.1252, 2.1381, 2.1761, 2.0419, 2.0137, 2.118, 2.1554, 2.138, 2.1339, 2.0934, 2.043, 2.1349, 2.1876, 2.1754, 2.14, 2.1462, 2.134, 1.9915, 2.1273, 2.0927, 2.2647, 2.2311, 2.1182, 2.015, 1.9269, 2.1666, 2.2637, 2.1654, 2.1667, 2.0613, 2.166, 2.176, 2.1652, 2.1003, 2.06, 2.0848, 2.2029, 2.2304, 2.0783, 2.2003, 2.2126, 2.0313, 2.1385, 2.2015, 2.0062, 1.9707, 2.0471, 2.0847, 2.0912, 2.1259, 2.0132, 2.2313, 1.932, 2.1384, 2.0722, 2.1778, 1.9665, 2.0136, 2.2123, 2.1932, 2.3374, 2.159, 2.2233, 2.1087, 2.179, 2.216, 2.1935, 1.9536, 2.0363, 2.1864, 2.1038, 2.1941, 2.245, 2.16, 2.1348, 2.1572, 2.1454, 2.1742, 2.2023, 2.0934, 2.1621, 2.0701, 2.16, 2.1475, 2.2273, 2.2448, 2.1836, 2.175, 2.3232, 2.2565, 2.284, 2.1939, 2.0941, 2.2709, 2.1029, 1.9158, 2.19, 2.379, 2.173, 2.2437, 2.2624, 2.2093, 2.2531, 2.25, 2.248, 2.2174, 2.1297, 2.0173, 2.1263, 2.208, 2.0977, 2.2609, 2.3667, 2.201, 2.2743, 2.1338, 2.2251, 2.102, 2.2577, 2.1854, 2.3493, 2.159, 2.168, 2.2375, 2.2589, 2.0628, 2.132, 2.1699, 2.3285, 2.192, 2.2133, 2.2179, 2.3002, 2.208, 2.2856, 2.0855, 2.25, 2.1735, 2.1595, 2.0881, 2.1715, 2.2986, 2.2804, 2.0636, 2.2535, 2.0939, 2.208, 2.1907, 2.2991, 2.217, 2.1691, 2.11, 2.0292, 2.011, 2.0168, 2.1483, 2.111, 2.0586, 2.3473, 2.1486, 2.5865, 2.4405, 2.5577, 2.456, 2.41, NA, 2.6811, 2.3779, 2.7572, 2.5393, 2.7288, NA, 2.6591, 2.8193, 2.5132, 2.654, 2.4863, 2.7741, 2.7377, 2.6767, 2.4071, 2.4123, NA, 2.356, 2.52, 2.6631, 2.4839, 2.4638, 2.59, 2.4628, 2.49, 2.643, 2.5499, 2.533, 2.466, 2.5145, 2.5911, 2.515, 2.7347, 2.626, 2.5641, 2.7665, 2.298, 2.563, 2.5209, 2.5408, 2.6245, 2.4907, 2.4728, 2.7138, 2.272, 2.6, 2.537, 2.6142, 2.7606, 2.4786, 2.7479, 2.2775, 2.3125, 2.4968, 2.4808, 2.4446, 2.4036, 2.7649, 2.543, 2.508, 2.594, 2.4322, 2.6081, NA, NA, 2.5826, 2.7014, 2.7417, NA, 2.584, 2.6155, 2.5948, 2.4967, 2.4392, 2.2845, 2.553, 2.4747, 2.5312, 2.4126, 2.4536, 2.6231, 2.5226, 2.5916, 2.585, 2.519, 2.5179, 2.6081, 2.4572, 2.5614, 2.6855, 2.6177, 2.5052, 2.5431, 2.7309, 2.7998, 2.5526, 2.554, 2.5689, 2.7456, 2.6054, 2.6992, 2.4852, 2.6347, 2.582, 2.5281, 2.76, 2.5921, 2.6748, 2.317, 2.6102, 2.6204, 2.6192, 2.3701, 2.5123, 2.2612, 2.6544, 2.7331, 2.7146, 2.5822, 2.6972, 2.7309, 2.7028, 2.6928, 2.5, 2.5893, 2.5169, 2.6186, 2.55, 2.7712, 2.6865, 2.562, 2.8347, 2.6291, 2.6815, 2.8005, 2.6727, 2.8052, 2.8221, 2.6114, 2.8143, 2.6318, 2.6814, 2.5498, 2.6703, 2.7644, 2.6983, 2.7169, 2.6292, 2.6242, 2.6612, 2.7603, 2.814, 2.7986, 2.811, 2.9153, 2.8306, 2.6517, 2.6886, 2.7007, 2.706, 2.6291, 2.7014, 2.6002, 2.6714, 2.6875, 2.5713, 2.5788, 2.5904, 2.6389, 2.7355, 2.6855, 2.8236, 2.486, 2.7896, 2.5527, 2.6436, 2.4531, 2.3533, 2.5682, NA, 2.795, 2.8655, 2.9534, 2.6312, 2.3748, 2.7729, 2.5586, 2.44, 2.6624, 2.5382, 2.5475, 2.4938, 2.6734, 2.6095, 2.6717, 2.6366, 2.5472, 2.3864, 2.7903, 2.841, 2.7699, 2.8326, 2.52, 2.5861, 2.669, 2.8013, 2.7076, 2.5727, 2.5239, 2.5757, NA, 2.7622, 2.6532, 2.6589, 2.6235, 2.7259, 2.6283, 2.6429, 2.66, 2.6561, 2.702, 2.4816, 2.5144, 2.7054, 2.7225, 2.667, 2.6976, 2.6131, 2.5205, 2.7091, NA, NA, 2.6766, 2.5982, NA, 2.7091, 2.8495, 2.6441, 2.7945, 2.6637, 2.7352, 2.7684, 2.7396, 2.7413, 2.8885, 2.6273, 2.7283, 2.8645, 2.5978, 2.6144, 2.6942, 2.7407, 2.7534, 2.8245, 2.4704, 2.9521, 2.642, 2.724, 2.7014, 2.8919, 2.575, 2.6281, 2.677, 2.7407, 2.973, 2.8089, 2.83, 2.6453, 2.7818, 2.7043, 2.8093, 2.4955, 2.6775, 2.9532, 2.1434, 2.6778, 2.8586, 2.8543, 2.6881, 2.7275, 2.7866, 2.8864, 2.7892, 2.6896, 2.8, 2.7107, 2.836, 2.7149, 2.8089, 2.9778, NA, 2.7841, 3.0114, 2.8524, 2.732, 2.8007, 2.7841, 2.8254, 2.7324, 2.5185, 2.98, NA, 2.813, 2.7309, 2.9303, 2.8687, NA, 2.8316, 2.8766, 2.7308, 2.7438, 2.6303, 2.6875, 2.6631, 2.7013, NA, 3.0026, 2.681, 2.9199, 2.7356, NA, 2.5868, 2.8237, 2.7014, 2.9015, 2.9353, 2.7509, 2.8947, 2.9439, NA, NA, 2.852, NA, NA, 2.7421, 2.8189, 2.8385, 2.7892, 3.0434, 2.6936, 2.966, 2.8017, 2.8051, 2.8421, 2.8422, 2.9182, 2.9074, 2.6816, NA, 2.6885, 2.7776, 2.6932, 2.8139, 2.7443, 2.8721, 2.7336, 2.6389, 2.6348, 2.5962, 2.6568, NA, NA, NA, NA)), .Names = c("ID", "TRAT", "SEMANA", "PESO"), row.names = c(NA, -2590L), class = c("nfnGroupedData", "nfGroupedData", "groupedData", "data.frame"), formula = PESO ~ SEMANA | ID, FUN = function (x) max(x, na.rm = TRUE), order.groups = TRUE) #------------------------------------------------------------- modelo1.list <- nlsList(PESO ~ a * exp(-b * exp( -c * SEMANA)),start = c(a = 4.10,b = 4.53,c = 0.37 ),na.action=na.omit,data =GALINHA) modelo.nlme.0<-nlme(modelo1.list) controle<-nlmeControl(maxIter=300,msMaxIter = 300,niterEM= 100) modelo.nlme.1.bc<-update(modelo.nlme.0,fixed=list(a~TRAT,b+c~1), correlation=corSymm(), weights=varIdent(form=~1|SEMANA), start=c(4.70,0,0,4.6,0.34), control=controle) #----------------------------------------------------------------------------------- panel.function <- function(x,y,subscript,...){ panel.xyplot(x,y,...) panel.lines(GALINHA$SEMANA[subscript],predict(modelo.gompertz.1.SYMM.IDENT,newdata = GALINHA[subscript,]),lwd = 4,col = "black") } xyplot(PESO~SEMANA |TRAT,groups = ID,type = "l", panel =panel.function,data = DADOS) ========================================= -- ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================

2 1

sparsematrix
by Edimeire Alexandra Pinto 14 Set '17

14 Set '17

Bom dia. Gente, alguem sabe como transformar objetos do tipo sparseMatrix em matrizes porem com zeros onde tem pontos, veja exemplo abaixo. Obs: tem de ser como classe matriz, ou seja, class(A) tem de retornar matriz. i <- c(1,3:8); j <- c(2,9,6:10); x <- 7 * (1:7)(A <- sparseMatrix(i, j, x = x))

3 2

Modelo Misto - Matrix variancia covariancia
by Fernando Souza 13 Set '17

13 Set '17

[image: Imagem inline 1] Caros amigos, Como posso obter uma tabela semelhante. Estou analizando um modelo não linear misto (Gompertz) da forma Peso~SEMANA GALINHA<-structure(list(ID = structure(c(128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L, 128L, 48L, 109L, 52L, 42L, 16L, 210L, 37L, 281L, 96L, 255L, 1L, 189L, 323L, 77L, 184L, 66L, 293L, 268L, 205L, 41L, 43L, 2L, 34L, 85L, 193L, 63L, 55L, 131L, 54L, 67L, 178L, 103L, 93L, 56L, 79L, 133L, 80L, 264L, 161L, 114L, 288L, 28L, 113L, 88L, 97L, 160L, 68L, 58L, 246L, 25L, 141L, 94L, 150L, 284L, 60L, 278L, 26L, 29L, 72L, 61L, 49L, 40L, 287L, 98L, 75L, 136L, 45L, 144L, 5L, 11L, 124L, 233L, 273L, 3L, 125L, 152L, 137L, 71L, 46L, 27L, 107L, 59L, 92L, 44L, 51L, 157L, 89L, 134L, 126L, 84L, 82L, 145L, 53L, 111L, 214L, 153L, 74L, 99L, 257L, 306L, 105L, 108L, 116L, 277L, 143L, 230L, 64L, 171L, 122L, 91L, 282L, 135L, 203L, 30L, 147L, 156L, 155L, 35L, 76L, 23L, 185L, 262L, 247L, 123L, 227L, 258L, 238L, 223L, 73L, 130L, 81L, 154L, 104L, 291L, 216L, 112L, 333L, 165L, 212L, 308L, 201L, 313L, 324L, 148L, 321L, 170L, 211L, 102L, 198L, 286L, 229L, 249L, 167L, 159L, 191L, 283L, 320L, 305L, 317L, 355L, 330L, 182L, 221L, 231L, 241L, 166L, 234L, 142L, 199L, 217L, 117L, 121L, 132L, 174L, 266L, 215L, 325L, 65L, 301L, 106L, 179L, 50L, 33L, 115L, 8L, 304L, 345L, 363L, 169L, 36L, 292L, 110L, 47L, 192L, 95L, 101L, 69L, 202L, 146L, 200L, 173L, 100L, 39L, 302L, 336L, 290L, 332L, 86L, 127L, 197L, 310L, 242L, 118L, 90L, 120L, 13L, 285L, 183L, 188L, 158L, 252L, 164L, 177L, 190L, 186L, 237L, 62L, 78L, 240L, 250L, 196L, 228L, 149L, 87L, 243L, 24L, 14L, 204L, 140L, 15L, 244L, 339L, 180L, 303L, 195L, 265L, 289L, 269L, 272L, 350L, 162L, 254L, 344L, 139L, 151L, 226L, 270L, 280L, 327L, 57L, 361L, 176L, 251L, 235L, 351L, 119L, 163L, 206L, 271L, 365L, 314L, 329L, 181L, 295L, 239L, 316L, 70L, 207L, 362L, 10L, 208L, 343L, 342L, 219L, 253L, 298L, 349L, 299L, 222L, 307L, 245L, 334L, 248L, 315L, 366L, 17L, 296L, 369L, 341L, 260L, 309L, 297L, 328L, 261L, 83L, 367L, 38L, 318L, 259L, 358L, 346L, 20L, 331L, 348L, 256L, 275L, 168L, 218L, 194L, 232L, 22L, 368L, 209L, 357L, 267L, 19L, 129L, 326L, 236L, 353L, 359L, 279L, 352L, 360L, 6L, 9L, 340L, 31L, 18L, 274L, 322L, 335L, 300L, 370L, 225L, 364L, 311L, 312L, 337L, 338L, 356L, 354L, 213L, 21L, 220L, 294L, 224L, 319L, 276L, 347L, 263L, 175L, 172L, 138L, 187L, 7L, 4L, 32L, 12L), .Label = c("12", "23", "75", "368", "70", "336", "367", "186", "337", "281", "71", "370", "217", "238", "241", "6", "297", "340", "327", "313", "355", "322", "121", "237", "51", "58", "81", "43", "59", "115", "339", "369", "184", "24", "119", "191", "8", "308", "204", "63", "21", "5", "22", "85", "68", "80", "194", "2", "62", "183", "86", "4", "94", "30", "28", "35", "261", "49", "83", "56", "61", "228", "27", "108", "179", "17", "31", "48", "198", "278", "79", "60", "130", "98", "66", "120", "15", "229", "36", "38", "132", "92", "306", "91", "25", "209", "235", "45", "88", "215", "111", "84", "34", "53", "196", "10", "46", "65", "99", "203", "197", "149", "33", "134", "102", "181", "82", "103", "3", "193", "95", "137", "44", "41", "185", "104", "172", "214", "267", "216", "173", "110", "125", "72", "76", "90", "210", "1", "328", "131", "29", "174", "37", "89", "113", "67", "78", "365", "255", "240", "52", "169", "106", "69", "93", "200", "116", "145", "234", "54", "256", "77", "97", "133", "118", "117", "87", "221", "155", "47", "40", "252", "268", "223", "139", "167", "154", "318", "190", "147", "109", "364", "202", "175", "363", "263", "224", "32", "182", "244", "274", "163", "219", "16", "122", "226", "366", "220", "13", "225", "156", "195", "26", "320", "246", "232", "211", "150", "170", "201", "142", "199", "114", "239", "20", "269", "279", "282", "324", "7", "148", "140", "354", "96", "177", "136", "171", "319", "285", "356", "164", "290", "129", "358", "346", "257", "126", "233", "152", "107", "165", "321", "73", "168", "265", "330", "227", "128", "276", "230", "166", "213", "236", "242", "292", "50", "124", "294", "153", "231", "264", "222", "286", "253", "11", "316", "100", "127", "310", "301", "305", "123", "362", "39", "247", "176", "326", "19", "249", "258", "270", "250", "74", "341", "317", "360", "105", "57", "333", "259", "9", "112", "157", "55", "218", "151", "64", "42", "248", "207", "135", "192", "18", "357", "275", "298", "303", "287", "289", "344", "180", "205", "245", "187", "159", "101", "291", "141", "302", "212", "348", "349", "143", "272", "295", "277", "160", "309", "359", "158", "146", "342", "14", "144", "178", "329", "260", "304", "273", "162", "314", "208", "138", "293", "343", "206", "350", "351", "243", "338", "300", "284", "283", "254", "188", "312", "361", "315", "288", "251", "266", "334", "331", "353", "161", "352", "325", "311", "332", "335", "262", "280", "189", "347", "271", "296", "307", "323", "299", "345"), class = c("ordered", "factor")), TRAT = structure(c(3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("DSM", "NUT", "POL"), class = "factor"), SEMANA = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6), PESO = c(0.0395, 0.0431, 0.046, 0.043, 0.043, 0.0436, 0.042, 0.0405, 0.0417, 0.045, 0.043, 0.0416, 0.041, 0.042, 0.0445, 0.044, 0.047, 0.043, 0.049, 0.0435, 0.044, 0.0421, 0.0444, 0.041, 0.042, 0.0415, 0.0411, 0.0422, 0.042, 0.042, 0.045, 0.045, 0.0416, 0.044, 0.044, 0.041, 0.04, 0.039, 0.0408, 0.037, 0.044, 0.042, 0.041, 0.04, 0.0435, 0.039, 0.0404, 0.0466, 0.0461, 0.0435, 0.043, 0.043, 0.041, 0.0432, 0.0393, 0.0415, 0.041, 0.041, 0.042, 0.0404, 0.0385, 0.0435, 0.034, 0.0409, 0.044, 0.045, 0.045, 0.046, 0.045, 0.0396, 0.0406, 0.039, 0.038, 0.039, 0.045, 0.042, 0.042, 0.0413, 0.043, 0.042, 0.0385, 0.0415, 0.0391, 0.048, 0.043, 0.039, 0.048, 0.0388, 0.039, 0.043, 0.0436, 0.043, 0.0435, 0.0395, 0.0424, 0.0414, 0.0422, 0.0394, 0.0405, 0.041, 0.0373, 0.0466, 0.045, 0.0431, 0.0435, 0.047, 0.044, 0.042, 0.041, 0.0409, 0.042, 0.042, 0.043, 0.0375, 0.043, 0.038, 0.0402, 0.0375, 0.043, 0.044, 0.043, 0.0415, 0.0445, 0.044, 0.0445, 0.0413, 0.041, 0.043, 0.032, 0.044, 0.0392, 0.043, 0.0437, 0.034, 0.038, 0.0386, 0.037, 0.044, 0.046, 0.0445, 0.0425, 0.045, 0.0388, 0.0387, 0.039, 0.0386, 0.0421, 0.0405, 0.0412, 0.042, 0.0471, 0.042, 0.047, 0.039, 0.039, 0.043, 0.041, 0.044, 0.044, 0.042, 0.042, 0.042, 0.0422, 0.047, 0.047, 0.0415, 0.045, 0.045, 0.044, 0.0426, 0.0405, 0.044, 0.0446, 0.04, 0.0445, 0.0395, 0.0444, 0.046, 0.0465, 0.0415, 0.042, 0.042, 0.0481, 0.047, 0.042, 0.041, 0.041, 0.04, 0.0451, 0.043, 0.0415, 0.0432, 0.0414, 0.0445, 0.0427, 0.041, 0.04, 0.047, 0.043, 0.043, 0.0404, 0.0394, 0.043, 0.043, 0.04, 0.042, 0.0424, 0.042, 0.046, 0.042, 0.04, 0.0404, 0.0417, 0.0404, 0.0442, 0.041, 0.0405, 0.0426, 0.0433, 0.044, 0.0465, 0.0405, 0.0451, 0.0446, 0.043, 0.04, 0.041, 0.0454, 0.0449, 0.0433, 0.043, 0.0424, 0.0439, 0.044, 0.0452, 0.04, 0.04, 0.0416, 0.0405, 0.04, 0.044, 0.043, 0.045, 0.043, 0.043, 0.0424, 0.041, 0.0464, 0.0447, 0.0426, 0.0426, 0.042, 0.0421, 0.045, 0.0379, 0.044, 0.042, 0.042, 0.042, 0.0433, 0.034, 0.037, 0.037, 0.0445, 0.042, 0.042, 0.044, 0.045, 0.042, 0.0416, 0.0436, 0.0405, 0.0426, 0.044, 0.044, 0.0404, 0.039, 0.0435, 0.0469, 0.0435, 0.045, 0.043, 0.043, 0.038, 0.0438, 0.0433, 0.0404, 0.0435, 0.043, 0.043, 0.038, 0.041, 0.042, 0.04, 0.037, 0.038, 0.0417, 0.043, 0.047, 0.0449, 0.043, 0.04, 0.04, 0.04, 0.0421, 0.0442, 0.043, 0.041, 0.041, 0.0414, 0.0435, 0.045, 0.044, 0.044, 0.0425, 0.0465, 0.043, 0.0446, 0.045, 0.043, 0.046, 0.0423, 0.045, 0.047, 0.0464, 0.0444, 0.0446, 0.044, 0.0438, 0.044, 0.0484, 0.043, 0.0434, 0.0395, 0.0445, 0.037, 0.0395, 0.039, 0.039, 0.043, 0.0409, 0.0441, 0.0452, 0.044, 0.044, 0.0458, 0.043, 0.044, 0.04, 0.0408, 0.044, 0.044, 0.041, 0.0439, 0.045, 0.0416, 0.0447, 0.0443, 0.044, 0.042, 0.0447, 0.043, 0.044, 0.0408, 0.044, 0.044, 0.046, 0.0435, 0.047, 0.0417, 0.177, 0.1757, 0.189, 0.185, 0.1836, 0.1969, 0.1746, 0.1561, 0.1757, 0.176, 0.1957, 0.1555, 0.1684, 0.171, 0.1771, 0.1929, 0.1927, 0.185, 0.1935, 0.1883, 0.1837, 0.1763, 0.1669, 0.172, 0.172, 0.1699, 0.1722, 0.1868, 0.1836, 0.137, 0.1565, 0.1765, 0.1655, 0.18, 0.1682, 0.17, 0.1897, 0.1746, 0.1869, 0.17, 0.195, 0.207, 0.1388, 0.1815, 0.1868, 0.154, 0.1514, 0.1862, 0.178, 0.182, 0.166, 0.181, 0.146, 0.1704, 0.1541, 0.1749, 0.1976, 0.1671, 0.1706, 0.1708, 0.1597, 0.1731, 0.1465, 0.1764, 0.1647, 0.1647, 0.2056, 0.1812, 0.1746, 0.1651, 0.1705, 0.18, 0.163, 0.18, 0.183, 0.163, 0.1859, 0.1697, 0.1895, 0.1737, 0.1577, 0.1716, 0.1605, 0.1879, 0.1814, 0.1578, 0.1684, 0.157, 0.1619, 0.1793, 0.1828, 0.1705, 0.184, 0.1516, 0.1754, 0.1818, 0.1984, 0.1711, 0.1765, 0.2006, 0.1728, 0.1843, 0.178, 0.1707, 0.1761, 0.175, 0.1882, 0.1915, 0.1719, 0.1618, 0.165, 0.153, 0.167, 0.184, 0.165, 0.17, 0.1745, 0.1825, 0.1461, 0.2103, 0.1687, 0.17, 0.183, 0.18, 0.1683, 0.1898, 0.1731, 0.1827, 0.1693, 0.1859, 0.1723, 0.2012, 0.1988, 0.1447, 0.1898, 0.1522, 0.1659, 0.178, 0.18, 0.1824, 0.1778, 0.1824, 0.1854, 0.181, 0.1684, 0.1825, 0.1898, 0.186, 0.1813, 0.1852, 0.189, 0.1812, 0.1847, 0.167, 0.1523, 0.1881, 0.1753, 0.2212, 0.204, 0.205, 0.203, 0.203, 0.1786, 0.1906, 0.1907, 0.1894, 0.186, 0.18, 0.197, 0.1349, 0.1805, 0.1968, 0.1885, 0.1794, 0.1953, 0.1835, 0.2037, 0.21, 0.1988, 0.1806, 0.1847, 0.1941, 0.1857, 0.182, 0.1814, 0.178, 0.19, 0.179, 0.1911, 0.1925, 0.1763, 0.1927, 0.207, 0.183, 0.1831, 0.188, 0.1753, 0.2071, 0.1976, 0.1941, 0.1688, 0.1778, 0.1941, 0.1653, 0.19, 0.194, 0.1889, 0.1835, 0.186, 0.1812, 0.1779, 0.1744, 0.1843, 0.1808, 0.1828, 0.1701, 0.193, 0.1987, 0.1915, 0.192, 0.1966, 0.1907, 0.1963, 0.1907, 0.1855, 0.1682, 0.165, 0.1871, 0.1908, 0.183, 0.182, 0.1809, 0.1806, 0.1765, 0.1814, 0.1913, 0.1877, 0.1902, 0.1867, 0.1755, 0.196, 0.1882, 0.1984, 0.1874, 0.1835, 0.1774, 0.181, 0.188, 0.19, 0.176, 0.1825, 0.1844, 0.1873, 0.1843, 0.1694, 0.1871, 0.1706, 0.1729, 0.1794, 0.1836, 0.1459, 0.1565, 0.1565, 0.178, 0.176, 0.17, 0.1682, 0.179, 0.173, 0.1812, 0.1915, 0.172, 0.195, 0.2, 0.19, 0.1972, 0.17, 0.1772, 0.2012, 0.1857, 0.1959, 0.1834, 0.197, 0.1647, 0.1796, 0.1798, 0.1818, 0.1986, 0.2089, 0.142, 0.1882, 0.2059, 0.1882, 0.1871, 0.1706, 0.182, 0.2036, 0.196, 0.21, 0.2142, 0.1871, 0.1781, 0.1835, 0.174, 0.1831, 0.17, 0.174, 0.198, 0.186, 0.1808, 0.1983, 0.192, 0.1894, 0.1859, 0.184, 0.1847, 0.1694, 0.1734, 0.184, 0.1847, 0.1682, 0.1843, 0.1848, 0.181, 0.1915, 0.1823, 0.1796, 0.1953, 0.2031, 0.1824, 0.1882, 0.18, 0.1837, 0.1747, 0.1928, 0.1765, 0.1714, 0.1666, 0.1724, 0.1918, 0.1894, 0.1864, 0.1936, 0.1813, 0.199, 0.1896, 0.1812, 0.186, 0.1714, 0.167, 0.1824, 0.194, 0.185, 0.189, 0.2, 0.1997, 0.186, 0.1961, 0.1827, 0.1806, 0.1825, 0.18, 0.1789, 0.173, 0.1616, 0.1776, 0.191, 0.1788, 0.1976, 0.1767, 0.4056, 0.4401, 0.4615, 0.44, 0.4698, 0.4991, 0.441, 0.3404, 0.4144, 0.3682, 0.5132, 0.4332, 0.4246, 0.4535, 0.4288, 0.4961, 0.4296, 0.4883, 0.4836, 0.4675, 0.4524, 0.4419, 0.4568, 0.451, 0.473, 0.4515, 0.4702, 0.4663, 0.4743, 0.3246, 0.3918, 0.4387, 0.3816, 0.4083, 0.4273, 0.444, 0.4702, 0.441, 0.4843, 0.414, 0.4659, 0.5444, 0.31, 0.4602, 0.428, 0.4058, 0.4367, 0.4797, 0.4287, 0.4827, 0.332, 0.45, 0.334, 0.3776, 0.3914, 0.3915, 0.477, 0.348, 0.3536, 0.4312, 0.4031, 0.4253, 0.3677, 0.4695, 0.3738, 0.4018, 0.5217, 0.44, 0.4714, 0.3999, 0.4478, 0.4517, 0.404, 0.424, 0.3885, 0.4125, 0.5118, 0.3975, 0.4465, 0.4021, 0.3555, 0.3804, 0.3547, 0.4518, 0.391, 0.3592, 0.4066, 0.3966, 0.3888, 0.4716, 0.419, 0.4565, 0.4658, 0.403, 0.4524, 0.509, 0.516, 0.434, 0.433, 0.5141, 0.4718, 0.46, 0.491, 0.4407, 0.4504, 0.437, 0.4587, 0.4484, 0.4457, 0.4063, 0.461, 0.395, 0.391, 0.4757, 0.394, 0.4572, 0.4405, 0.4794, 0.3574, 0.5332, 0.3565, 0.465, 0.4525, 0.473, 0.4234, 0.5006, 0.4651, 0.4479, 0.431, 0.4939, 0.4354, 0.4916, 0.499, 0.4018, 0.4931, 0.4217, 0.4523, 0.4505, 0.44, 0.4748, 0.5106, 0.4714, 0.4307, 0.4692, 0.42, 0.5005, 0.4712, 0.4823, 0.4393, 0.4855, 0.4759, 0.4692, 0.4613, 0.4336, 0.4354, 0.4852, 0.4164, 0.5534, 0.5085, 0.5197, 0.5264, 0.5085, 0.4542, 0.4702, 0.47, 0.4701, 0.4565, 0.4972, 0.456, 0.3752, 0.449, 0.4517, 0.4309, 0.4299, 0.4839, 0.5006, 0.4957, 0.5399, 0.4951, 0.4752, 0.483, 0.496, 0.42, 0.445, 0.4378, 0.44, 0.534, 0.483, 0.5379, 0.5157, 0.4049, 0.534, 0.5041, 0.3965, 0.4214, 0.4895, 0.3962, 0.4961, 0.4786, 0.5021, 0.4374, 0.4956, 0.4731, 0.3408, 0.537, 0.4961, 0.4773, 0.5309, 0.4827, 0.416, 0.47, 0.4505, 0.4698, 0.46, 0.4632, 0.4726, 0.467, 0.5012, 0.4719, 0.445, 0.4853, 0.4754, 0.5109, 0.469, 0.4735, 0.416, 0.408, 0.4676, 0.4745, 0.4644, 0.4546, 0.5077, 0.4571, 0.4419, 0.425, 0.4886, 0.4662, 0.4973, 0.4842, 0.447, 0.522, 0.4971, 0.5032, 0.4757, 0.461, 0.467, 0.458, 0.5102, 0.4778, 0.4804, 0.5032, 0.4724, 0.4802, 0.5519, 0.4094, 0.4445, 0.449, 0.4647, 0.4809, 0.4684, 0.3682, 0.4456, 0.3842, 0.48, 0.4378, 0.4489, 0.4164, 0.461, 0.4201, 0.5157, 0.4727, 0.4375, 0.5038, 0.515, 0.499, 0.4936, 0.42, 0.4748, 0.5001, 0.4787, 0.4331, 0.4426, 0.482, 0.431, 0.4612, 0.4678, 0.4659, 0.48, 0.5247, 0.3512, 0.4568, 0.4905, 0.4669, 0.4714, 0.452, 0.4653, 0.4992, 0.492, 0.489, 0.5304, 0.501, 0.4964, 0.4658, 0.4897, 0.4783, 0.3947, 0.481, 0.501, 0.471, 0.4449, 0.4865, 0.4872, 0.4961, 0.4624, 0.4775, 0.4414, 0.44, 0.4343, 0.449, 0.4601, 0.44, 0.4997, 0.4974, 0.486, 0.509, 0.4702, 0.4749, 0.4434, 0.5167, 0.4438, 0.4847, 0.4539, 0.4285, 0.4773, 0.4846, 0.4197, 0.458, 0.453, 0.438, 0.4939, 0.4839, 0.4589, 0.473, 0.4731, 0.506, 0.4954, 0.4714, 0.4536, 0.4439, 0.4431, 0.4818, 0.496, 0.5108, 0.4134, 0.5051, 0.5247, 0.4821, 0.4583, 0.475, 0.4485, 0.4692, 0.4501, 0.4639, 0.44, 0.4004, 0.4501, 0.4843, 0.4606, 0.5253, 0.4429, 0.8378, 0.8471, 0.8886, 0.81, 0.9366, 0.9909, 0.8597, 0.6937, 0.8395, 0.832, 1.009, 0.8833, 0.7511, 0.8965, 0.8922, 0.96, 0.7807, 1.002, 0.963, 0.962, 0.8641, 0.8847, 0.8782, 0.81, 0.902, 0.7963, 0.8896, 0.8852, 0.9848, 0.737, 0.8543, 0.9315, 0.8005, 0.8761, 0.9185, 0.85, 0.9096, 0.815, 0.9353, 0.913, 0.8832, 1.0239, 0.634, 0.8885, 0.734, 0.8875, 0.8878, 0.9387, 0.8309, 0.9772, 0.718, 0.8574, 0.727, 0.843, 0.8819, 0.8765, 0.9533, 0.6587, 0.6609, 0.8953, 0.8873, 0.7675, 0.7517, 0.9561, 0.8424, 0.7728, 1.0431, 0.805, 0.9166, 0.8258, 0.9308, 0.8518, 0.8546, 0.8185, 0.7579, 0.8505, 0.9554, 0.8116, 0.8611, 0.7879, 0.775, 0.771, 0.7706, 0.8675, 0.7561, 0.7585, 0.8196, 0.7993, 0.842, 0.9372, 0.8446, 0.9328, 0.9495, 0.7644, 0.9246, 0.9592, 0.9594, 0.842, 0.9085, 0.986, 0.9085, 0.8866, 0.7695, 0.9027, 0.9104, 0.9304, 0.8761, 0.8988, 0.9277, 0.8332, 0.861, 0.776, 0.844, 0.97, 0.8026, 0.895, 0.8928, 0.918, 0.7535, 0.9975, 0.7307, 0.9997, 0.9169, 0.9444, 0.8713, 0.9523, 0.8918, 0.9314, 0.9233, 0.9, 0.8646, 0.9181, 0.9478, 0.7761, 1.0358, 0.8917, 0.8, 0.888, 0.8283, 0.9174, 0.9131, 0.927, 0.8629, 0.9495, 0.7656, 1.0016, 0.9123, 0.915, 0.8805, 0.9568, 0.9769, 0.9674, 0.9783, 0.901, 0.8097, 0.9665, 0.7767, 1.0761, 0.998, 0.988, 1.004, 0.987, 0.9206, 0.945, 0.91, 0.9553, 0.961, 0.975, 0.95, 0.8542, 0.9019, 0.9331, 0.8521, 0.8897, 0.9847, 1.0218, 0.9577, 1.0783, 0.9665, 0.9721, 0.937, 0.91, 0.8823, 0.86, 0.8604, 0.838, 1, 1, 1.0924, 0.991, 0.816, 1.0692, 0.9754, 0.847, 0.8324, 0.9739, 0.8891, 0.9609, 0.9596, 1.013, 0.8791, 0.9591, 1.0097, 0.7858, 0.994, 0.9978, 1.0076, 1.0848, 0.9174, 0.8936, 0.9353, 0.94, 0.9573, 0.8629, 0.9516, 0.903, 0.93, 0.979, 0.9293, 0.812, 0.9387, 0.9252, 0.9476, 0.9151, 0.9239, 0.8873, 0.889, 0.9308, 0.9984, 0.8824, 0.936, 0.9941, 0.962, 0.8414, 0.854, 0.9367, 0.9601, 0.9998, 0.9538, 0.904, 1.016, 0.9036, 0.977, 0.9141, 0.8887, 0.9664, 0.9467, 1.0024, 0.9383, 1.0171, 0.9536, 0.9195, 0.9381, 0.9906, 0.8393, 0.8997, 0.95, 0.9793, 1.0044, 1.0127, 0.7932, 0.9554, 0.7272, 0.9685, 0.8804, 0.9098, 0.865, 0.896, 0.8813, 0.985, 0.9001, 0.8505, 0.973, 1.0228, 1.0326, 0.9605, 0.9089, 0.969, 0.9468, 0.9253, 0.8846, 0.9015, 0.9577, 0.8712, 0.9422, 0.8845, 0.8767, 0.9465, 1.0106, 0.7609, 0.8837, 0.963, 0.8652, 0.9033, 0.958, 0.9544, 0.9772, 1.007, 0.991, 1.0612, 0.967, 0.9619, 0.8641, 0.976, 0.897, 0.8328, 0.98, 1.024, 0.95, 0.9373, 0.9992, 1.0294, 1.0174, 1, 0.9663, 0.9136, 0.875, 0.8647, 0.8879, 0.925, 0.9098, 1.0355, 1.0423, 0.974, 1.0475, 0.9684, 0.9961, 0.8761, 1.043, 0.906, 1.0113, 0.9554, 0.8868, 0.9672, 0.9689, 0.7913, 0.9557, 0.95, 0.9241, 0.977, 0.9954, 0.9414, 0.9768, 0.9361, 1.012, 0.9797, 0.935, 0.9789, 0.9177, 0.9212, 0.9467, 1.0138, 0.996, 0.844, 0.9182, 0.988, 0.9479, 0.9296, 1.0091, 0.9145, 0.9084, 0.9838, 0.931, 0.8625, 0.8116, 0.975, 0.965, 0.8768, 0.996, 0.8978, 1.3968, 1.3513, 1.3796, 1.37, 1.511, 1.5374, 1.3402, 1.2161, 1.45, 1.3467, 1.6014, 1.4685, 1.4193, 1.5277, 1.404, 1.5426, 1.3524, 1.619, 1.5212, 1.4904, 1.3892, 1.3864, 1.4216, 1.298, 1.353, 1.3753, 1.4451, 1.411, 1.5489, 1.384, 1.4021, 1.3734, 1.3706, 1.2957, 1.3287, 1.3739, 1.4868, 1.3398, 1.4879, 1.376, 1.4362, 1.6883, 1.169, 1.438, 1.1338, 1.4425, 1.461, 1.4077, 1.4075, 1.5675, 1.2991, 1.361, 1.2582, 1.3556, 1.4687, 1.3709, 1.479, 1.2, 1.171, 1.4051, 1.3693, 1.3885, 1.3117, 1.4925, 1.382, 1.307, 1.5479, 1.3287, 1.463, 1.3607, 1.4868, 1.4895, 1.471, 1.478, 1.322, 1.3986, 1.5283, 1.3912, 1.3905, 1.2882, 1.2838, 1.3064, 1.2657, 1.4752, 1.33, 1.2807, 1.3757, 1.3521, 1.3615, 1.4647, 1.3665, 1.3926, 1.5306, 1.3466, 1.4485, 1.5256, 1.4598, 1.392, 1.4577, 1.569, 1.5389, 1.4609, 1.366, 1.4558, 1.4793, 1.483, 1.4778, 1.3583, 1.4369, 1.3851, 1.3002, 1.343, 1.396, 1.6054, 1.2581, 1.4681, 1.4902, 1.516, 1.2972, 1.5183, 1.1763, 1.5713, 1.5658, 1.5176, 1.3958, 1.5345, 1.4831, 1.5042, 1.475, 1.4894, 1.3109, 1.4947, 1.4008, 1.3924, 1.6255, 1.4301, 1.3511, 1.547, 1.417, 1.4545, 1.427, 1.575, 1.4619, 1.5714, 1.395, 1.6044, 1.5129, 1.4793, 1.4363, 1.5361, 1.5828, 1.4649, 1.5128, 1.4554, 1.4241, 1.5933, 1.487, 1.6123, 1.515, 1.661, 1.614, 1.604, 1.5179, 1.5463, 1.5053, 1.5174, 1.563, 1.5646, 1.529, 1.4507, 1.521, 1.3927, 1.4156, 1.4218, 1.4786, 1.4873, 1.528, 1.5404, 1.6069, 1.529, 1.524, 1.532, 1.3764, 1.365, 1.417, 1.42, 1.5018, 1.5171, 1.6861, 1.4826, 1.3477, 1.5042, 1.497, 1.3495, 1.5278, 1.5128, 1.4574, 1.5181, 1.5579, 1.55, 1.5066, 1.5624, 1.5097, 1.2975, 1.574, 1.6447, 1.5551, 1.6489, 1.575, 1.3699, 1.4815, 1.5128, 1.52, 1.4599, 1.5155, 1.5009, 1.525, 1.5682, 1.5374, 1.4216, 1.4754, 1.4921, 1.6045, 1.5672, 1.5415, 1.4147, 1.5007, 1.3903, 1.4811, 1.4684, 1.583, 1.5141, 1.5613, 1.4138, 1.3942, 1.5426, 1.5353, 1.5059, 1.5185, 1.4718, 1.557, 1.5503, 1.5809, 1.4571, 1.3876, 1.4999, 1.567, 1.6213, 1.4722, 1.6299, 1.5003, 1.5016, 1.3979, 1.5145, 1.368, 1.511, 1.419, 1.499, 1.4829, 1.5283, 1.3489, 1.5275, 1.2543, 1.5618, 1.4681, 1.475, 1.3351, 1.382, 1.5259, 1.5143, 1.5396, 1.4435, 1.6217, 1.5953, 1.45, 1.6084, 1.516, 1.4597, 1.3616, 1.595, 1.4594, 1.5034, 1.5266, 1.5228, 1.512, 1.5051, 1.4695, 1.5701, 1.6411, 1.3285, 1.4851, 1.483, 1.5085, 1.4766, 1.6053, 1.5442, 1.5624, 1.481, 1.56, 1.6188, 1.6365, 1.4982, 1.3872, 1.5787, 1.5001, 1.4118, 1.5, 1.664, 1.538, 1.5796, 1.6087, 1.6537, 1.5894, 1.5787, 1.5931, 1.5452, 1.4897, 1.4553, 1.5442, 1.5851, 1.5819, 1.5899, 1.6965, 1.6103, 1.6574, 1.5121, 1.5663, 1.474, 1.6411, 1.545, 1.68, 1.616, 1.5187, 1.5035, 1.5558, 1.453, 1.5854, 1.607, 1.6486, 1.6085, 1.5506, 1.5697, 1.5791, 1.5083, 1.6237, 1.5324, 1.6, 1.5703, 1.5518, 1.4557, 1.5142, 1.6592, 1.5913, 1.3739, 1.5366, 1.5575, 1.5205, 1.4785, 1.6111, 1.5861, 1.4798, 1.4806, 1.4898, 1.4108, 1.3855, 1.5362, 1.5827, 1.4556, 1.612, 1.4867, 2, 1.9875, 2.0456, 1.842, 2.1236, 2.1727, 2.0817, 1.7932, 2.101, 2.0199, 2.2014, 1.9665, 2.0714, 2.1465, 2.0089, 2.1927, 1.9458, 2.202, 2.2086, 2.0236, 1.9341, 1.9841, 1.9989, 1.9223, 1.9379, 2.0421, 2.0058, 1.9416, 2.137, 1.882, 1.898, 1.963, 1.9807, 1.834, 1.898, 2.0066, 2.1234, 1.915, 2.1505, 1.977, 2.0534, 2.228, 1.6904, 2.0385, 1.8062, 2.0204, 2.0615, 1.9617, 2.021, 2.165, 1.834, 2.049, 1.909, 2.0091, 2.1625, 2.0017, 2.242, 1.705, 1.8096, 1.9774, 1.9484, 1.9542, 1.9006, 2.1364, 1.9749, 1.9247, 2.1806, 1.8766, 2.0787, 2.0609, 2.1479, 2.072, 2.193, 2.141, 2, 2.0962, 2.2043, 2.0212, 2.0448, 1.7999, 1.7583, 1.9555, 1.9188, 2.1024, 1.9143, 1.9394, 2.0909, 1.9117, 1.9921, 2.0652, 1.9214, 1.9288, 2.1423, 1.9185, 2.061, 2.1143, 2.081, 1.9681, 2.0064, 2.1208, 2.1756, 2.0744, 2.0146, 2.0347, 2.0973, 2.1789, 2.0805, 2.016, 2.0443, 2.0145, 2.0485, 1.9404, 1.9174, 2.0835, 1.8177, 2.069, 2.0467, 2.1035, 1.9164, 2.132, 1.6446, 2.0955, 2.1768, 2.1103, 2.0296, 2.1719, 2.1433, 2.0995, 2.0743, 2.0314, 1.9498, 2.0753, 2.0269, 1.9466, 2.2078, 2.1043, 2.023, 2.1835, 2.1077, 2.0485, 2.0745, 2.107, 2.1725, 2.197, 2.073, 2.2474, 2.1259, 2.147, 2.0411, 2.179, 2.2463, 2.1625, 2.2131, 2.1112, 2.0768, 2.115, 2.1757, 2.1993, 2.215, 2.238, 2.302, 2.201, 2.0725, 2.1555, 2.1632, 2.1028, 2.109, 2.1559, 2, 2.0812, 2.0636, 1.9518, 2.0405, 1.9671, 2.0485, 2.1215, 2.1124, 2.3113, 2.1994, 2.2434, 2.091, 2.116, 2.0227, 1.8781, 1.8379, 2.122, 2.2, 2.167, 2.3945, 2.0258, 1.8949, 2.1335, 2.0854, 1.9336, 2.134, 2.0199, 2.0615, 2.0121, 2.2198, 2.1395, 2.2243, 2.1077, 2.1057, 1.7483, 2.18, 2.2803, 2.2239, 2.391, 2.0472, 2.0262, 2.1252, 2.1381, 2.1761, 2.0419, 2.0137, 2.118, 2.1554, 2.138, 2.1339, 2.0934, 2.043, 2.1349, 2.1876, 2.1754, 2.14, 2.1462, 2.134, 1.9915, 2.1273, 2.0927, 2.2647, 2.2311, 2.1182, 2.015, 1.9269, 2.1666, 2.2637, 2.1654, 2.1667, 2.0613, 2.166, 2.176, 2.1652, 2.1003, 2.06, 2.0848, 2.2029, 2.2304, 2.0783, 2.2003, 2.2126, 2.0313, 2.1385, 2.2015, 2.0062, 1.9707, 2.0471, 2.0847, 2.0912, 2.1259, 2.0132, 2.2313, 1.932, 2.1384, 2.0722, 2.1778, 1.9665, 2.0136, 2.2123, 2.1932, 2.3374, 2.159, 2.2233, 2.1087, 2.179, 2.216, 2.1935, 1.9536, 2.0363, 2.1864, 2.1038, 2.1941, 2.245, 2.16, 2.1348, 2.1572, 2.1454, 2.1742, 2.2023, 2.0934, 2.1621, 2.0701, 2.16, 2.1475, 2.2273, 2.2448, 2.1836, 2.175, 2.3232, 2.2565, 2.284, 2.1939, 2.0941, 2.2709, 2.1029, 1.9158, 2.19, 2.379, 2.173, 2.2437, 2.2624, 2.2093, 2.2531, 2.25, 2.248, 2.2174, 2.1297, 2.0173, 2.1263, 2.208, 2.0977, 2.2609, 2.3667, 2.201, 2.2743, 2.1338, 2.2251, 2.102, 2.2577, 2.1854, 2.3493, 2.159, 2.168, 2.2375, 2.2589, 2.0628, 2.132, 2.1699, 2.3285, 2.192, 2.2133, 2.2179, 2.3002, 2.208, 2.2856, 2.0855, 2.25, 2.1735, 2.1595, 2.0881, 2.1715, 2.2986, 2.2804, 2.0636, 2.2535, 2.0939, 2.208, 2.1907, 2.2991, 2.217, 2.1691, 2.11, 2.0292, 2.011, 2.0168, 2.1483, 2.111, 2.0586, 2.3473, 2.1486, 2.5865, 2.4405, 2.5577, 2.456, 2.41, NA, 2.6811, 2.3779, 2.7572, 2.5393, 2.7288, NA, 2.6591, 2.8193, 2.5132, 2.654, 2.4863, 2.7741, 2.7377, 2.6767, 2.4071, 2.4123, NA, 2.356, 2.52, 2.6631, 2.4839, 2.4638, 2.59, 2.4628, 2.49, 2.643, 2.5499, 2.533, 2.466, 2.5145, 2.5911, 2.515, 2.7347, 2.626, 2.5641, 2.7665, 2.298, 2.563, 2.5209, 2.5408, 2.6245, 2.4907, 2.4728, 2.7138, 2.272, 2.6, 2.537, 2.6142, 2.7606, 2.4786, 2.7479, 2.2775, 2.3125, 2.4968, 2.4808, 2.4446, 2.4036, 2.7649, 2.543, 2.508, 2.594, 2.4322, 2.6081, NA, NA, 2.5826, 2.7014, 2.7417, NA, 2.584, 2.6155, 2.5948, 2.4967, 2.4392, 2.2845, 2.553, 2.4747, 2.5312, 2.4126, 2.4536, 2.6231, 2.5226, 2.5916, 2.585, 2.519, 2.5179, 2.6081, 2.4572, 2.5614, 2.6855, 2.6177, 2.5052, 2.5431, 2.7309, 2.7998, 2.5526, 2.554, 2.5689, 2.7456, 2.6054, 2.6992, 2.4852, 2.6347, 2.582, 2.5281, 2.76, 2.5921, 2.6748, 2.317, 2.6102, 2.6204, 2.6192, 2.3701, 2.5123, 2.2612, 2.6544, 2.7331, 2.7146, 2.5822, 2.6972, 2.7309, 2.7028, 2.6928, 2.5, 2.5893, 2.5169, 2.6186, 2.55, 2.7712, 2.6865, 2.562, 2.8347, 2.6291, 2.6815, 2.8005, 2.6727, 2.8052, 2.8221, 2.6114, 2.8143, 2.6318, 2.6814, 2.5498, 2.6703, 2.7644, 2.6983, 2.7169, 2.6292, 2.6242, 2.6612, 2.7603, 2.814, 2.7986, 2.811, 2.9153, 2.8306, 2.6517, 2.6886, 2.7007, 2.706, 2.6291, 2.7014, 2.6002, 2.6714, 2.6875, 2.5713, 2.5788, 2.5904, 2.6389, 2.7355, 2.6855, 2.8236, 2.486, 2.7896, 2.5527, 2.6436, 2.4531, 2.3533, 2.5682, NA, 2.795, 2.8655, 2.9534, 2.6312, 2.3748, 2.7729, 2.5586, 2.44, 2.6624, 2.5382, 2.5475, 2.4938, 2.6734, 2.6095, 2.6717, 2.6366, 2.5472, 2.3864, 2.7903, 2.841, 2.7699, 2.8326, 2.52, 2.5861, 2.669, 2.8013, 2.7076, 2.5727, 2.5239, 2.5757, NA, 2.7622, 2.6532, 2.6589, 2.6235, 2.7259, 2.6283, 2.6429, 2.66, 2.6561, 2.702, 2.4816, 2.5144, 2.7054, 2.7225, 2.667, 2.6976, 2.6131, 2.5205, 2.7091, NA, NA, 2.6766, 2.5982, NA, 2.7091, 2.8495, 2.6441, 2.7945, 2.6637, 2.7352, 2.7684, 2.7396, 2.7413, 2.8885, 2.6273, 2.7283, 2.8645, 2.5978, 2.6144, 2.6942, 2.7407, 2.7534, 2.8245, 2.4704, 2.9521, 2.642, 2.724, 2.7014, 2.8919, 2.575, 2.6281, 2.677, 2.7407, 2.973, 2.8089, 2.83, 2.6453, 2.7818, 2.7043, 2.8093, 2.4955, 2.6775, 2.9532, 2.1434, 2.6778, 2.8586, 2.8543, 2.6881, 2.7275, 2.7866, 2.8864, 2.7892, 2.6896, 2.8, 2.7107, 2.836, 2.7149, 2.8089, 2.9778, NA, 2.7841, 3.0114, 2.8524, 2.732, 2.8007, 2.7841, 2.8254, 2.7324, 2.5185, 2.98, NA, 2.813, 2.7309, 2.9303, 2.8687, NA, 2.8316, 2.8766, 2.7308, 2.7438, 2.6303, 2.6875, 2.6631, 2.7013, NA, 3.0026, 2.681, 2.9199, 2.7356, NA, 2.5868, 2.8237, 2.7014, 2.9015, 2.9353, 2.7509, 2.8947, 2.9439, NA, NA, 2.852, NA, NA, 2.7421, 2.8189, 2.8385, 2.7892, 3.0434, 2.6936, 2.966, 2.8017, 2.8051, 2.8421, 2.8422, 2.9182, 2.9074, 2.6816, NA, 2.6885, 2.7776, 2.6932, 2.8139, 2.7443, 2.8721, 2.7336, 2.6389, 2.6348, 2.5962, 2.6568, NA, NA, NA, NA)), .Names = c("ID", "TRAT", "SEMANA", "PESO"), row.names = c(NA, -2590L), class = c("nfnGroupedData", "nfGroupedData", "groupedData", "data.frame"), formula = PESO ~ SEMANA | ID, FUN = function (x) max(x, na.rm = TRUE), order.groups = TRUE) #------------------------------------------------------------- modelo1.list <- nlsList(PESO ~ a * exp(-b * exp( -c * SEMANA)),start = c(a = 4.10,b = 4.53,c = 0.37 ),na.action=na.omit,data =GALINHA) modelo.nlme.0<-nlme(modelo1.list) controle<-nlmeControl(maxIter=300,msMaxIter = 300,niterEM= 100) modelo.nlme.1<-update(modelo.nlme.0,fixed=list(a+b+c~TRAT),start=c(4.10,0,0,4.77,0,0,0.34,0,0),control=controle) ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================

2 1

máximo e mínimo de uma matriz de distancia.
by Rodrigo Lima 11 Set '17

11 Set '17

Prezados blogueiros Bom diaz Estou com uma dúvida básica no R e preciso da ajuda de vocês. Eu tenho uma matriz de distância genética entre centenas de indivíduos (parte dela abaixo) e quero identificar a combinação linha x coluna com máximo valor e a combinação linha x coluna com mínimo valor eliminando a diagonal, pois essa tem valor zero. Vamos imaginar que o mínimo é 5.075. Logo, quero saber esse valor e posição dele, por por exemplo. Os nomes da coluna e diagonal são de acesso de germoplasma. 4 5 5.075 1 2 3 4 5 1 0 86.441 63.108 120.692 21.903 2 86.441 0 7.663 39.936 39.71 3 63.108 7.663 0 30.014 32.262 4 120.692 39.936 30.014 0 97.077 5 86.463 5.358 5.075 40.632 41.155 6 58.086 22.672 5.571 20.989 43.635 7 160.623 84.723 99.275 59.463 121.871 8 149.096 78.921 107.048 104.64 94.213 Grato. Rodrigo. -- Prof. Rodrigo Oliveira de Lima Federal University of Viçosa Department of Plant Sciences Viçosa, MG, Brazil, 36570-900, Phone: +55(31)3899-2781/3247 Fax: +55(31)3899-2614 Email: rodrigoodelima(a)ufv.br CV: http://lattes.cnpq.br/2761299616351806

2 1

Modelo Misto - plot (augPred()) mensagem de erro
by Fernando Souza 09 Set '17

09 Set '17

Caros colegas ao rodar a função augPred {nlme} recebo a seguinte mensagem: "Error in tapply(as.character(object[[nm]]), groups, FUN[[dClass]]) : arguments must have same length" Meus dados possuem diferentes números de individuos por tratamento e há alguns NA's. Acredito que é por isso que nao funciona. Há uma forma de contornar essa questão #install.packages("tidyr") #install.packages("nlme") library(tidyr) #pacote para organizar seu banco de dados library(nlme) DADOS <- read.csv(" https://www.dropbox.com/s/b4cckybgrcg86me/galinhas.csv?raw=1",head = TRUE) colnames(DADOS) <- c("0","1","2","3","4","5","6","TRAT") DADOS <- DADOS %>% gather('0','1','2','3','4','5','6',key ="SEMANA",value = "PESO", -TRAT) ID <-rep(seq(1,370), times=7) DADOS<-cbind(ID,DADOS) GALINHA <- groupedData(PESO~SEMANA |ID,data = DADOS) #------------------------------------------------------------------------------------------------------- install.packages("nlme") library(nlme) modelo1.list <- nlsList(PESO ~ a * exp(-b * exp( -c * SEMANA)),start = c(a = 4.10,b = 4.53,c = 0.37 ),na.action=na.omit,data =GALINHA) modelo.nlme.0<-nlme(modelo1.list) plot(augPred(modelo.nlme.0)) o plot acima retorna a seguinte mensagem de erro, que é devido a função augPred " Error in tapply(as.character(object[[nm]]), groups, FUN[[dClass]]) : arguments must have same length" -- ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================

2 1

R com rpi3 server linux
by Leonardo Ferrão 07 Set '17

07 Set '17

Boa tarde listeiros, Estou executando a seguinte rotina para obter os parâmetros de weibull num dado intervalo de velocidades de vento.Fiz um servidor linux numa placa raspberry pi3 e estou usando MySQL, R, PHP e hospedando um site onde retorno os valores calculados. A questão é que demora demais para calcular, quase um minuto e meio.No computador é menos de 10s. Entendo que existe questões de memória e processamento.Hoje o intervalo de busca no banco de dados é fixo, futuramente vai ser variável, logo, a cada busca demorará 1:30 min para ter a resposta.A questão é, existe forma de agilizar esse cálculo? Pensei até em criar um server exclusivo para R, mas não encontrei muito material a respeito. library(DBI, quietly = TRUE)library(fitdistrplus, quietly = TRUE)library(RMySQL, quietly = TRUE) mydb = dbConnect(MySQL(), user=.........., password=......., dbname=......., host=...................)rs = dbSendQuery(mydb, "SELECT vento_12m FROM weibull_points WHERE vento_12m >=0 AND vento_12m < 15.75 ORDER BY datetime DESC")data = fetch(rs, n=-1) fw = fitdistr(as.numeric(data$vento_12m), densfun = "weibull", lower = 0)forma= fw$estimate[1]escala = fw$estimate[2] query <- paste0("INSERT INTO weibull_curva_12m (fator_forma_k, fator_escala_c) VALUES ('",fw$estimate[1],"','", fw$estimate[2],"')")grava = dbSendQuery(mydb, query)dev.off() --Leonardo de Oliveira FerrãoEletrotécnico - CREA/RS 198702Administrador - CRA/RS 049456 Engenheiro de Controle e AutomaçãoUniversidade Federal de Santa Maria - UFSM Skype: leonardo.ferraoCelular (55) 99715-0343Residencial (55) 3221-6743

3 2

Como ver o que uma função faz
by Pedro Emmanuel Alvarenga Americano do Brasil 03 Set '17

03 Set '17

Amigos de R, Gostaria de poder ver a sequencia de operações que uma função faz. Na maioria das funções, basta digitar o nome da função no console, por exemplo > trimws function (x, which = c("both", "left", "right")) { which <- match.arg(which) mysub <- function(re, x) sub(re, "", x, perl = TRUE) if (which == "left") return(mysub("^[ \t\r\n]+", x)) if (which == "right") return(mysub("[ \t\r\n]+$", x)) mysub("[ \t\r\n]+$", mysub("^[ \t\r\n]+", x)) } <bytecode: 0x0000000002fdbd78> <environment: namespace:base> No entanto, algumas funções não seguem essa regra e eu não sei como fazer. Por exemplo library(Hmisc) > Function function (object, ...) UseMethod("Function") <environment: namespace:Hmisc> Alguma dica pra conseguir enxergar as operações dessa função? Abraço forte, Pedro Brasil

6 8

Barplot com dois eixos
by Diogo Jerônimo 01 Set '17

01 Set '17

Prezados, bom dia!!! Estou fazendo um barplot, cujos dados estão estruturados no R em forma de matriz como no exemplo abaixo: dados=data.frame(y1=c(110,120,115,130,125),y2=c(102,105,104,103,107)) dadosest=as.matrix(dados) barplot(dadosest,ylim=c(0,150),beside=TRUE) Eu gostaria de criar um novo eixo (à direita), com os valores correspondentes a y1 e y2 plotados como "bolinhas", e se possível com uma reta unindo essas "bolinhas"... Alguém teria sugestão de como se fazer isso? Eu empreguei a função par(new=T), mas no meu teste, o novo gráfico ficou muito desproporcional. Se alguém souber e puder ajudar... agradecido desde já!!! Diogo JerônimoBacharel em Ciências Estatísticas - ENCE/IBGEMestre em Metrologia - PUC-Rio/PósMQICONRE: 8514 - SÉRIE ACel:(21)99680-8535Email: diogojose21@yahoo.com.brhttp://lattes.cnpq.br/8996149312896520

3 4

Re: [R-br] Digest R-br, volume 80, assunto 18
by Carolina Pena 30 Ago '17

30 Ago '17

Quando eu peço para compilar no R-Studio (knit) eu sempre seleciono "UTF8". Outra coisa que notei é que se eu comentar a linha: # kable_styling(latex_options = c("repeat_header")) o código funciona com o caption com acento. Porém ele não repete o cabeçalho da tabela na próxima página. Em 30 de agosto de 2017 12:00, <r-br-request(a)listas.c3sl.ufpr.br> escreveu: > Enviar submissões para a lista de discussão R-br para > r-br(a)listas.c3sl.ufpr.br > > Para se cadastrar ou descadastrar via WWW, visite o endereço > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou > corpo da mensagem para > r-br-request(a)listas.c3sl.ufpr.br > > Você poderá entrar em contato com a pessoa que gerencia a lista pelo > endereço > r-br-owner(a)listas.c3sl.ufpr.br > > Quando responder, por favor edite sua linha Assunto assim ela será > mais específica que "Re: Contents of R-br digest..." > > > Tópicos de Hoje: > > 1. R Markdown - uso de acento no caption do kable (Carolina Pena) > 2. Re: R Markdown - uso de acento no caption do kable > (Elias T. Krainski) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Wed, 30 Aug 2017 10:15:14 -0300 > From: Carolina Pena <carolinasend(a)gmail.com> > To: r-br(a)listas.c3sl.ufpr.br > Subject: [R-br] R Markdown - uso de acento no caption do kable > Message-ID: > <CANwSsyBguzrhi4HJHXEoSP4g9p_gnTF2yrTAwH7NQyZjgiyavw@mail. > gmail.com> > Content-Type: text/plain; charset="utf-8" > > Bom dia, > > Estou trabalhando com o R Markdown e preciso fazer uma tabela longa > parecida com o exemplo abaixo. > O problema é que aparentemente o caption = "Número de registros" está > gerando um erro. Ao retirar o acento, ou seja, escrever caption = "Numero > de registros" o código funciona. Porém não gostaria de retirar os acentos. > Alguém já teve esse tipo de problema? > > > ```{r, echo=FALSE, result = 'asis'} > library(kableExtra) > library(knitr) > options(knitr.table.format = "latex") > > long_dt <- rbind(mtcars, mtcars) > kable(long_dt, longtable = T, booktabs = T, caption = "Número de > registros") %>% > add_header_above(c(" ", "Group 1" = 5, "Group 2" = 6)) %>% > kable_styling(latex_options = c("repeat_header")) > > ``` > > No cabeçalho o R Markdown incluí os seguintes pacotes do Latex, mas o erro > se manteve. > > --- > output: > pdf_document: > keep_tex: true > fig_caption: true > latex_engine: pdflatex > header-includes: > - \usepackage[brazilian]{babel} # idioma > - \usepackage[utf8]{inputenc} # acento > -- > > Muito obrigada, > > Carolina Pena > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170830/b2a9153e/attachment-0001.html> > > ------------------------------ > > Message: 2 > Date: Wed, 30 Aug 2017 10:33:12 -0300 > From: "Elias T. Krainski" <eliaskrainski(a)yahoo.com.br> > To: r-br(a)listas.c3sl.ufpr.br > Subject: Re: [R-br] R Markdown - uso de acento no caption do kable > Message-ID: <308aa375-a3d5-9a75-9e5e-756a218b474f(a)yahoo.com.br> > Content-Type: text/plain; charset="utf-8"; Format="flowed" > > Quando vc coloca > > \usepackage[utf8]{inputenc} > > o que você colocar entre [] deve ser o mesmo que o locale do seu sistema. > > Elias > > > On 30/08/2017 10:15, Carolina Pena via R-br wrote: > > Bom dia, > > > > Estou trabalhando com o R Markdown e preciso fazer uma tabela longa > > parecida com o exemplo abaixo. > > O problema é que aparentemente o caption = "Número de registros" está > > gerando um erro. Ao retirar o acento, ou seja, escrever caption = > > "Numero de registros" o código funciona. Porém não gostaria de retirar > > os acentos. Alguém já teve esse tipo de problema? > > > > > > ```{r, echo=FALSE, result = 'asis'} > > library(kableExtra) > > library(knitr) > > options(knitr.table.format = "latex") > > > > long_dt <- rbind(mtcars, mtcars) > > kable(long_dt, longtable = T, booktabs = T, caption = "Número de > > registros") %>% > > add_header_above(c(" ", "Group 1" = 5, "Group 2" = 6)) %>% > > kable_styling(latex_options = c("repeat_header")) > > > > ``` > > > > No cabeçalho o R Markdown incluí os seguintes pacotes do Latex, mas o > > erro se manteve. > > > > --- > > output: > > pdf_document: > > keep_tex: true > > fig_caption: true > > latex_engine: pdflatex > > header-includes: > > - \usepackage[brazilian]{babel} # idioma > > - \usepackage[utf8]{inputenc} # acento > > -- > > > > Muito obrigada, > > > > Carolina Pena > > > > > > _______________________________________________ > > R-br mailing list > > R-br(a)listas.c3sl.ufpr.br > > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a > c�digo m�nimo reproduz�vel. > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170830/9c234a9e/attachment-0001.html> > > ------------------------------ > > Subject: Legenda do Digest > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > ------------------------------ > > Fim da Digest R-br, volume 80, assunto 18 > ***************************************** > -- Carolina Pena Diretoria de Processos Seletivos Pró-Reitoria de Graduação Setor de Estatística Contato: (31) 3409-4543 Contato Cel: (31) 8456-7052

2 1

R Markdown - uso de acento no caption do kable
by Carolina Pena 30 Ago '17

30 Ago '17

Bom dia, Estou trabalhando com o R Markdown e preciso fazer uma tabela longa parecida com o exemplo abaixo. O problema é que aparentemente o caption = "Número de registros" está gerando um erro. Ao retirar o acento, ou seja, escrever caption = "Numero de registros" o código funciona. Porém não gostaria de retirar os acentos. Alguém já teve esse tipo de problema? ```{r, echo=FALSE, result = 'asis'} library(kableExtra) library(knitr) options(knitr.table.format = "latex") long_dt <- rbind(mtcars, mtcars) kable(long_dt, longtable = T, booktabs = T, caption = "Número de registros") %>% add_header_above(c(" ", "Group 1" = 5, "Group 2" = 6)) %>% kable_styling(latex_options = c("repeat_header")) ``` No cabeçalho o R Markdown incluí os seguintes pacotes do Latex, mas o erro se manteve. --- output: pdf_document: keep_tex: true fig_caption: true latex_engine: pdflatex header-includes: - \usepackage[brazilian]{babel} # idioma - \usepackage[utf8]{inputenc} # acento -- Muito obrigada, Carolina Pena

2 1

não paramétrica - anova de friedman
by Ana Maria Nievas 28 Ago '17

28 Ago '17

Olá pessoal! Preciso fazer a anova de friedman, porém estou com dificuldade em como deve ser a estrutura do dataframe. Podem me ajudar? Obrigada!

2 1

Re: [R-br] não parametrica - kruskal e dunn
by Emerson Cotta Bodevan 26 Ago '17

26 Ago '17

Prezados, Aproveitando... o teste kruskal é o equivalente não paramétrico da ANOVA one-way. E qual seria o equivalente não paramétrico do ANOVA two-way? E o teste post-hoc, no caso two-way, seria o teste Dunn? Obrigado, Em 25 de ago de 2017 11:10 PM, "Graciliano Galdino via R-br" < r-br(a)listas.c3sl.ufpr.br> escreveu: Olá Cristina, Eu uso o comando kruskal.test (de pacote básico do R, o stats) e o teste de Dunn do pacote PMCMR (o comando é posthoc.kruskal.dunn.test). É funcional e tem um output bem mais agradável de ver que o "listão" do TukeyHSD da ANOVA. 2017-08-25 9:30 GMT-03:00 Christina Grupioni via R-br < r-br(a)listas.c3sl.ufpr.br>: > > Bom dia, listeir@s! > > Estou com um conjunto de dados cujos resíduos não tem distribuição normal. > Sendo assim, necessito fazer analise não-paramétrica. Kruskal-wallis, > seguida do teste de Dunn. Alguém pode me orientar em como fazer essas > análises no R, por gentileza? > Desde já, agradeço, > -- > Na escuta, > > > CHRISTINA GRUPIONI > Engenheira Agrícola e Ambiental- CREA BA: 84142 > *OCA (Organização Cooperativa de Agroecologia**)* > *Tecnologias Ecológicas e Sociais* > (31) 8863-0005, (31) 3892-2236 > *skype:chrisgrupioni@gmail.com <chrisgrupioni(a)gmail.com>* > > > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. > -- Graciliano Galdino A. dos Santos Biólogo Doutorando em Ciências Florestais - PPGCF Universidade Federal Rural da Amazônia - UFRA _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

1 0

não parametrica - kruskal e dunn
by Christina Grupioni 25 Ago '17

25 Ago '17

Bom dia, listeir@s! Estou com um conjunto de dados cujos resíduos não tem distribuição normal. Sendo assim, necessito fazer analise não-paramétrica. Kruskal-wallis, seguida do teste de Dunn. Alguém pode me orientar em como fazer essas análises no R, por gentileza? Desde já, agradeço, -- Na escuta, CHRISTINA GRUPIONI Engenheira Agrícola e Ambiental- CREA BA: 84142 *OCA (Organização Cooperativa de Agroecologia**)* *Tecnologias Ecológicas e Sociais* (31) 8863-0005, (31) 3892-2236 *skype:chrisgrupioni@gmail.com <chrisgrupioni(a)gmail.com>*

4 4

Identificando divergências entre nomes
by Paulo Dick 25 Ago '17

25 Ago '17

Prezados, Gostaria de sugestões para encarar o seguinte problema: Estou uma base que contém um código identificador e o nome da pessoa. Teoricamente, cada código é único e representa uma única pessoa, mas posso ter falhas. Além disso, posso ter problema de digitação. Segue exemplo: id nome 1 100 JOAO SILVA 2 100 SILVA JOAO 3 101 MARIA DA SILVA 4 101 MARIA SOARES DA SILVA 5 102 JOSE CANCIO 6 102 LEONORA FURTADO 7 102 LEONORA FURTADO 8 103 JOSE TRINDADE 9 103 JOSE TRINDDE 10 104 PAULO SILVA 11 105 LUIZ COSTA 12 106 ISABEL CHAGAS 13 106 CHAGAS ISABEL 14 107 VANIA VALERIA 15 107 SANDRA SANTOS Nesse caso, no id 100 tenho problema de digitação, mas se trata da mesma pessoa. O mesmo ocorre nos ids 101, 103 e 106. No id 103 tenho um erro de digitação. No id 102 tenho duas pessoas diferentes, assim como no 107. Como eu poderia automatizar a avaliação de quais ids tenho pessoas diferentes? > dput(teste) structure(list(id = c(100, 100, 101, 101, 102, 102, 102, 103, 103, 104, 105, 106, 106, 107, 107), nome = structure(c(3L, 13L, 9L, 10L, 4L, 7L, 7L, 5L, 6L, 11L, 8L, 2L, 1L, 14L, 12L), .Label = c("CHAGAS ISABEL", "ISABEL CHAGAS", "JOAO SILVA", "JOSE CANCIO", "JOSE TRINDADE", "JOSE TRINDDE", "LEONORA FURTADO", "LUIZ COSTA", "MARIA DA SILVA", "MARIA SOARES DA SILVA", "PAULO SILVA", "SANDRA SANTOS", "SILVA JOAO", "VANIA VALERIA"), class = "factor")), .Names = c("id", "nome" ), row.names = c(NA, -15L), class = "data.frame") Obrigado e abraços *Paulo Dick* Estatístico / Epidemiologia em Saúde Pública Tel.: (55 21) 99591-2716

2 1

Erro de memória importando objeto pequeno de SQL
by Pedro Emmanuel Alvarenga Americano do Brasil 25 Ago '17

25 Ago '17

Amigos de R, Estou envolvido numa tarefa que importo um banco SQL de um servidor, faço uma modelagem, salvo o modelo no SQL através de uma seriliazação, e depois carrego esse modelo do SQL para fazer previsões em novos dados. Estou seguindo um exemplo disponível nessa página: https://docs.microsoft.com/pt-br/sql/advanced-analytics/tutorials/walkthrou… Sei que esse exemplo não é reproduzível porque depende da conexão com o servidor e credenciais que não posso divulgar. Mas se alguem já passou por esse problema poderia pelo menos indicar aonde está o problema que não estou sabendo identificar? Acho que muito provavelmente seria uma configuração do SQL no servidor... library(RODBC) # define database connection string dbconn <- 'Driver={SQL Server};Server=BLABLABLA;Database=BLABLABLA;Trusted_Connection=yes;' # define a connection conn <- odbcDriverConnect(connection = dbconn) # Estou fazendo o exemplo com o objeto LETTERS só pra ter certeza que é um objeto pequeno e que não deveria ser um problema de memória do R. > LETTERS [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" [25] "Y" "Z" > teste_pequeno <- serialize(LETTERS, connection = NULL) > teste_pequeno <- paste(teste_pequeno, collapse = "") # o EXEC PersistModel faz # insert into [tempo_permanencia_models] (model, [description]) values (convert(varbinary(max),@m,2), @description) # insere o modelo e uma descricao > p <- paste("EXEC PersistModel @m='", teste_pequeno,"', @description = 'Teste de serialização objeto pequeno'", sep = "") > sqlQuery(conn, p) character(0) > rm(teste_pequeno) > p <- "SELECT model FROM [tempo_permanencia_models] WHERE id_model = 1022" > mod.teste.peq <- sqlQuery(conn, p) Error in odbcQuery(channel, query, rows_at_time) : 'Calloc' could not allocate memory (214748364800 of 1 bytes) > p <- paste0("SELECT id_model, description FROM [tempo_permanencia_models] WHERE id_model = 1022") > sqlQuery(conn, p) # id_model description 1 1022 Teste de serialização objeto pequeno Reparem que o objeto está salvo no servidor. Foi salvo a partir do R, mas não retorna para o R por conta do erro de memoria. Eu não estou sabendo nem por onde começar. Que a força esteja sempre com vocês e abraço forte. Pedro Brasil

5 14

Dúvidas
by Rosane Viana 24 Ago '17

24 Ago '17

Prezados Colegas, Boa noite! Para ler no software R um conjunto de dados espaciais que variam no tempo é necessário um comando específico? Caso afirmativo, qual é o comando? Desde já agradeço, Rosane Viana Enviado do Email para Windows 10

6 6

Teste t para amostras independentes
by ana paula coelho madeira 22 Ago '17

22 Ago '17

Prezados colegas , Boa tarde! Preciso de uma ajuda no que se refere ao teste de comparação de médias de duas amostras. Tenho duas amostras independentes. Sei que para normalidade em ambas as amostras posso usar o t e se não for normal, uso não paramétrica. Mas como proceder diante ao fato de uma amostra ter distribuição normal e a outra não. Desde já agradeço Ana Paula

3 2

Re: [R-br] Digest R-br, volume 80, assunto 9
by Antonio Moita 17 Ago '17

17 Ago '17

Caro Colegas, em especial ao FERNANDO E LEONANDO o meu muito obrigado. Realmente a solução de vcs foi ótima, resolveu o problema. df.c1<-cast(df.m, cultivar + bloco ~ variable, subset=variable %in% c("ninfa","pulpa"), sum) > df.c1 cultivar bloco ninfa pulpa 1 A 1 0 2 2 A 2 3 2 3 B 1 0 0 4 B 2 6 0 5 C 1 3 3 6 C 2 1 4 > df.c<-cast(df.m, cultivar + bloco ~ variable, sum, na.rm=TRUE ) > df.c cultivar bloco ninfa pulpa ovos 1 A 1 0 2 4 2 A 2 3 2 3 3 B 1 0 0 4 4 B 2 6 0 0 5 C 1 3 3 2 6 C 2 1 4 0 Em Quinta-feira, 17 de Agosto de 2017 11:58, "r-br-request(a)listas.c3sl.ufpr.br" <r-br-request(a)listas.c3sl.ufpr.br> escreveu: Enviar submissões para a lista de discussão R-br para r-br(a)listas.c3sl.ufpr.br Para se cadastrar ou descadastrar via WWW, visite o endereço https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br ou, via email, envie uma mensagem com a palavra 'help' no assunto ou corpo da mensagem para r-br-request(a)listas.c3sl.ufpr.br Você poderá entrar em contato com a pessoa que gerencia a lista pelo endereço r-br-owner(a)listas.c3sl.ufpr.br Quando responder, por favor edite sua linha Assunto assim ela será mais específica que "Re: Contents of R-br digest..." Tópicos de Hoje: 1. reshape (Antonio Moita) 2. Re: reshape (FHRB Toledo) 3. Re: reshape (Leonard Assis) ---------------------------------------------------------------------- Message: 1 Date: Wed, 16 Aug 2017 17:11:53 +0000 (UTC) From: Antonio Moita <awmoita(a)yahoo.com.br> To: "r-br(a)listas.c3sl.ufpr.br" <r-br(a)listas.c3sl.ufpr.br> Subject: [R-br] reshape Message-ID: <1964560431.3030326.1502903513335(a)mail.yahoo.com> Content-Type: text/plain; charset="utf-8" # Suponha o sequinte experimento em blocos ao acaso # com tamanho da parcela experimental de 4 plantas # no qual se conta o número pulpas ninfas e ovos. # GOSTARIA DE OBTER O CONJUNTO DE DADOS QUE FOSSE A SOMA DE PLANTAS POR CULTIVAR BLOCOS, # QUANDO USO TODO CONJUNTO DE DADOS FUNCIONA BEM require(reshape) x<-factor(LETTERS[1:3]) cultivar<-rep(x, each=6) bloco<-rep(1:2,each=3) planta<-rep(1:3) ninfa<-c(0,0,0,1,1,1,0,0,0,1,2,3,0,1,2,0,0,1) pulpa<-c(1,0,1,1,0,1,0,0,0,0,0,0,0,2,1,0,0,4) ovos<-c(2,2,0,3,0,0,0,0,4,0,0,0,0,2,0,0,0,0) df<-data.frame(cultivar, bloco, planta, ninfa, pulpa, ovos) df.m<-melt(df, id=c("cultivar","bloco","planta")) df.m df.c<-cast(df.m, cultivar + bloco ~ variable, sum, na.rm=TRUE ) df.c # MAS QUANDO SELECIONO SÓ UMA PARTE # OS VALORES NÃO BATEM COM O QUADRO ANTERIOR, ALGUEM SABERIA EXPLICAR ???? df.c1<-cast(df.m, cultivar + bloco ~ variable, subset=variable==c("ninfa","pulpa"), sum) df.c1 # a SOMA DE ninfa e pulpa tambem esta errada df.c0<-cast(df.m, cultivar + bloco ~ ., subset=variable==c("ninfa","pulpa"), sum) df.c0 AttAntonio W MoitaEmbrapa Hortaliças -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170816/74b1c99a/atta…> ------------------------------ Message: 2 Date: Wed, 16 Aug 2017 17:34:15 -0500 From: FHRB Toledo <fernandohtoledo(a)gmail.com> To: Antonio Moita <awmoita(a)yahoo.com.br>, a lista Brasileira oficial de discussão do programa R. <r-br(a)listas.c3sl.ufpr.br> Subject: Re: [R-br] reshape Message-ID: <CAN55XP40mug6NwvjcQSqYUa2Z4NMPvQD0aiP59k9DgPb_1umnQ(a)mail.gmail.com> Content-Type: text/plain; charset="utf-8" Antonio, Seu subset não está definido corretamente... deve ser: variable %in% c("ninfa", "pulpa"). att, FH 2017-08-16 12:11 GMT-05:00 Antonio Moita via R-br <r-br(a)listas.c3sl.ufpr.br> : > # Suponha o sequinte experimento em blocos ao acaso > # com tamanho da parcela experimental de 4 plantas > # no qual se conta o número pulpas ninfas e ovos. > > # GOSTARIA DE OBTER O CONJUNTO DE DADOS QUE FOSSE A SOMA DE PLANTAS POR > CULTIVAR BLOCOS, > # QUANDO USO TODO CONJUNTO DE DADOS FUNCIONA BEM > > > > require(reshape) > > > x<-factor(LETTERS[1:3]) > cultivar<-rep(x, each=6) > bloco<-rep(1:2,each=3) > planta<-rep(1:3) > > ninfa<-c(0,0,0,1,1,1,0,0,0,1,2,3,0,1,2,0,0,1) > pulpa<-c(1,0,1,1,0,1,0,0,0,0,0,0,0,2,1,0,0,4) > ovos<-c(2,2,0,3,0,0,0,0,4,0,0,0,0,2,0,0,0,0) > > df<-data.frame(cultivar, bloco, planta, ninfa, pulpa, ovos) > > > df.m<-melt(df, id=c("cultivar","bloco","planta")) > df.m > > df.c<-cast(df.m, cultivar + bloco ~ variable, sum, na.rm=TRUE ) > df.c > > # MAS QUANDO SELECIONO SÓ UMA PARTE > # OS VALORES NÃO BATEM COM O QUADRO ANTERIOR, ALGUEM SABERIA EXPLICAR > ???? > df.c1<-cast(df.m, cultivar + bloco ~ variable, subset=variable==c("ninfa","pulpa"), > sum) > df.c1 > > # a SOMA DE ninfa e pulpa tambem esta errada > df.c0<-cast(df.m, cultivar + bloco ~ ., subset=variable==c("ninfa","pulpa"), > sum) > df.c0 > > > Att > Antonio W Moita > Embrapa Hortaliças > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. > -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170816/e6b8ce83/atta…> ------------------------------ Message: 3 Date: Thu, 17 Aug 2017 07:14:05 -0300 From: Leonard Assis <assis.leonard(a)gmail.com> To: a lista Brasileira oficial de discussão do programa R. <r-br(a)listas.c3sl.ufpr.br> Subject: Re: [R-br] reshape Message-ID: <CAEG0FK_sr9FK1QGSQnn04KzwTGrFifh9-yVA-U=bSc6u=DiY-g(a)mail.gmail.com> Content-Type: text/plain; charset="utf-8" Antônio, No subset, onde você informou variable==c("ninfa","pulpa"), tende a dar muito errado. O que este trecho está falando é "selecione todas as linhas onde variable seja igual a o conteúdo após o símbolo '=='". Pelo que eu entendi de seu desejo, é que você está querendo é "selecionar todas as linhas onde variable contenha 'ninfa' OU 'pulpa'". Existem varias construções lógicas que retornam de maneira correta, o que você supostamente deseja. A que menos dá erro de avaliação é a construção semelhante ao que fazemos quando usamos a instrução 'for', que seria usar variable %in% c('ninfa','pulpa'). Leonard Em 16 de ago de 2017 2:12 PM, "Antonio Moita via R-br" < r-br(a)listas.c3sl.ufpr.br> escreveu: # Suponha o sequinte experimento em blocos ao acaso # com tamanho da parcela experimental de 4 plantas # no qual se conta o número pulpas ninfas e ovos. # GOSTARIA DE OBTER O CONJUNTO DE DADOS QUE FOSSE A SOMA DE PLANTAS POR CULTIVAR BLOCOS, # QUANDO USO TODO CONJUNTO DE DADOS FUNCIONA BEM require(reshape) x<-factor(LETTERS[1:3]) cultivar<-rep(x, each=6) bloco<-rep(1:2,each=3) planta<-rep(1:3) ninfa<-c(0,0,0,1,1,1,0,0,0,1,2,3,0,1,2,0,0,1) pulpa<-c(1,0,1,1,0,1,0,0,0,0,0,0,0,2,1,0,0,4) ovos<-c(2,2,0,3,0,0,0,0,4,0,0,0,0,2,0,0,0,0) df<-data.frame(cultivar, bloco, planta, ninfa, pulpa, ovos) df.m<-melt(df, id=c("cultivar","bloco","planta")) df.m df.c<-cast(df.m, cultivar + bloco ~ variable, sum, na.rm=TRUE ) df.c # MAS QUANDO SELECIONO SÓ UMA PARTE # OS VALORES NÃO BATEM COM O QUADRO ANTERIOR, ALGUEM SABERIA EXPLICAR ???? df.c1<-cast(df.m, cultivar + bloco ~ variable, subset=variable==c("ninfa","pulpa"), sum) df.c1 # a SOMA DE ninfa e pulpa tambem esta errada df.c0<-cast(df.m, cultivar + bloco ~ ., subset=variable==c("ninfa","pulpa"), sum) df.c0 Att Antonio W Moita Embrapa Hortaliças _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível. -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170817/37afb183/atta…> ------------------------------ Subject: Legenda do Digest _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br ------------------------------ Fim da Digest R-br, volume 80, assunto 9 ****************************************

1 0

reshape
by Antonio Moita 17 Ago '17

17 Ago '17

# Suponha o sequinte experimento em blocos ao acaso # com tamanho da parcela experimental de 4 plantas # no qual se conta o número pulpas ninfas e ovos. # GOSTARIA DE OBTER O CONJUNTO DE DADOS QUE FOSSE A SOMA DE PLANTAS POR CULTIVAR BLOCOS, # QUANDO USO TODO CONJUNTO DE DADOS FUNCIONA BEM require(reshape) x<-factor(LETTERS[1:3]) cultivar<-rep(x, each=6) bloco<-rep(1:2,each=3) planta<-rep(1:3) ninfa<-c(0,0,0,1,1,1,0,0,0,1,2,3,0,1,2,0,0,1) pulpa<-c(1,0,1,1,0,1,0,0,0,0,0,0,0,2,1,0,0,4) ovos<-c(2,2,0,3,0,0,0,0,4,0,0,0,0,2,0,0,0,0) df<-data.frame(cultivar, bloco, planta, ninfa, pulpa, ovos) df.m<-melt(df, id=c("cultivar","bloco","planta")) df.m df.c<-cast(df.m, cultivar + bloco ~ variable, sum, na.rm=TRUE ) df.c # MAS QUANDO SELECIONO SÓ UMA PARTE # OS VALORES NÃO BATEM COM O QUADRO ANTERIOR, ALGUEM SABERIA EXPLICAR ???? df.c1<-cast(df.m, cultivar + bloco ~ variable, subset=variable==c("ninfa","pulpa"), sum) df.c1 # a SOMA DE ninfa e pulpa tambem esta errada df.c0<-cast(df.m, cultivar + bloco ~ ., subset=variable==c("ninfa","pulpa"), sum) df.c0 AttAntonio W MoitaEmbrapa Hortaliças

3 2

Salvar saídas de um loop
by Yury Duarte 10 Ago '17

10 Ago '17

Boa tarde colegas listeiros! Estou tendo um pequeno problema para salvar as saídas de um loop que fiz para preencher uma matriz com dados de diferentes arquivos. Meus arquivos base possuem informações anuais de produtividade (colunas) de 15 locais (linhas) para um determinado mês. Construí o loop com intenção de gerar um arquivo por local, contemplando as produtividades de cada mês (nas linhas) e de cada ano (nas colunas). Conferi o output do único arquivo salvo pelo script e os valores correspondem ao arranjo desejado, então acredito que a lógica para o preenchimento da matriz esteja correta. Os arquivos para executar a simulação estão em anexo e o script está no corpo do email. Desde já, agradeço pela colaboração de todos! rm(list = ls()) raiz = 'C:\\Users\\Yury\\Desktop\\Mestrado\\1_TESE\\Model_Data\\ Maize\\PREVISAO\\PA\\' estrategia = c('E1', 'E2', 'E3', 'E4', 'E5') meses = c('setembro', 'outubro', 'novembro', 'dezembro', 'janeiro', 'fevereiro', 'marco', 'abril') cidade = c("abelardoluz", "altamira", "brasilia", "caarapo", "catalao", "lagarto", "machado", "mateiros", "muitoscapoes", "piracicaba", "pontagrossa", "primaveradoleste", "srmangab", "sdesiderio", "urucui") anos = c(1980:2012) previsao = matrix(NA, nrow = length(meses), ncol = length(1980:2012)) colnames(previsao) = 1980:2012 #for(e in 1:length(estrategias)){ for(m in 1:length(meses)){ a = read.table(paste0(raiz, 'E1\\', meses[m],'\\', 'final.txt'), header = T, sep = '\t') for(city in 1:length(cidade)){ for(i in 1:length(anos)){ previsao[m,i] = a[city,i] } } write.table(previsao, paste0(raiz, 'E1\\', cidade[city],'.txt'), row.names = F, col.names = T, sep = '\t') } #} Yury Duarte Engenheiro Agrônomo - ESALQ/USP

4 9

Re: [R-br] Salvar saídas de um loop
by sznelwar＠uol.com.br 09 Ago '17

09 Ago '17

1 0

Re: [R-br] Salvar saídas de um loop
by sznelwar＠uol.com.br 09 Ago '17

09 Ago '17

1 0

Modelo de regressão envolvendo rasters e vetores numéricos
by Jefferson Ferreira-Ferreira 09 Ago '17

09 Ago '17

Pessoal, Estou tentando ajustar a Estimativa de Máxima Máxima Penalizada de Firth para a regressão logística implementada no pacote logistf para um conjunto de rasters (imagens), mas estou com problemas para implementá-lo usando rasters e vetores numéricos. Para ilustrar o problema: library(raster) library(logistf) # Criando 2 rasters para reproduzir o que estou enfrentando r <- raster(nrow=10, ncol=10) # Variável-raster resposta (binária) com 9 bandas/layers s1 <- lapply(1:9, function(i) setValues(r, sample(0:1,ncell(r),replace = T))) s1 <- stack(s1) # um raster-variável preditora val <- sample(0:60,ncell(r),replace = T) s2 <- raster(nrow=10, ncol=10,vals=val) plot(s1) plot(s2) # Uma segunda variável preditora armazenada como vetor numérico: 9 valores assim como existem 9 bandas/layres em s1 (não é coincidência) exp_2 <- c(27.00,30.02,31.07,32.72,33.73,35.12,35.65,36.06,38.32) Agora, eu quero ajustar o modelo usando o logistf (eu tenho motivos estatísticos para isso, não reproduzido aqui) usando a função calc do pacote raster. É aí que o mistério mora. O raciocínio na formulação do problema é que cada célula/pixel seguiria a segunite fórmula glm: s1/layer1 ~ 27.00 + pixel correspondente em s2 + 27.00:pixel correspondente em s2 s1/layer2 ~ 30.02 + pixel correspondente em s2 + 30.02:pixel correspondente em s2 s1/layer3 ~ 31.07 + pixel correspondente em s2 + 31.07:pixel correspondente em s2 ... e assim por diante para todas as 9 bandas/layers do meu raster-variável resposta s1, que são pareadas com valores de exp_2. Eu tentei algo assim: fun <- function (x) { logistf (x ~ exp_2 + s2 + exp_2:s2)$coeficients } coefs <- calc(s1, fun) Mas estava claro que não funcionaria. A parte complicada é infomar ao script que eu quero que cada valor de exp_2 seja usado com cada camada raster de s1 para este modelo. Qualquer idéia será muito útil. Idéias? Obrigado e abraços. *Jefferson Ferreira-Ferreira, **PhD (abd)* *Geographer* *Ecosystem Dynamics Observatory <http://tscanada.wix.com/ecodyn> - EcoDyn/UNESP* *Department of **Geography * *Institute of Geosciences and Exact Sciences** (IGCE)* *São Paulo State University (UNESP)* *Rio Claro, SP - Brazil*

1 1

Adicionar restrições a parâmetros em regressão não
by Wenceslau Teixeira 09 Ago '17

09 Ago '17

> > > Para o codigo que o Walmes disponibilizou para as curvas bimodais de > Durner e preciso instalar o package > minpack.lm install.packages("minpack.lm") > > ---------------------------------------------------------------------- > > Message: 1 > Date: Tue, 8 Aug 2017 12:02:29 -0300 > From: Walmes Zeviani <walmeszeviani(a)gmail.com> > To: Delcio Rudinei Bortolanza <delcio.bortolanza(a)outlook.com>, a > lista Brasileira oficial de discussão do programa R. > <r-br(a)listas.c3sl.ufpr.br> > Subject: Re: [R-br] Adicionar restrições a parâmetros em regressão > não linear no R > Message-ID: > <CAFU=EkYt-YJiO-3gcyRYfW_4uJ+9qyZFr4O5zO+DbAoVhhcjbQ@mail. > gmail.com> > Content-Type: text/plain; charset="utf-8" > > Delcio, > > Basta fazer assim: > > durner <- as.formula(theta ~ > w0 * (thetar + ((thetas - thetar)/(1 + (alpha0 * > psi)^n0)^(1 - 1/n0))) + > (1 - w0) * (thetar + ((thetas - thetar)/(1 + > (alpha1 * psi)^n1)^(1 - 1/n1)))) > > dur <- nlsLM(durner, > start = list(w0 = 0.6, > thetas = 0.5, > thetar = 0.25, > alpha0 = 0.1, > n0 = 2, > alpha1 = 0.1, > n1 = 1), > data = dados, > algorithm = "LM", > trace = "F", > control = list(maxiter = 500)) > summary(dur) > > À disposição. > Walmes. > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170808/737511e5/attachment-0001.html> > > ------------------------------ > > Message: 2 > Date: Tue, 8 Aug 2017 14:35:29 -0300 > From: Cesar Rabak <cesar.rabak(a)gmail.com> > To: Cleber Oliveira <oliveiramacedocleber(a)gmail.com>, a lista > Brasileira oficial de discussão do programa R. > <r-br(a)listas.c3sl.ufpr.br> > Subject: Re: [R-br] Análise de dados antes e depois > Message-ID: > <CAKrF98=P-xCSjHHV8_qiCVtAprJryOfQs8kNL+ > HoutQdX0cwiA(a)mail.gmail.com> > Content-Type: text/plain; charset="utf-8" > > Cleber, > > Sua pergunta extrapola o objetivo deste grupo (não CMR, etc.). > > Ademais ela enseja muitas questões antes que possa ser iniciada uma > discussão com assertividade. > > Minha recomendação é que você a refaça nos foruns mais voltados para > questões de Estatística (p.ex.: https://stats.stackexchange.com/) e no > seu > caso Projeto e Análise de Experimentos. > > HTH > -- > Cesar Rabak > > > 2017-08-08 9:50 GMT-03:00 Cleber Oliveira via R-br < > r-br(a)listas.c3sl.ufpr.br > >: > > > Bom dia listeiros (@) > > > > Estou realizando um experimento e de uma única amostra inicial dividi em > > várias subamostras e em cada uma apliquei um tratamento e ao longo dos > dias > > fiz a análise dos parâmetros. Gostaria de verificar o efeito dos > > tratamentos sob as alterações dos parâmetros em relação ao inicial e em > > relação aos tratamentos e tempo. Estou com muitas dúvidas de como > iniciar. > > Alguém que já tenha realizado este tipo de análise poderia me ajudar. > > Obrigado. > > -- > > > > > > _______________________________________________ > > R-br mailing list > > R-br(a)listas.c3sl.ufpr.br > > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > > código mínimo reproduzível. > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170808/00668a09/attachment-0001.html> > > ------------------------------ > > Message: 3 > Date: Tue, 08 Aug 2017 19:17:55 -0300 > From: sznelwar(a)uol.com.br > To: walmeszeviani(a)gmail.com, r-br(a)listas.c3sl.ufpr.br > Subject: Re: [R-br] Adicionar restrições a parâmetros em regressão > não linear no R > Message-ID: <598a38938f354_38515c87c2813d89477e(a)a4-weasel17.mail> > Content-Type: text/plain; charset="utf-8" > > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170808/703b580c/attachment-0001.html> > > ------------------------------ > > Message: 4 > Date: Tue, 08 Aug 2017 19:21:33 -0300 > From: sznelwar(a)uol.com.br > To: walmeszeviani(a)gmail.com, r-br(a)listas.c3sl.ufpr.br > Subject: [R-br] Fwd: Adicionar restrições a parâmetros em > regressão não linear no R > Message-ID: <598a396da05ef_57cd155cbcdd73e448736(a)a4-weasel12.mail> > Content-Type: text/plain; charset="utf-8" > > Um anexo em HTML foi limpo... > URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/ > 20170808/a6bfb3b1/attachment-0001.html> > > ------------------------------ > > Subject: Legenda do Digest > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > ------------------------------ > > Fim da Digest R-br, volume 80, assunto 5 > **************************************** > -- Wenceslau Teixeira wgt007(a)gmail.com skype: wgt007

1 0

Re: [R-br] Adicionar restrições a parâmetros em regressão não linear no R
by sznelwar＠uol.com.br 08 Ago '17

08 Ago '17

1 1

Análise de dados antes e depois
by Cleber Oliveira 08 Ago '17

08 Ago '17

Bom dia listeiros (@) Estou realizando um experimento e de uma única amostra inicial dividi em várias subamostras e em cada uma apliquei um tratamento e ao longo dos dias fiz a análise dos parâmetros. Gostaria de verificar o efeito dos tratamentos sob as alterações dos parâmetros em relação ao inicial e em relação aos tratamentos e tempo. Estou com muitas dúvidas de como iniciar. Alguém que já tenha realizado este tipo de análise poderia me ajudar. Obrigado. --

2 1

Adicionar restrições a parâmetros em regressão não linear no R
by Delcio Rudinei Bortolanza 08 Ago '17

08 Ago '17

Vejam o seguinte script: rm(list=ls(all=TRUE)) library(minpack.lm) dados<-read.table(header = TRUE, dec=",",text= "psi theta 0,01 0,5 0,5 0,48 1 0,42 3 0,4 10 0,39 30 0,35 100 0,3 300 0,28 1000 0,27 ") dados theta=dados$theta psi=dados$psi durner<-as.formula(theta~0.6*(thetar+((thetas-thetar)/(1+(alpha0*psi)^n0)^(1-1/n0)))+ 0.4*(thetar+((thetas-thetar)/(1+(alpha1*psi)^n1)^(1-1/n1)))) dur<-nlsLM(durner, start=list(thetas=0.5,thetar=0.25,alpha0=0.1,n0=2,alpha1=0.1,n1=1),data = dados, algorithm = "LM", trace = "F", control = list(maxiter = 500)) summary(dur) rsquared<-1-(sum(residuals(dur)^2)/sum((theta - mean(theta))^2)) rsquared thetas=coef(dur)[1] thetar=coef(dur)[2] alpha0=coef(dur)[3] n0=coef(dur)[4] alpha1=coef(dur)[5] n1=coef(dur)[6] par(mar=c(4,4,1,1)) par(mfrow = c(1, 1)) plot(psi,theta,xlim = c(min(psi),max(psi)),log = "x",las=1,xaxt="n",ylab=expression(theta~(m^{3}~m^{-3})),xlab=expression(abs(psi)~(kPa)),mgp=c(2.5, 1, 0)) labels <- 10^(-3:3) axis(1, at=labels, labels=labels,lwd.ticks = 2) #,tck=-0.05 axis(1, at=sort(sapply(1:9, function(x) x*10^(-3:3))), label=NA, lwd=0.5) curve(0.6*(thetar+((thetas-thetar)/(1+(alpha0*psi)^n0)^(1-1/n0)))+ 0.4*(thetar+((thetas-thetar)/(1+(alpha1*psi)^n1)^(1-1/n1))),add = T,xname = "psi") Gostaria de, ao invés de dar valores (0.6 e 0.4): durner<-as.formula(theta~0.6*(thetar+((thetas-thetar)/(1+(alpha0*psi)^n0)^(1-1/n0)))+ 0.4*(thetar+((thetas-thetar)/(1+(alpha1*psi)^n1)^(1-1/n1)))) adicionar dois parâmetros (w0 e w1): durner<-as.formula(theta~w0*(thetar+((thetas-thetar)/(1+(alpha0*psi)^n0)^(1-1/n0)))+ w1*(thetar+((thetas-thetar)/(1+(alpha1*psi)^n1)^(1-1/n1)))) mas de tal forma que: w0+w1==1. Alguém tem sabe como poderia fazer isso? Att., Delcio Bortolanza Doutorando em Agronomia-UPF

2 1

Re: [R-br] Digest R-br, volume 80, assunto 1
by Juan C. R. Soto Sotelo 01 Ago '17

01 Ago '17

Concordo que a chamada da query é muito grande, você viu como ficaram os campos na tabela tempo_permanencia_models depois do insert : tipo e tamanho? Juan Error in odbcQuery(channel, query, rows_at_time) : 'Calloc' could not allocate memory (214748364800 of 1 bytes) <https://mailtrack.io/> Enviado com Mailtrack <https://mailtrack.io/install?source=signature&lang=pt&referral=sotojcr@gmai…> Em 1 de agosto de 2017 12:00, <r-br-request(a)listas.c3sl.ufpr.br> escreveu: > Enviar submissões para a lista de discussão R-br para > r-br(a)listas.c3sl.ufpr.br > > Para se cadastrar ou descadastrar via WWW, visite o endereço > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou > corpo da mensagem para > r-br-request(a)listas.c3sl.ufpr.br > > Você poderá entrar em contato com a pessoa que gerencia a lista pelo > endereço > r-br-owner(a)listas.c3sl.ufpr.br > > Quando responder, por favor edite sua linha Assunto assim ela será > mais específica que "Re: Contents of R-br digest..." > > Tópicos de Hoje: > > 1. Re: Erro de memória importando objeto pequeno de SQL > (Cesar Rabak) > 2. Re: Erro de memória importando objeto pequeno de SQL > (Zhu Sha Zang) > > > ---------- Mensagem encaminhada ---------- > From: Cesar Rabak <cesar.rabak(a)gmail.com> > To: Pedro Emmanuel Alvarenga Americano do Brasil < > emmanuel.brasil(a)gmail.com> > Cc: "a lista Brasileira oficial de discussão do programa R." < > r-br(a)listas.c3sl.ufpr.br> > Bcc: > Date: Mon, 31 Jul 2017 14:53:52 -0300 > Subject: Re: [R-br] Erro de memória importando objeto pequeno de SQL > Correto Pedro! > > Contudo, não entendo porque. . . > > Minha forma de atacar esse problema seria mandar os dados para o BD por > outra maneira (que ñ via R) e tentar conectar apenas para puxar os dados: > aí a gente vê se é na criação do BD via R que ele deixa em aberto um > tamanho default muito grande ou se é a chamada que por alguma coincidência > cria um default exigindo tanta memória (embora nos OSs modernos isso não > deveria gerar problema porque existem os gerenciadores de memória virtual). > > HTH > -- > Cesar Rabak > > > 2017-07-31 10:32 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil < > emmanuel.brasil(a)gmail.com>: > >> Cesar, >> >> A função RODBC::sqlQuery não tem exemplo, mas já usei diversas vezes com >> outros scripts e funciona. Esse problema está acontecendo somente no >> exemplo dessa conexão em específico. Então estou entendendo a partir de >> agora que alguma configuração da conexão está pedindo pra reservar memória >> mais do que o a máquina possui. >> >> Pedro Brasil >> >> Em 29 de julho de 2017 20:45, Cesar Rabak <cesar.rabak(a)gmail.com> >> escreveu: >> >>> Pedro, >>> >>> Calloc é uma chamada "primitiva" para o R, uma função da biblioteca C e >>> é uma função feita para "alocar" (reservar) memória e zerá-la. >>> >>> O estranho, para mim, é a tentativa do aplicativo de reservar *tanta* memória >>> assim na chamada da função do R. >>> >>> Essa função sqlQuery() pode ser testada fazendo: >>> >>> > example(sqlQuery) >>> >>> ? >>> >>> Se o exemplo do próprio pacote funcionar, aí teremos que fazer uma busca >>> para ver de onde vem esse comportamento. >>> >>> HTH >>> -- >>> Cesar Rabak >>> >>> >>> >>> >>> 2017-07-28 17:12 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil >>> <emmanuel.brasil(a)gmail.com>: >>> >>>> Ei Cesar, >>>> >>>> Eu tenho pouco familiaridade com SQL, e o amigo da TI que tem e faz >>>> manutenção do servidor diz que o erro é na minha estação com R. Eu acho que >>>> não, mas não tenho certeza porque eu não sei ao certo o que quer dizer esse >>>> erro. O que seria essa "Calloc"? É uma coisa natural do R? >>>> >>>> Abraço, >>>> >>>> Pedro Brasil >>>> >>>> Em 28 de julho de 2017 16:59, Cesar Rabak <cesar.rabak(a)gmail.com> >>>> escreveu: >>>> >>>>> Pedro, >>>>> >>>>> Mesmo sem poder fazer uma tentativa, me parece que o erro é estranho >>>>> demais para não ser notado: a chamada à primitiva da ling. C "calloc" está >>>>> pedindo 200 Gbytes, que falha e me parece algo grande demais para um >>>>> "default" da chamada a sqlQuery(). >>>>> >>>>> HTH >>>>> >>>>> >>>>> 2017-07-28 9:42 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil >>>>> via R-br <r-br(a)listas.c3sl.ufpr.br>: >>>>> >>>>>> Amigos de R, >>>>>> >>>>>> Estou envolvido numa tarefa que importo um banco SQL de um servidor, >>>>>> faço uma modelagem, salvo o modelo no SQL através de uma seriliazação, e >>>>>> depois carrego esse modelo do SQL para fazer previsões em novos dados. >>>>>> >>>>>> Estou seguindo um exemplo disponível nessa página: >>>>>> https://docs.microsoft.com/pt-br/sql/advanced-analytics/tuto >>>>>> rials/walkthrough-deploy-and-use-the-model >>>>>> >>>>>> Sei que esse exemplo não é reproduzível porque depende da conexão com >>>>>> o servidor e credenciais que não posso divulgar. Mas se alguem já passou >>>>>> por esse problema poderia pelo menos indicar aonde está o problema que não >>>>>> estou sabendo identificar? Acho que muito provavelmente seria uma >>>>>> configuração do SQL no servidor... >>>>>> >>>>>> library(RODBC) >>>>>> >>>>>> # define database connection string >>>>>> dbconn <- 'Driver={SQL Server};Server=BLABLABLA;Datab >>>>>> ase=BLABLABLA;Trusted_Connection=yes;' >>>>>> >>>>>> # define a connection >>>>>> conn <- odbcDriverConnect(connection = dbconn) >>>>>> >>>>>> # Estou fazendo o exemplo com o objeto LETTERS só pra ter certeza que >>>>>> é um objeto pequeno e que não deveria ser um problema de memória do R. >>>>>> > LETTERS >>>>>> [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" >>>>>> "Q" "R" "S" "T" "U" "V" "W" "X" >>>>>> [25] "Y" "Z" >>>>>> > teste_pequeno <- serialize(LETTERS, connection = NULL) >>>>>> > teste_pequeno <- paste(teste_pequeno, collapse = "") >>>>>> >>>>>> # o EXEC PersistModel faz >>>>>> # insert into [tempo_permanencia_models] (model, [description]) >>>>>> values (convert(varbinary(max),@m,2), @description) >>>>>> # insere o modelo e uma descricao >>>>>> >>>>>> > p <- paste("EXEC PersistModel @m='", teste_pequeno,"', @description >>>>>> = 'Teste de serialização objeto pequeno'", sep = "") >>>>>> > sqlQuery(conn, p) >>>>>> character(0) >>>>>> > rm(teste_pequeno) >>>>>> > p <- "SELECT model FROM [tempo_permanencia_models] WHERE id_model = >>>>>> 1022" >>>>>> > mod.teste.peq <- sqlQuery(conn, p) >>>>>> Error in odbcQuery(channel, query, rows_at_time) : >>>>>> 'Calloc' could not allocate memory (214748364800 of 1 bytes) >>>>>> > p <- paste0("SELECT id_model, description FROM >>>>>> [tempo_permanencia_models] WHERE id_model = 1022") >>>>>> > sqlQuery(conn, p) # >>>>>> id_model description >>>>>> 1 1022 Teste de serialização objeto pequeno >>>>>> >>>>>> Reparem que o objeto está salvo no servidor. Foi salvo a partir do R, >>>>>> mas não retorna para o R por conta do erro de memoria. Eu não estou sabendo >>>>>> nem por onde começar. >>>>>> >>>>>> Que a força esteja sempre com vocês e abraço forte. >>>>>> >>>>>> Pedro Brasil >>>>>> >>>>>> _______________________________________________ >>>>>> R-br mailing list >>>>>> R-br(a)listas.c3sl.ufpr.br >>>>>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >>>>>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >>>>>> código mínimo reproduzível. >>>>>> >>>>> >>>>> >>>> >>> >> > > > ---------- Mensagem encaminhada ---------- > From: Zhu Sha Zang <zhushazang(a)gmail.com> > To: r-br(a)listas.c3sl.ufpr.br > Cc: > Bcc: > Date: Mon, 31 Jul 2017 18:52:05 -0400 > Subject: Re: [R-br] Erro de memória importando objeto pequeno de SQL > > Parece que RODBC está "deprecated", tente usar o pacote RSQLServer. > > > Atenciosamente > > On 07/31/2017 01:53 PM, Cesar Rabak via R-br wrote: > > Correto Pedro! > > Contudo, não entendo porque. . . > > Minha forma de atacar esse problema seria mandar os dados para o BD por > outra maneira (que ñ via R) e tentar conectar apenas para puxar os dados: > aí a gente vê se é na criação do BD via R que ele deixa em aberto um > tamanho default muito grande ou se é a chamada que por alguma coincidência > cria um default exigindo tanta memória (embora nos OSs modernos isso não > deveria gerar problema porque existem os gerenciadores de memória virtual). > > HTH > -- > Cesar Rabak > > > 2017-07-31 10:32 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil < > emmanuel.brasil(a)gmail.com>: > >> Cesar, >> >> A função RODBC::sqlQuery não tem exemplo, mas já usei diversas vezes com >> outros scripts e funciona. Esse problema está acontecendo somente no >> exemplo dessa conexão em específico. Então estou entendendo a partir de >> agora que alguma configuração da conexão está pedindo pra reservar memória >> mais do que o a máquina possui. >> >> Pedro Brasil >> >> Em 29 de julho de 2017 20:45, Cesar Rabak <cesar.rabak(a)gmail.com> >> escreveu: >> >>> Pedro, >>> >>> Calloc é uma chamada "primitiva" para o R, uma função da biblioteca C e >>> é uma função feita para "alocar" (reservar) memória e zerá-la. >>> >>> O estranho, para mim, é a tentativa do aplicativo de reservar *tanta* memória >>> assim na chamada da função do R. >>> >>> Essa função sqlQuery() pode ser testada fazendo: >>> >>> > example(sqlQuery) >>> >>> ? >>> >>> Se o exemplo do próprio pacote funcionar, aí teremos que fazer uma busca >>> para ver de onde vem esse comportamento. >>> >>> HTH >>> -- >>> Cesar Rabak >>> >>> >>> >>> >>> 2017-07-28 17:12 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil >>> <emmanuel.brasil(a)gmail.com>: >>> >>>> Ei Cesar, >>>> >>>> Eu tenho pouco familiaridade com SQL, e o amigo da TI que tem e faz >>>> manutenção do servidor diz que o erro é na minha estação com R. Eu acho que >>>> não, mas não tenho certeza porque eu não sei ao certo o que quer dizer esse >>>> erro. O que seria essa "Calloc"? É uma coisa natural do R? >>>> >>>> Abraço, >>>> >>>> Pedro Brasil >>>> >>>> Em 28 de julho de 2017 16:59, Cesar Rabak <cesar.rabak(a)gmail.com> >>>> escreveu: >>>> >>>>> Pedro, >>>>> >>>>> Mesmo sem poder fazer uma tentativa, me parece que o erro é estranho >>>>> demais para não ser notado: a chamada à primitiva da ling. C "calloc" está >>>>> pedindo 200 Gbytes, que falha e me parece algo grande demais para um >>>>> "default" da chamada a sqlQuery(). >>>>> >>>>> HTH >>>>> >>>>> >>>>> 2017-07-28 9:42 GMT-03:00 Pedro Emmanuel Alvarenga Americano do Brasil >>>>> via R-br <r-br(a)listas.c3sl.ufpr.br>: >>>>> >>>>>> Amigos de R, >>>>>> >>>>>> Estou envolvido numa tarefa que importo um banco SQL de um servidor, >>>>>> faço uma modelagem, salvo o modelo no SQL através de uma seriliazação, e >>>>>> depois carrego esse modelo do SQL para fazer previsões em novos dados. >>>>>> >>>>>> Estou seguindo um exemplo disponível nessa página: >>>>>> https://docs.microsoft.com/pt-br/sql/advanced-analytics/tuto >>>>>> rials/walkthrough-deploy-and-use-the-model >>>>>> >>>>>> Sei que esse exemplo não é reproduzível porque depende da conexão com >>>>>> o servidor e credenciais que não posso divulgar. Mas se alguem já passou >>>>>> por esse problema poderia pelo menos indicar aonde está o problema que não >>>>>> estou sabendo identificar? Acho que muito provavelmente seria uma >>>>>> configuração do SQL no servidor... >>>>>> >>>>>> library(RODBC) >>>>>> >>>>>> # define database connection string >>>>>> dbconn <- 'Driver={SQL Server};Server=BLABLABLA;Datab >>>>>> ase=BLABLABLA;Trusted_Connection=yes;' >>>>>> >>>>>> # define a connection >>>>>> conn <- odbcDriverConnect(connection = dbconn) >>>>>> >>>>>> # Estou fazendo o exemplo com o objeto LETTERS só pra ter certeza que >>>>>> é um objeto pequeno e que não deveria ser um problema de memória do R. >>>>>> > LETTERS >>>>>> [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" >>>>>> "Q" "R" "S" "T" "U" "V" "W" "X" >>>>>> [25] "Y" "Z" >>>>>> > teste_pequeno <- serialize(LETTERS, connection = NULL) >>>>>> > teste_pequeno <- paste(teste_pequeno, collapse = "") >>>>>> >>>>>> # o EXEC PersistModel faz >>>>>> # insert into [tempo_permanencia_models] (model, [description]) >>>>>> values (convert(varbinary(max),@m,2), @description) >>>>>> # insere o modelo e uma descricao >>>>>> >>>>>> > p <- paste("EXEC PersistModel @m='", teste_pequeno,"', @description >>>>>> = 'Teste de serialização objeto pequeno'", sep = "") >>>>>> > sqlQuery(conn, p) >>>>>> character(0) >>>>>> > rm(teste_pequeno) >>>>>> > p <- "SELECT model FROM [tempo_permanencia_models] WHERE id_model = >>>>>> 1022" >>>>>> > mod.teste.peq <- sqlQuery(conn, p) >>>>>> Error in odbcQuery(channel, query, rows_at_time) : >>>>>> 'Calloc' could not allocate memory (214748364800 of 1 bytes) >>>>>> > p <- paste0("SELECT id_model, description FROM >>>>>> [tempo_permanencia_models] WHERE id_model = 1022") >>>>>> > sqlQuery(conn, p) # >>>>>> id_model description >>>>>> 1 1022 Teste de serialização objeto pequeno >>>>>> >>>>>> Reparem que o objeto está salvo no servidor. Foi salvo a partir do R, >>>>>> mas não retorna para o R por conta do erro de memoria. Eu não estou sabendo >>>>>> nem por onde começar. >>>>>> >>>>>> Que a força esteja sempre com vocês e abraço forte. >>>>>> >>>>>> Pedro Brasil >>>>>> >>>>>> _______________________________________________ >>>>>> R-br mailing list >>>>>> R-br(a)listas.c3sl.ufpr.br >>>>>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >>>>>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >>>>>> código mínimo reproduzível. >>>>>> >>>>> >>>>> >>>> >>> >> > > > _______________________________________________ > R-br mailing listR-br@listas.c3sl.ufpr.brhttps://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a c�digo m�nimo reproduz�vel. > > > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > >

1 0

Aggregate com função de dois argumentos
by Marcelo Santana Camacho 26 Jul '17

26 Jul '17

Bom dia, Alguém poderia me dar uma dica com esse problema? Estou tentando agregar um conjunto de dados, calculando o gini (pacote reldist), que recebe a variável principal e uma variável de ponderação - gini(x, weights=rep(1,length=length(x))). Minha dificuldade é passar os dois argumentos para a função. library(reldist) ineq_df<-read.csv("amostra_input.csv") aggregate(c(qtd,renda)~cod_setor,data=ineq_df,gini) -- *__________________________________Marcelo Santana Camacho*UNIFESSPA

2 2

Alterações no Plot 'extRemes'
by Bruce Kelly 25 Jul '17

25 Jul '17

Bom dia listeiros(@) Estou utilizando o pacote 'extRemes', minha duvida é como posso melhorar o Plot, já que ele disponibiliza 4 figuras em uma só. Como posso alterar legendas, inserir valores medios, etc ou trabalhar com cada gráfico separado. codigo AE2=fevd(EST1, dad1, type=c('GEV'), method=c('Bayesian'), time.units='months', period.basis='year') postmode(AE2) plot(AE2) plot(AE2, 'trace') ci(AE2) ci(AE2,type='parameter') [cid:9141c91f-0af9-4dec-8f9d-c83d492e9598] Bruce Kelly da N. Silva Dr. em Ciências Climáticas - UFRN Pesquisador - PPGCC/UFRN Lattes: http://lattes.cnpq.br/4323502426271751

1 0

tratamento de pontos discrepantes (pesos de bovinos)
by Adriele Giaretta Biase 23 Jul '17

23 Jul '17

Boa tarde pessoal, estou trabalhando com um banco de dados que possuem várias coletas de pesos ao longo do tempo de vários bois. O meu objetivo é deixar um ajuste simples (pode até ser um modelo não- linear ao invés de uma regressão simples), porém, preciso remover os possíveis pontos discrepantes que atrapalham o ajuste, de forma recursiva (automática). O algoritmo será executado em vários momentos, enquanto acompanha o crescimento do animal. O mais importante seria a remoção dos *outiliers* do banco de dados. Eu criei um algoritmo para fazer isso. Gostaria de saber se alguém possui uma ideia melhor ou sugestão. Segue a função criada. *OBS:* Muitos pontos discrepantes ainda ficam no banco, isso devido a um erro operacional da balança que pesa os animais. Precisaria de algo mais robusto para remover os pontos destoantes de forma recursiva para todos os animais. DADOS é um data.frame com as seguintes colunas: BRINCO (identificação ou numero do animal), DATA (dia da pesagem do peso do animal) e PESO (peso do animal correspondente ao dia) fit_linear <- function(DADOS){ fit_aux = c() BRINCO = as.numeric(as.vector(levels( as.factor(DADOS[,"BRINCO"])))) pdf(file = "ajuste%03d.pdf") # salvar os gráficos em pdf for (i in BRINCO){ dados = subset(DADOS, BRINCO == i, selec = c( BRINCO, DATA, PESO)) j=1 while (j<=30){ dias = as.vector(as.numeric(as.factor(dados[,"DATA"]))) pesos = as.numeric(as.vector(dados$PESO)) dad = cbind(dias, pesos) mod <- lm(pesos~dias) INFLUENTES = influence.measures(mod) dados_analise = cbind(INFLUENTES$is.inf, dad) dados_influentes = as.data.frame(dados_analise) colnames(dados_influentes) = c("x1", "x2", "x3", "x4", "x5", "x6", "DATA", "PESO") dados = subset(dados_influentes, (x1==FALSE & x2==FALSE & x3==FALSE & x4==FALSE & x5==FALSE & x6==FALSE), selec = c(x1, x2, x3, x4, x5, x6, DATA, PESO)) j = j+1 } res <- residuals(mod) h <- hatvalues(mod) P = length(mod$coefficient); N=length(peso); P; N; hc<-3*P/N;hc limt <- list(c(DFB=2/sqrt(N),FDFits=2*sqrt(P/N),cov.r=3*P/N, Cook=qf(0.5,2,8, lower.tail = TRUE, log.p = FALSE),hat=3*P/N)) N=length(peso); P=length(mod$coefficient) rs <- rstudent(mod) h <- lm.influence(mod)$hat; lc <- 3*P/N minrs=min(min(rs),-3) maxrs=max(max(rs),3) ymin=minrs-.1 ymax=maxrs+.1 maxh=max(max(h),lc) minh=min(h) xmin=minh-.1 xmax=maxh+.1 par(mfrow=c(1,1)) plot(c(xmin,xmax),c(ymin,ymax), type="n", xlab="h - leverage", ylab="RStudent", main= i) abline(h=-2.5, col="red") abline(h=2.5,col="red"); abline(v=lc, col="blue") points(h,rs) plot(dad, main= i) abline(mod,lty=2) } dev.off() } Agradeço, -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutora em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 98861-0619.

3 2

Re: [R-br] tratamento de pontos discrepantes (pesos de bovinos)
by sznelwar＠uol.com.br 23 Jul '17

23 Jul '17

1 0

geom_boxplot
by fabianidenise＠gmail.com 21 Jul '17

21 Jul '17

Bom dia listeiros, estou com uma dúvida, e talvez alguém possa me indicar alguma maneira de resolver. Estou com uma série histórica de dados diários de chuva, e preciso fazer um boxplot dos valores agregados mensalmente. DATA CHUVA 01/01/1980 5 02/01/1980 0 03/01/1980 0 04/01/1980 0 05/01/1980 0 06/01/1980 0 07/01/1980 4,9 08/01/1980 34 09/01/1980 5,6 10/01/1980 8 11/01/1980 0 . . . Até aí td bem, consegui executar pelas linhas de comando abaixo: P1 <- ggplot(dados,aes(format(as.Date(DATA), "%m"), CHUVA)) + geom_boxplot() P1 No entanto, como para a variável chuva esses valores diários não fazem muito sentido para a minha análise, preciso fazer um boxplot aggregando esses valores pela soma mensal. Alguém teria alguma dica de como posso fazer isso? Muito obrigada, Fabiani _____________________________________ Sent from http://r-br.2285057.n4.nabble.com

2 1